改革开放30多年来，中国科技进步领域发挥了非常重要的作用，人口红利、政策红利，低价资源等共同造就了中国制造产品的市场竞争力，中国制造也在改变着世界。

　　从世界范围来看，中国虽然是制造的大国，但一直大而不强，中国制造目前仍然处于第三方阵。世界制造业第一方阵以美国为首，德国和日本分别占领了智能制造第二方阵。我国先后出台中国制造2025、智能制造发展规划等政策方针，希望提升制造业水平。在我国制定智能制造发展战略规划中，明确指出三个阶段的发展宏观战略，分别是在2025达到世界第二方阵，迈入制造强国，2035进入世界第二方阵前列，2045能够进入世界第一方阵。

　　在宏观战略的细分执行上，我国也提出三步走的具体规划：第一步要实现数字化制造，第二步实现互联网+制造，第三步实现新一代智能制造。就整个制造类型来看，这分别代表着劳动密集、资本密集、技术引领和市场变动型的不同制造形式。我国目前主要仍处于劳动密集型制造形态，该制造形态以低层次、低劳动成本为核心竞争力，主要行业包括加工、组装、家电、电子产品等基础制造业。

　　随着人工成本不可避免的不断提高、工人不稳定性影响品质问题显露，人的不确定因素成为劳动密集型制造的发展瓶颈。同时，我国产品制造模式的又一困境也在出现，即高端产品没人做、做不出，而低端产品质量差、易积压卖不出，产业结构非常不合理。

　　这些困境的根本出路就在于转型升级，同时提升智能化程度，用人工智能结合制造业，以人工智能+机器人去减少人工，降低人工造成的品质不稳定，质量差等问题，无疑是促进制造业转型升级的良好方法。

　　机器视觉带来的新改变

　　人工智能是促进制造业转型的重要技术。近年来，人工智能的概念非常火爆，但在实际应用却很少，尤其是在制造业中，人工智能的应用还仍然处于初级阶段。

　　目前人工智能+制造业的应用，主要集中在配合机器视觉的应用。

　　人类的信息获取75%以上来自于视觉，机器视觉是对于人类视觉的再提升。机器视觉无疑比人眼更加强大，在很多环境下，人类的视觉变化已经越来越难满足要求。例如电子制造等行业的高速高精产线，往往速度快，工件小，非标件多，如果大量依靠人工，工人必可避免的疲劳等客观因素会带来非常高的误差，导致产品质量不稳定。因此，用机器视觉来替代人眼至关重要。

　　机器视觉是最基础的单元技术，也是一种非接触式感知装置，在实际制造业的使用中，主要被用于自动获取与解释真实事物的影像，并取得图像来进行机器识别，反馈并控制制造流程。

　　当前机器视觉的典型实现技术方式是用工业相机来完成，工业相机通过集成运动控制单元，能把运动图像采集到计算机，通过计算机识别反馈回到机器来执行动作调整。在原先，自动化设备是按照既有预定指令来执行，但加上视觉反馈后，同时也能根据对于环境感知，快速做出实时调整，使得设备智能性得到提升，执行的效率和准确性得到了提升。

　　从生产线和智能工厂的角度来看，加入机器视觉后能很好提升制造水平。当前许多工厂设备已经实现了基本自动化，表现为能按照人的编程机械式重复运动，但如果给机器加上视觉，设备就能够根据不同环境条件来进行主动调整，从而在自动化设备基础上实现智能化。

　　用机器视觉技术取代人工产业已经具备非常强的场景可行性。目前机器视觉在珠三角地区已经得到大范围应用。由于长三角珠三角地区是电子制造产业集中地，加工电子元器件、Pcb板以及手机组装等制造产业精细且比较小，同时有大量的强光作为背光，对人体的伤害非常大，这些场景无疑就非常适合机器视觉的应用。

　　在未来，机器视觉的发展也有望大量替代人工，借助机器识别和信息处理，可以开拓的场景还有很多，机器视觉还可以提升工件的产品一致性和质量稳定性，机器视觉能很好完成检测等制造关键流程，提升产线的整体效率。例如在检测工件长度、宽度、厚度，以及例如在手机产业的屏幕粘乎和划痕检测等场景下，机器视觉都有着更多的发展空间。

　　除此之外，机器视觉还能实现更精准的定位，使得机器人在抓取过程中实现视觉定位和误差补偿。在 OCR识别上，机器视觉也大有可为，例如识别板面文字，判断漏缺，判断安装是否正确。

　　机器视觉+人工智能

　　但单一的机器视觉的应用场景其实也非常有限，机器视觉发展到如今已经有10-20年历史，在原先应用一直较少，随着近年来摄像头、光源等硬件成本的不断降低，以及计算机处理能力的提升，人工智能技术的大量进入，才逐渐越来越广泛进入到工业领域。

　　软件和智能技术的发展，使得机器视觉的应用明显增多。在电子制造设备行业，机器视觉已经几乎成为标配，但在具体应用上，却往往还是采用传统机器视觉算法，加入AI的机器视觉算法仍然应用较少，因此机器视觉+人工智能的领域其实还仍然有非常大的市场空间。

　　用人工智能+机器视觉来做机器识别，优势非常明显，最为直接的体现在于能大大增加制造柔性。

　　柔性制造往往表现为机器人等工业设备能够针对不同的位置、光照，以及复杂环境，呈现出更好的适应性。例如针对物体的颜色检测，如果采用传统的机器视觉，对于不同颜色的细微辨识度其实不高，某个颜色中如果出现深浅、偏色等轻微差别，传统机器识别就很容易出错，而用人工智能+机器视觉的方法就能够比较准确提升检测率和正确率。

　　采用AI的机器视觉来进行检测，也能更加方便进行人机交互，提升检测便利性。在原先，要实现精准点线面的指定位置检测往往需要通过人进行点击鼠标等操作，需要告诉视觉去检测哪个圆哪条线，但如今加入AI后，电路板放到产线上，就能通过强化学习等方式自动识别原先各个方面的问题，从而完成视觉+智能标定、智能尺寸量测和位置实时判断，效率和人机交互智能性都得到大大提升。