【文/廖文清】从2016年开始，在“中国制造2025”的催化下，中国机器视觉市场持续升温，已经进入爆发的“拐点”。GGII数据显示，2017年中国机器视觉市场规模42亿元，全球占比18%，增速为26%，高于全球平均水平。
2017年以来，机器视觉领域的融资事件接踵而至，包括埃尔森、梅卡曼德、阿丘科技、精锐视觉等企业都获得了融资，延续2017年受资本青睐的态势，据不完全统计，2018年上半年，机器视觉领域相关企融资事件已达9起，几乎占了机器人行业融资事件的一半。
具体来说，1月3日，艾利特获5000万元A轮融资；1月31日，远形时空完成千万级人民币Pre-A轮融资；2月27日，精锐视觉完成数千万Pre-A轮融资；5月10日，高仙完成A轮千万级美元融资；5月18日，深圳奥比中光科技有限公司完成超过2亿美金的D轮融资等。
■争相入局
都说资本是逐利的，在资本流向机器视觉领域的同时，不难看出这个市场巨大的前景，不仅仅新进入的企业增多，也有不少自动化企业开始加码布局。
这两年各大展会中，机器视觉企业成为参展的热点，数量也是一年比一年多。而从这两年国际自动化企业的动作中，也不难看出这一领域的竞争激烈。
2017年2月，ABB收购了专门从事白光3D检测技术研发的西班牙3D检测先锋NUB3D；9月，欧姆龙以1.57亿美元收购英国思百吉旗下子公司——工业条码阅读器和机器视觉专家迈思肯；12月，罗克韦尔成功收购了英国Odos Imaging公司，该公司主要为工业生产提供3D TOF传感器系统。
在去年纽伦堡举行的SPS IDC Drive上，西门子以全新的MV540高性能工业相机，扩充了其原有的视觉产品线。Beckhoff在其最新版本的TwinCAT 3中，集成了多种机器视觉功能；ABB旗下品牌的B&R，更是推出了首款机器视觉产品。
目前，境内国际机器视觉品牌大约100家，国内机器视觉品牌也接近100家，产品代理商超过200家，专业机器视觉系统集成商超过50家，涵盖从光源、工业相机、工业镜头、图像采集卡和智能相机等所有机器视觉行业链产品。
■首先爆发：物流分拣
有不少业内人士都表示，机器视觉在物流快递领域将首先实现爆发，而今年就是爆发的“拐点”。
2017年，整个中国的快递包裹总量是400亿件，相当于平均每天有1亿个包裹在邮寄，在前不久在杭州召开的物流会议上，马云表示，在未来的5—8年之内，这个数量会翻十倍，达到每天10亿个包裹，而这个行业核心竞争力就是速度，影响速度的核心环节就是物流分拣。
物流行业正从人工分拣向智能化、自动化方向快速演进，基于3D视觉引导的机器人物流分拣系统被广泛应用。
6月5日，京东与新时达签订战略合作框架协议；6月12日，京东又与埃夫特签订了战略合作协议。一周之内，京东接连合作两大国产机器人厂商，而在今年年初，又领投了智能仓储机器人马路创新的A轮融资。如此频繁的动作下，不难看出智慧物流将成为各大电商的竞争点，并且已经进入到抢占市场的关键期。
刘强东近期表示，目前京东的业绩增长主要还是来自零售业务，但在未来，以物流为载体的供应链服务与技术驱动将成为拉动京东业绩增长的新动能。
在今年的5月份，菜鸟举办的智慧物流峰会上，阿里巴巴集团董事局主席马更是指出，菜鸟要全力以赴建设国家智能物流骨干网，通过智能、协同为制造业创造利润空间。为此，阿里巴巴和菜鸟将投资上千亿元。
华睿科技总经理李铭表示，单单在快递行业，今年华睿科技工业相机的量就可以达到几万台，而这仅仅只是冰山一角。
而另一家机器视觉产品企业海康威视也在不断持续加码物流分拣领域的布局，6月26日，海康机器人与蓝英装备签署了《战略合作协议》，先期开展专用物流系统基于视觉的智能终端产品研发并提供解决方案。
早在去年，埃尔森AT-S1000机器人3D定位系统就已经应用在了京东的“无人仓”中，今年，埃尔森自主研发的适用于电商物流仓储的“无人化”高速物流分拣方案也在展会上展出。
当前，梅卡曼德已经和一些物流和机器人本体企业合作落地了不少项目，也在通过一些机器人和物流装备集成商落地出货。为更好的扩展机器人视觉的适用范围和能力，梅卡曼德还在朝着改造场景的方向努力。
■关键：与自动化技术的融合
随着应用范围地扩大，机器视觉由过去单纯的采集、分析、传递数据、判断动作逐渐朝着开放性的方向发展，这一趋势也预示着机器视觉将与自动化更进一步的融合。
当下主流的机器视觉技术已经比较成熟，但它们在设备系统中基本上都还是相对独立的，有时甚至可以说是非常封闭的，视觉产品与控制系统之间的接口极为有限，也谈不上什么信息和数据的相互共享。
在易视智瞳科技CEO黄卜夫看来，除了机器视觉和控制系统本身的技术难度之外，还涉及到系统架构、运动控制、执行机构三个环节的有机结合，这个难度也很大。
而梅卡曼德CEO邵天兰则表示，现在视觉系统使用起来普遍太麻烦了，往往需要专业的集成商甚至是一个小型研发团队，使用的门槛太高，而这也导致使用的成本过高，推广变得困难。
若要将机器视觉整合到设备控制系统中，除了需要有一套集成视觉功能的设备控制器和系统软件，统一的现场总线网路也是必不可少的；并且，这个网络系统还必须具备足够的实时确定性，以确保系统运行时各组件之间时钟同步。
在自动化厂商不断完善和升级视觉产品的同时，也需要积极采取各种应对策略，例如：在产品中融入标准的总线协议、开放视觉产品接口、寻求与自动化厂商的合作等。
工业视觉有五大应用场景：测量、定位、检测、引导、识别。其中，因为瑕疵种类多、分布位置随机性等，导致“检测”这一环节难度比较高，一直是工业视觉领域未被解决的问题。
然而在高工机器人近两年的巡回调研中，我们发现，终端企业的检测需求可以说非常巨大，特别是在手机行业，集中表现在手机外观和功能检测以及SMT前段测试。
黄卜夫表示，机器视觉在检测方案中应用难点主要在于非标性，不同场景不同材料，技术路线可能完全不一样，没有一劳永逸的标准解决方案。
此外，数据的共享和处理也很重要。利珀科技创始人、董事长王旭龙琦表示，视觉检测设备最大的意义就是提供数据，并且进行分析。机器视觉不仅仅是让机器看生产，更是让机器看懂生产，解决这个“懂”靠的就是数据分析，所以利珀除了提供机器视觉先进的检测技术以外，还提供数据服务和移动端的数据的查看，包括提供工艺流程的反馈分析。
