【文/邱士乾】从2017年至今，机器视觉始终处于风口浪尖，一笔笔巨额融资让大家也是异常眼热，但机器视觉在实际落地方面一直没有太大动静。那目前机器视觉应用情况如何，又存在哪些问题？
工业机器人发展到现在，想要拓展更多的应用场景，并不是提高几个参数便可以实现的，需要融合更多技术，力传感、机器视觉、AI均包括在内。机器视觉是一个非常大的范围，目前市面上主流的机器视觉技术包括2D视觉与3D视觉，虽然目前产线中2D视觉的应用更为广泛也更成熟，但如果考虑到前景，3D视觉才是未来之星。
除了纯粹的机器视觉企业之外，本体以及集成商也开始涉及机器视觉领域，无论是自主研发还是与第三方合作，进而更好控制产品成本。
目前机器视觉主要应用在3C领域的产品检测、无序分拣、上下料、拆垛码垛、涂胶等工艺段。机器视觉主要分为两种：
1、相机起辅助作用，获取目标信号并反馈给机器人，由机器人执行预设动作。
2、机器主动介入机器人控制系统，通过获取到的目标位置，协助机器人完成动作。
简单理解，一个是不控制机器人，只是反馈信号；另一个则是会协助机器人完成相关操作。两者并没有优劣之分，主要根据场景需求进行选择。价格也有较大差距，前一种，价格一般在2-10万左右，后者涉及到软件与硬件结合，价格一般在10-25万左右，精度一般在0.05mm-0.1mm间。
■机器视觉的最大瓶颈仍是技术
目前机器视觉的价格依旧较高，不过梅卡曼德销售总监黄宇霖并不认为价格是目前机器视觉推广的主要难点。“机器视觉可以帮企业解决很多问题，价格对于整个集成系统而言并不是太大问题，真正影响机器视觉普及的还是在于技术瓶颈，或者说与其相关联的部分还有待完善。”
库柏特机器人系统部总经理廖圣华同样认同这一观点“目前机器视觉的产品通用性智能性不够好，在一些集成应用中无法搭载。”目前机器视觉在分拣领域存在的最大瓶颈便是当SKU的等级（数量级）达到一定程度之后，3D视觉不能完美识别。
如何理解呢？举个简单的例子：我想买一件特定图案的衣服，在企业的仓库中可能存在上千种不同样式的衣服，包括冬服、春服、夏服。这对机器视觉而言，将会是个巨大的挑战，即使视觉足够强大，可以识别出指定产品，但夹爪的通用率又是个问题，不可能又能抓短袖、又能抓取羽绒服。这在一定程度上限制了机器视觉在分拣领域的应用，当然小规模、品类较少的分拣，机器视觉应用已经比较成熟。
“目前主要还是2D视觉产品出货。3D视觉出货不多，除了价格外，3D视觉方案对于现场的环境要求有时会更苛刻一些。”配天机器人副总索利洋坦言。
机器视觉不是简单通过相机拍照，然后通过算法处理便能完成产品区分，很多时候都会涉及到深度学习。比如两个会反光的金属件贴合在一起，一般机器视觉便无法区分这是一个零件还是两个零件，只有通过深度学习，机器视觉才能快速将两者区分开来。目前国内各大机器视觉企业已开始涉足深度学习，将两者结合，为客户提供更易用的机器视觉技术，发展空间很大。
■机器视觉的推广难点
价格：机器人本体内置视觉模块是最完美的状态，但目前出于成本考虑，大部分机器视觉均采用选配方案，即使目前机器视觉的价格已经下降很多。价格依旧是目前限制机器视觉推广的一大难题。
人才：机器视觉作为新兴行业，真正了解视觉技术又了解终端工艺段的人才稀少。而且在工业应用当中，不同行业之间的实际需求差异较大，需要机器视觉解决方案提供者对某一领域的工艺有足够深的了解，才能够提出切实有效，能够解决客户需求的方案。人才不足在很大程度上限制了机器视觉的快速普及。
行业：异常火爆的机器视觉也存在鱼龙混杂的现象，有认真做产品、做技术的企业，骗融资的企业同样不少，看到利润，大家都想抢占。不过随着技术不断发展，行业会逐步成熟，优胜劣汰的法则任何时候都不会过时。
2017年开始爆发，2018年热度不减，众多机器视觉企业均表示2019年将是机器视觉的落地年。黄宇霖直言“之前都是零星散散，现在大家开始抱团集中发展。随着技术不断进步，相信强者终会显现，让整个行业更加成熟稳定的发展。”
