工业视觉应用场景有哪些？

据此，将以产品质量为核心的生产结果检测、以生产作业为核心的生产过程监测和以安全为核心的资源状态监测三大典型应用模式的主要细分场景进行映射，得到工业视觉技术与应用的总体视图：

1.图像处理技术路径与场景

常用于简单背景下的有无判断场景，该场景下的检测对象较为明确，可匹配的特征明显，对数据量没有特殊要求，适合发挥该技术效率高、准确率高的优势。 以质量为核心的生产结果检测模式主要包含计数/遗漏检测、快速质量检测、有无检测等场景。计数/遗漏检测主要适用于背景固定的场景，如在某工作台上对完成的零件计数；快速质量检测主要是用于产物结果明确且缺陷明显的场景，如快速判断边缘光滑的产物是否有不规则毛刺；有无检测主要是用于明显缺漏的检测，如是否有零件少焊接的情况。

以安全为核心的资源状态监测模式主要包含泄露检测等场景。泄露检测主要用于有明显光谱特征(物质成分)、形态特征变化、或者环境特征(温度、光照通透度)变化的场景，如有色的毒性气体外泄监测等，或是监测安置有害物质的容器外观是否产生明显破损。以作业为核心的生产过程监测模式主要包含视觉定位、尺寸测量等场景。视觉定位主要用于检测对象相比于背景较为明显的场景，如机床基板上零件位置的确定，或是工件的投放点定位；尺寸测量主要用于背景相对单一的场景，如基座上的零件长度测量。

2.传统机器学习技术路径及场景

常用于情况较明确的二分类场景，该场景下检测对象的特征较为显性，对象可能处于的状态较为明确，对数据量要求不高，适合发挥该技术成本低、节约人力的优势。 以质量为核心的生产结果检测模式主要包含外观质量检测、组装防错检查等场景。外观质量检测主要适用于多特征联合判定的场景，如从容器形变、内容物颜色偏差等多角度共同判定装罐质量水平；组装防错检查主要是用于较为复杂的产品局部零件组装质量检测。以安全为核心的资源状态监测模式主要包含泄露检测等场景。泄露检测主要用于借助其他设备的关联反映来判断的场景，如无色无味但有腐蚀性的气体泄漏，可采用气体的光谱特征或通过周边环境的变化来联合判断。 以作业为核心的生产过程监测模式主要包含监控仪表读取、视觉定位等场景。监控仪表读取主要用于预警判断，如单一仪表示数过高或有该趋势，或者多仪表有较小同向偏差，能提前预警；视觉定位主要用于较为复杂的背景，如 PCB 板上的焊接点定位。

3.深度学习技术路径及场景

常用于多检测对象的复杂判断场景，该场景的复杂性较高，可参考的数据量较大，检测对象的特征高度抽象且较为隐性，对象质量标准界限较模糊，以人工判断为主的场景，适合发挥该技术适应性高、识别力强的优势。 以质量为核心的生产结果检测模式主要包含复杂缺陷检测和3D缺陷检测场景。复杂缺陷检测主要用于组成零件多、缺陷复杂的场景，如高度集成的电子器件缺陷检测，或者样式复杂的纺织品花纹缺陷检测。3D视觉检测主要借助 3D 成像系统，利用三维信息更加稳定地完成检测。

以安全为核心的资源状态监测模式主要包含车间安全监测、人员行为安全监测、设备巡检、厂房安全监控等场景。车间安全监测主要用于车间环境危险监测，如零星火灾、绝缘层脱落导致的电线裸露等；人员行为安全监测用于判断人员的行为是否符合安全规范、人员所在区域是否符合级别规定等；设备巡检用于判断设备运作状态是否正常，也可用于预测设备寿命和故障预测。厂房安全监控用于判断是否有非授权人员在厂房内实施破坏窃取等行为，也可用于对厂房整体的作业环境安全进行监控判断。 以作业为核心的生产过程监测模式主要包含零件姿态识别、物品智能分拣、焊缝跟踪、AGV 视觉导航等场景。零件姿态识别主要用于组装、加工、抓取前的零件姿态确定，以计算出更好的路径或抓取点；物品智能分拣主要用于传送带上的多种物品快速分拣，在重量、电磁属性类似但颜色或外观有差异的物品上尤为适用；生产进度跟踪主要用于复杂工艺中的加工进度检测，或者较长工艺生产线上的总进度确认；AGV视觉导航主要用于配合激光、导轨类 AGV 的终点操作辅助，或是纯视觉导航的高机动性 AGV 场景。

4.前沿机器学习技术路径与场景

常用于少见缺陷、故障检测场景，该场景下检测对象的特征不明确，缺陷或故障次数相较于总体样本而言非常少，适合发挥该技术样本需求量少的优势。 以质量为核心的生产结果检测模式主要包含新型缺陷检测、小样本缺陷检测等场景。新型缺陷检测主要用于新兴产业中前沿产品的外观缺陷检测，可借助传统产品或局部相关产品的经验进行预测；小样本缺陷检测主要用于不同生产商或不同批次的同类产品外观缺陷检测，虽然缺陷本身较为常见，但具体至生产商或批次后样本量较小，导致缺陷特征及其关联关系不明显，从而影响检测效果。

以安全为核心的资源状态监测模式主要包含零星故障监测等场景。零星故障监测主要用于新建厂房、车间的故障监测，或是安全系数较高场所的极少数故障监测，或是未知故障监测。以作业为核心的生产过程监测模式主要包含柔性工艺处理等场景。柔性工艺处理指的是面向用户个性化需求的柔性组合产线，大部分的组合都是未曾出现或较少实施过的，需要将前沿机器学习应用到机器视觉中，根据所采集动态图像实时调整处理。不同技术路径都有差异化的适用场景与优势。随着人工智能技术的不断发展以及工业视觉应用领域的广泛化，对检测问题多样化、检测准确度和泛化能力都提出了更高的要求。深度学习技术能够对数据提取更加深层次的属性类别与特征，已经成为了工业视觉研究领域的重点与市场需求的热点。