伴随着人工智能产业的升温，机器视觉产业成为焦点，行业迈入新的发展阶段，市场规模加速扩张。另一方面，受机器视觉专业化程度高的技术壁垒，产业落地生根困难重重。
从市场发展来看，受众多行业需求促进（电子制造、市政交通、汽车、食品、包装机械等行业需求旺盛），“中国制造2025”国家政策推动， 2017年机器视觉市场规模接近70亿元，同比增长了13.4%，约占全球市场15%的份额，预计到2021年市场规模可达115.83亿元。中国正在成长为继美国、日本之后的全球第三大机器视觉市场，其应用领域几乎要涵盖了国民经济发展的各个行业，而工业领域是应用最大的领域。
除了不断扩大的市场规模，机器视觉企业的融资加码，也佐证了市场的一片红火。据不完全统计，从2017年到2018年上半年，有将近20起机器视觉企业融资事件。而仅从2018年至今的数据来看，就有包括阿丘科技、精锐视觉、旷视科技、高视科技等在内的专注于机器视觉领域的企业获得融资，金额从800万至亿元不等。
市场大好、前景广阔，不断膨胀着投资者的信心，由此带来了巨额资本的注入，机器视觉企业基本解除了资金不足的限制。而相对于资本市场的快速扩张，机器视觉的落地生根显得有些艰难。
1、机器视觉面向的研究对象主要是图像和视频，其特点是数据量庞大、冗余信息多、特征空间维度高，同时考虑到真正的机器视觉面对的对象和问题的多样性，单一的简单特征提取算法（如颜色、空间朝向与频率、边界形状等等）难以满足算法对普适性的要求，因此在设计普适性的特征提取算法时对计算能力和存储速度的要求是十分巨大的，这就造成了开发技术门槛的大幅度提高。
2、机器视觉集中了光学、电子、机械、传感及计算机技术于一体，具有较强的技术壁垒，对于从事机器视觉的企业来说，其中任何一项技术的缺乏都会影响到其产品的研发。
3、目前机器视觉产品的通用性和智能性都不够好，在一些集成应用中无法搭载。如果一台设备只适用于一家厂商或者一种行业，那么设备的开发成本显然过大，因此加强设备的通用性至关重要。
1、价格
机器视觉产品主要分两类，第一种：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；第二种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。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。对于终端用户来说，机器视觉产品整体价格偏高，不利于短期推广。
2、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。
3、行业
由于机器视觉行业发展的异常火爆，丰厚利润驱使众多企业进入行业，导致行业发展出现了鱼龙混杂的情况，一定程度上扰乱了行业的正常发展。
dianping
机器视觉发展前景虽然一片明媚，但随着入局者的增加，资本市场的大力扶持，未来市场竞争势必会愈演愈烈。对于企业来说，如何进行布局则显得尤为重要。
机器视觉相对其他自动化产品来说，属专业性非常高的产品，而多数用户对此较为陌生，因此导致产品生产商与用户之间存在“鸿沟，”提高了应用门槛。未来，企业首要做的是实现专业性与用户需求相结合，既要提高产品性能，又要满足用户的需求，这是打造成功视觉方案的前提，只有用户的体验才能最终推动技术与产品的不断革新。
其次，战略布局上将主要市场与新兴市场相结合。目前，机器视觉产品终端市场2/3为电子制造、汽车制造和市政交通行业所占据，而随着包括食品、包装、物流等自动化水平的提高，对机器视觉产品的需求将会呈现爆发趋势。
最后，面对激烈的市场竞争，企业必须快速形成自己的竞争优势，不断完善和升级产品，积极采取应对策略，比如在产品中融入总线协议、开放视觉产品接口等形成产品竞争优势；积极寻求与自动化厂商的合作，壮大自身力量。
对于许多新鲜农产品批发商和超市而言，贴价格和促销标签占据了大量的人工劳动和大量费用支出。因此，许多用于为水果（如苹果和桔子）贴标签的大批量生产线已经实现自动化运营很多年。
但是，对于小批量产品，例如石榴或瓜类，情况则有所不同。到目前为止，这类产品外形的多样性以及处理它们的复杂性，导致目前这些产品仍然由人工贴标签，随后再进行重包装。
最近，英国
Loop Technology
公司开发出了一种基于视觉的、适应性强的机器人系统，其能够自动为这类产品贴标签。该系统使用
3D
相机识别在单元格内移动的产品、打印不同形状和不同尺寸的标签，并使用一对工业机器人将标签贴到产品表面的特定位置上（见图
1
）。
图
1
：利用
3D
飞行时间相机，
Loop Technology
公司
开发出了一套基于视觉的机器人产品贴标系统，实现产品的自动贴标。
输送机上的产品包装箱首先经过视觉工作站，在这里将对目标水果进行识别。随后根据水果种类打印标签，将浪费降到最低程度，然后机器人优化标签的取放，以实现有效运行。两台机器人协作配合，将单个或多个标签贴到水果上。
系统架构
自动贴标系统由戴尔公司的一台
PC
机控制，该
PC
机配有
Intel
Core i7
处理器，运行人机界面（
HMI
）、机器视觉和机器序列软件。该
PC
机与德国
Beckoff
公司的
CX
系列嵌入式
PC
联接，提供系统实时控制；德国
Pilz
公司的
PLC
用于监控机器人单元周围关键元件的状态，例如急停按钮和门锁单元进入机制。
一旦水果容器送入自动贴标系统，在
Beckhoff
公司的
CX
系列嵌入式
PC
的控制下，它们从辊筒输送机移动到驱动传送带上。随后，产品箱进入视觉工作站中，在那里，新加坡
Creative
公司的
Senz3D
飞行时间相机，利用调制红外光源对产品进行照明，并捕获反射光。相机数据通过
USB 2.0
接口传输到多核
PC
，
PC
对飞行时间数据进行分析，产生产品箱和下方传送带的
3D
点云。
3D
数据至关重要，它用于使系统软件得以确定产品表面上的点，让机器人知道应该在何处贴标签，但是高通、低通和缩放滤波器也用于由相机捕获的三维数据，以产生二维灰度图像。然后，
PC
上运行的美国康耐视公司的
VisionPro
软件对图像进行分段，将在相机视场下经过的各种类型的新鲜产品区分开来再识别。
当物体移动通过该系统时，图像数据也用于产生物体的定位信息。要做到这一点，从图像数据中提取各目标的点云数据，并使用
Loop Technology
公司开发的三维校准算法处理。这为每个物体提供了真实世界坐标系下的三维表面数据。然后对表面数据进行分析，用户定义的目标参数用于计算三维空间中产品表面上的点，以及与其垂直的矢量，在该处机器人应当贴标签。
Loop Technology
公司的定制机器人通信软件，允许目标数据在
PC
和一对机器人控制器之间传输。这些方式控制德国
Kuka
公司的两台
KR6 R900 Agilus
机器人，将标签贴在水果表面上的任何预定位置。机器人控制器通过使用两台编码器，跟踪输送带移动，从而使得贴标无需延缓整个流程。
3D
分析
通过使用英特尔支持的感知计算技术，
Senz3D
主要是针对手势识别应用。这样，基于相机的系统对手、脸，以及此应用中的瓜类表面反应良好。然而，感知计算是基于场景中的相对变化，而机器人定位需要真实世界坐标系中的精确三维数据。
因此，通过相机获得的深度数据不是立即有用的，因为数据不是在真实世界坐标系中，因此不能用于定位机器人。使该问题更复杂的，是透镜畸变和飞行失真（图像外围的物体显得更远）效应开始发挥作用，当直接呈现时场景具有翘曲曲率。
为了克服上述问题，
Loop Technology
公司采用由精密加工的块构建的
3D
棋盘，开发了
3D
校准程序。使用已知的块宽度、高度和深度，可以对原始数据中的各种失真计算出修正变换，并在笛卡尔空间产生新的点云。
水果的缺陷也会导致错误，使得裂痕和峰值出现在并不存在的地方。为了消除这种情况，在计算机器人的位置前采用表面映射算法，以平滑这些缺陷，并为机器人建立可靠的目标位置。
表示产品上一张或多张标签需要贴放的位置的三维坐标，通过以太网接口传送到机器人控制器。当一盒农产品在机器人的操作范围内时，机器人臂端部的两台气动驱动末端执行器，从两台标签打印机挑出标签，并贴到产品表面（见图
2
）。完全标记好的产品随后经辊式输送机离开。
图
2
：当一盒农产品在机器人的操作范围内时，气动驱动的末端执行器从两台标签打印机挑出标签，并贴到产品表面上。
训练方法
该机器能够标记多样化的产品。虽然有许多工业贴标机已经能够提供更快的吞吐量，但是它们的应用只局限于特定的产品类型。
Loop Technology
公司的机器可以通过触摸按钮选择，就可以切换成面向不同的产品，如从为鳄梨贴标切换到为西瓜贴标，因此是面向低产量和季节性水果的理想选择。
用户看不见该系统的复杂性，接触到的只是简单的软件界面，可用于训练系统来识别新产品。使用基于浏览器的设置界面，甚至当机器在操作过程中，一个新产品也可以加入到可被识别的产品列表中。训练要求单独的样品放置在输送机上，并由相机成像。
一旦图像被捕获后，用户可以设置深度阈值，以便样品从传送带和任何包装中清晰地突出，之后系统自动训练来识别产品（见图
3
）。要做到这一点，用
Blob
分析算法识别包含样品的点云区域。然后，该数据被分析和量化，以产生独特的产品数据集。
