1、2022AI INDUSTRIAL VISION SOLUTIONS AI工业视觉解决方案白皮书 2022 Microvision.All rights reserved.版权声明COPYRIGHT本白皮书出品方为维视智造科技股份有限公司，版权受法律保护。转载、摘编或利用其他方式使用本白皮书文字或者观点，应注明“来源”：“维视智造科技股份有限公司”。违反上述声明者，出品方将追究其相关法律责任。目录工业视觉技术发展趋势1.1 工业视觉技术概述051.2 工业视觉典型应用场景06深度学习技术发展趋势2.1 深度学习技术概述102.2 工业视觉深度学习技术发展趋势121.3 工业视觉面临的挑战及发展

2、趋势07AI工业视觉落地痛点及关键技术3.1 AI工业视觉落地痛点3.1.1 额外的硬件18183.1.2 发热量和功耗183.1.3 大量的训练数据18AI工业视觉解决方案4.1 AI工业视觉解决方案架构及组成4.1.1 基于本地算力的AI工业视觉解决方案24244.1.2 基于边缘侧的AI工业视觉解决方案254.1.3 基于5G+云端的AI工业视觉解决方案264.2 AI工业视觉解决方案实施流程4.2.1 数据收集27274.2.2 分类及数据标记284.2.3 模型训练324.2.4 在线推理及优化33344.3 AI工业视觉解决方案典型应用场景4.4 AI工业视觉解决方案发展前景预测4

3、.3.1 缺陷检测344.3.2 图像分类434.3.3 字符识别474.3.4 深度学习与传统算法的融合48573.2 AI工业视觉落地关键技术解析3.2.1 基于CPU进行训练及推理203.2.2 缺陷检测深度学习过滤及图像自动采集标注技术203.2.3 小样本训练及神经网络模型再训练技术213.1.4 大量的人工标注工作1920CONTENTS工业视觉技术发展趋势工业视觉技术概述1.1工业视觉也称机器视觉，是人工智能正在快速发展的一个分支，是在工业上为自动检查、过程控制和机器人引导等应用提供基于图像的自动检查和分析的技术及方法。机器视觉系统是通过机器视觉产品（CMOS 和CCD）将被摄取

4、目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。如果我们将1969年CCD芯片的产生作为机器视觉技术的起点，该项技术的发展已经有半个世纪的历史，经过长时间的发展，机器视觉技术日益取得重大突破和广泛应用，当前已经遍布工业生产的各个环节，在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产

5、的自动化程度。而且机器视觉易于实现自动化集成，软件集成，是实现智能制造的基础技术。根据不完全统计，目前广泛应用工业视觉的工业生产行业包括：半导体、电子、汽车、光伏、能源、交通、印刷、食品、医药、物流、轻工等。中国的机器视觉市场需求近几年处于持续高速增长阶段，年复合增长率保持在23%。截至2021年，国内机器视觉市场规模达163.8亿元。AI工业视觉解决方案白皮书5工业视觉典型应用场景1.2机器视觉在工业领域应用广泛，按功能和场景主要分为四大类：识别、定位、测量、检测。识别包括有无、颜色和条码/二维码识别，主要通过甄别目标物体的物体特征来进行判定，在工业应用场景中占比约24%。定位功能是在识别出

6、物体的基础上，经过测量准确的给出目标物体的坐标位置，制造业自动生产装配过程中，机器人需要知道来料的位置，才能完成后续的加工、装配、搬运等一系列动作。在工业应用场景中，定位需求占比约为16%。测量泛指利用被测物体特征进行全局或局部尺寸数据获取的应用，包括：长度、平行度、角度、圆弧长、圆直径、半径、点到线的距离、点点距离等等，尺寸测量既可以用于产品生产过程中的尺寸数据管控，也可以用于数据的获取，在工业应用场景中占比约为10%。检测指的是对目标物体表面的缺陷进行检出。产品生产制造过程中产生的表面缺陷会影响其性能及客户体验，传统人工检测的方法需要耗费大量的人力，且无法满足现代生产工艺和节奏的要求，利用