讓產線自己“長眼睛”，從而擺脫人工勞動的低效和不穩定，機器視覺正在越來越多地應用于生產制造過程。GGII數據顯示，3C電子行業是機器視覺最多的應用領域，連續多年應用占比第一；其次是汽車、半導體、鋰電池、醫藥等行業。其中鋰電行業需求增長明顯，預計未來5-10年將會是機器視覺主要增長的拉動引擎之一。

“近兩年，鋰電行業高歌猛進，不僅產能快速擴張，對產線良率的要求也越來越高，這給機器視覺的廣泛應用帶來肥沃的土壤。”科創板上市公司均普智能(股票代碼：688306)總經理解時來表示，由于擁有大量新能源汽車行業的客戶，公司正自主研發機器視覺智能檢測與人機交互軟件，與視覺檢測模塊進行數據通訊，應用在新能源、汽車等產線測試環節中，可實現采集并識別鋰電、汽車電子零部件等智能化裝配生產環節中的關鍵缺陷信息。自主研發機器視覺技術除了可以降本增效，最主要的是助力汽車等行業制造測量和缺陷檢測精度和可靠性的提升，賦能產線數字化及智能化生產。

(資料圖片僅供參考)

均普智能動力電池模組裝配線

機器視覺的技術核心在于圖像識別和信息處理，可以廣泛應用在工業制造、農業、交通等多行業的智能化過程中。

相對于人眼，機器視覺在檢測效率、精度、工作時間等方面均存在顯著優勢。據均普智能機器視覺工程師何川博士介紹，僅以檢測效率一項為例，其自主研發的機器視覺智能檢測與人機交互技術，應用于新能源汽車、智能汽車等領域自動化生產線檢測，相較傳統檢測方法，檢測效率可提升2倍以上。

在產業鏈上，目前機器視覺的下游應用市場主要在汽車及其零部件、鋰電池、消費電子等離散型制造業。尤其在鋰電池領域的應用，高工鋰電GGII信息顯示，在涂覆、輥壓等環節中，鋰電產品表面容易產生露箔、暗斑、劃痕等缺陷。這些缺陷嚴重影響鋰電池的品質，產生安全隱患。此外，以方形卷繞電芯制造為例，在其頂蓋預焊、密封釘焊接、外觀檢測等核心工藝流程上，必須由機器視覺來完成3D檢測。在動力電池高品質、高安全性及降本增效的背景下，生產環節引入機器視覺設備已經成為主流趨勢。

“相對于其他行業降本增效的需求，鋰電下游應用事關安全，目前產業對缺陷率的追求從ppm(百萬分之一)級別向ppb(十億分之一)提升，這也是機器視覺最能發揮超常能力的環節。”何川博士介紹，要達到鋰電生產設備高精確度的要求，必須相機、傳動、環境光抑制、算法降噪等多技術的相互配合。

何川博士還透露，均普智能基于獨立視覺處理軟硬件平臺集成的復雜圖像處理與分析算法庫，通過圖像預處理、特征提取、特征匹配等多種算法，可檢測不低于5種鋰電表面典型缺陷類型，同時單種缺陷檢測時間不到1秒，與工控單元的通訊信號延遲小于60毫秒，解決工藝、工序復雜繁多的鋰離子電池制造高難度檢測問題，進而實現產線節拍的協調及優化。

此外，鋰電行業大規模擴產伴隨著多元化。當前電池整體標準化程度并不高，不同電池廠甚至統一電池廠內部就有多條技術路線和不同的細分規格。這也給機器視覺的應用提出更高的要求。

根據機器視覺產業聯盟預測，國內機器視覺市場規模自2021年起將保持28%左右的CAGR(五年復合增長率)增長。GGII數據統計表明，隨著機器視覺在鋰電池制造測量和缺陷檢測的大規模應用，2022年中國鋰電機器視覺檢測系統市場規模預計達20億元。

“隨著鋰電池自動化產線的提升、無人車間的投入，未來依靠機器視覺的完全在線檢測將會替代目前的離線取樣檢測和半自動人工抽檢方式。”解時來表示。