datasheet

机器视觉的产业化演进:半导体打开想象空间

2018-10-26来源: 21世纪经济报道关键字:机器视觉

  本报记者 骆轶琪 深圳报道

  在人工智能技术大规模渗透到日常生活的同时,在工业领域,尤其是占据庞大市场的手机制造环节,正吸引越来越多机器视觉类公司的目光。

  近日,在接受记者采访时,多位机器视觉公司创始人表示,安防领域的应用已经涌现诸多独角兽,工业场景尤其在质量检测环节,正成为下一个被瞄准的方向。尤其在粤港澳大湾区背景下,珠三角发达的制造业与集中在此的产学研能力正加快融合。

  尤其国家近年对半导体行业的大力支持下,部分机器视觉类公司“瞄上”半导体封装等环节,正着手对此进行下一步的技术突破。

  工业检测土壤

  从计算机视觉领域来看,其产业化落地的步伐最先从与人相关开始。

  10月25日,IDC中国高级研究经理卢言霞向记者分析道,在目前相对成熟的应用市场中,安防中细分的软件供应模块、静态人脸识别、公共区域的门禁等方面属较快增长领域;但细分到动态面部识别、比如抓拍时,仍需要一定时间迭代。此外在智慧交通领域,由城市拥堵引发的需求导致过去1-2年规模较大。

  从2018年开始,手机终端和互联网端的具体应用场景开始成为显著增长点,后者包括智能建房、3D试衣等场景。“接下来在阿里、京东和其他创新公司的推动之下,预计2018-2019年新零售的AI应用场景成为下一个热点。此外医疗影像识别、自动驾驶等市场空间也很大。”

  反观机器视觉领域,卢言霞认为,从宏观来看其整体算法和应用落地尚且未到大规模爆发阶段。这最首先便是与自动化程度相关。

  “计算机视觉模型的建立,需要大量数据资源,从目前国内制造业整体来看,联网程度尚不足够。但在工业应用场景中,对于AI算法的精度要求很高,否则会带来安全隐患。”她表示,因此整体看来,国内应用在制造场景的机器视觉爆发,与工业互联网推进程度强相关,或将需要2-5年时间逐步酝酿。

  卢言霞分析道,制造行业差别很大,有自己的行业规则,也需要很深的行业理解。“据我了解目前运用在工业制造领域,真实场景下平均精准度大概在80%-90%,个别理想状态可以达到98%-99%。但更多应该还是在采集数据和训练模型阶段。因此目前会被用在对质量和精度要求没那么高的产品制造中。”

  当然珠三角的优势在于,制造业场景丰富,且推动智能制造发展的相关新型工厂正逐步在政策支持下建设起来。这也是在大湾区正涌现一批聚焦机器视觉技术落地公司的背景所在,其中手机产业链由于庞大的市场空间最受关注。

  10月19日,高视科技董事长姜涌向21世纪经济报道记者表示,工业自动化分两大领域,第一是工业生产设备,第二是工业检测设备。高视科技聚焦的正是后者。“第二个领域意味着生产自动化基本完成,这样的公司产量很大、实力很强,是很好的基础。而手机相关领域就是基数很大,迭代性强的代表行业,且利润度非常好。”

  在检测设备中运用机器视觉的诉求迫切,更与人体检测成本过高有关。从趋势来看,手机产业链中电池、盖板、屏幕等环节被优先关注。

  “举个例子,2017年需要40万工人检测屏幕,但屏幕检测对人眼伤害比较大,且伤害不可修复。因此这个场景中,机器换人是趋势。”姜涌解释道,而中国的手机屏幕产能占全世界比例的50%,电池所占比例达到近70%。

  品图视觉科技则专注在手机盖板瑕疵检测方面。公司创始人兼CEO刘颖告诉21世纪经济报道记者,该领域检测的行业规模约在196亿人民币。

  半导体封装机遇

  不约而同地,上述高管均向记者表达了对半导体行业参与度的热情。这与政策支持相关,另外从技术角度,也意味着面向更高阶的比拼。

  “我们的研发会继续朝着有挑战、有高技术壁垒的方向走,目前实际落地当然要考虑到赚钱和容易落地的问题,比如钮扣、电池检测等。但我们比较看好半导体行业。”刘颖向记者表示。

  姜涌也指出,对半导体封装阶段的检测是公司关注的方向,并已着手布局,虽然在国内工业制造过程中,半导体封装尚未是主流市场,目前还没到“爆点”,但“在政府政策支持下,或许1-2年后会开始带来机会。我们会提前布局,因为现在的技术从布局到成熟可能还要一年,我们希望在一年之后能赶上这个时候。”

  刘颖则进一步解释道,“半导体是周期很长、要求极高的产业,我们当然轻易不敢进入,对半导体的检测也不是某一家公司可以轻易做到,未来我们将考虑寻求合作方一起介入。”

  在政策支持下,国内半导体行业今年迎来新一轮热度,产业收并购热情也不断走高。但相比国内十分成熟的手机产业链,半导体封装领域实则发展缓慢,这类机器视觉公司仍有很长一段路要走。

  刘颖清楚意识到,无论从精密度、光学部件配置等方面,都要达到纳米级水准。这需要的将不止软件,还有机器乃至于电控方面都要匹配。

  “要配合精密度更高的半导体封装,光学、视觉算法等是核心。”姜涌也表示,为此,机器视觉公司的迭代,也将是以“一代设备”为单位,而非只是“一批设备”。

  不过,目前AI人才稀缺是普遍性难题。大湾区的产学研联动固然可以带来较好的基础资源,但同时需要警惕行业认知度问题。

  比如刘颖向记者提出,“实际上真正的AI人才很少,只不过这个行业现在比较好,又有一些现成的开放性资源,有时会给年轻人带来错觉,以为拿几张照片训练获得结果,就是懂得AI算法,但AI研究本身的结构、资源、数据配备,其实很有讲究。所以真正精通的人才仍然紧缺。另外是GPU等硬件,目前仍是运用国外的产品居多。”

  不过她很有信心,“只要有这个行业在,有这个气氛,倒不是特别担心。只不过需考虑清楚,着力点要放在哪里,而不要说只是看到这个行业很热。”

  (编辑:张伟贤)

关键字:机器视觉

编辑:冀凯 引用地址:http://www.eeworld.com.cn/gykz/2018/ic-news102611664.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:浩亭助力中国生产接轨工业4.0
下一篇:一笔百亿美元军方订单,引发了美国科技公司大混战

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

技术持续升级 视觉导航让扫地机器人更有“智商”

智能扫地机器人的出现让许多“懒癌患者”看到了新的生活方式,由于目前消费人群的生活节奏不断加快,产品技术的进步,扫地机器人市场也在近几年中持续走高。不过对于消费者来说,智能机器人似乎还没有智能到可以“指哪扫哪”。但在近期,我们却可以看到一些品牌在扫地机人的“感官”上进行了增强。  扫地机器人在清洁前,需要对室内环境进行扫描,并根据情况绘制地图,地图的准确性在一定程度上也会影响到清洁覆盖的精度。机器人想要定位自己的位置并进行行进路线规划,这些行为都少不了在其内部的导航系统。在今年年初,我们可以看到越来越多的扫地机器人品牌在产品中加入了视觉导航识别系统,通过位于机身上的图像感应器配合相应处理器,在“智能大脑”的加持下,可以轻松
发表于 2019-04-03
技术持续升级 视觉导航让扫地机器人更有“智商”

智能化是机器人未来发展核心方向

智能化是机器人未来发展核心方向,而视觉技术之于机器人相当于人的眼晴。因此,要想实现机器人智能化,首先就要发展机器视觉技术。长期以来,我国机器人产业智能化之路一直被机器视觉问题所困扰。在过去很长一段时间里,这项核心技术一直掌握着美国、日本企业的手中,造成产品价格高昂、服务态度差等一系列难题。 微链科技携手遨博(北京)智能科技有限公司在北京举行了合作签约仪式,基于微链科技在机器人3D视觉引导的基础上,赋能遨博工业机器人的视觉认知能力,在一定程度上促进了协作机器人实现工业4.0、产业升级的进程。 全球机器视觉技术逐步成熟机器视觉被提出来是在20世纪60年代,直到20世纪80到90年代,机器视觉才迎来了蓬勃发展,而在
发表于 2019-03-23
智能化是机器人未来发展核心方向

京东这款机器视觉智能批量入库系统上厉害了,效率贼高

最近,京东物流上线了一套基于机器视觉智能扫描批量收货入库的系统——秒收。这套系统由京东物流自主研发,主要应用于物流作业过程中的进货环节。比较有针对性的解决了大批量条码扫描、商品信息采集、商品数据录入并最终完成入库的问题。 物流快件(商品)入库大致包含两个维度的数据,第一个维度是形形色色的实物物流快件的入库,另一个维度是包含物流快件基本信息的一组数据录入到系统中进行入库,最终实物与数据做到吻合吻合共同完成入库,这才形成了我们在查询物流信息时看到的快件已经转入华北外单分拣中心、武汉外单分拣中心等信息。  传统方式的物流快件入库是采用人工操作的方式来进行的,员工拿起扫码枪对商品条码逐一扫描,这种方式效率低下
发表于 2019-03-19
京东这款机器视觉智能批量入库系统上厉害了,效率贼高

大势走弱,服务机器人凭啥引资本关注?

应用类四个层次,启动42个项目,拟安排经费总概算约6亿元。国家发改委、工信部和财政部2016年共同制定的《机器人产业发展规划(2016-2020年)》明确,到2020年,我国实现服务机器人年销售收入超300亿元,在国家政策的引导下,我国服务机器人发展迅速。 3.服务机器人不断升温引资本青睐   产业的升温离不开资本的驱动,近年来机器人行业都处于资本风口,服务机器人产业资本市场亦非常活跃。根据不完全统计,2017年全年机器人行业融资数量超过110次,总融资规模超200亿元,2018年全年融资次数有望超越2017年。从细分领域来看,个人/家用机器人、AGV、协作机器人、机器视觉等领域投融资案例较多
发表于 2019-03-14
大势走弱,服务机器人凭啥引资本关注?

机器视觉与AI的整合推动工业优化与自动化

在提升制造流程的效率及降低劳力密集度的过程中,机器人扮演了十分重要的角色。不但有助于控制成本并提升质量,还能增加生产力。不过,机器人系统设计的复杂性已经让许多制造商望之却步。此外,还要识别并整合多家厂商的子系统,更是让情况雪上加霜。NEXCOM 子公司 NexCOBOT 提供了一套将人工智能 (AI) 与机器视觉整合并采用全新 Intel 视觉加速器设计产品的弹性模块化机器人解决方案。这套解决方案集结了人工智能的判断力、机器人的行动力与机器视觉的洞察力,为制造和工业实作带来全新层次的精确化与优化。挑战在各种不同的产业中,将制造流程优化的关键就是提高自动化。不过,传统的机器视觉有一些限制。一般而言,传统的机器视觉只能根据固定的规则
发表于 2019-03-11
机器视觉与AI的整合推动工业优化与自动化

自动驾驶汽车应该如何感知世界?从重新定义机器视觉开始

一直以来,自动驾驶所有运算都在决策层进行,芯片算力不足是高等级自动驾驶发展受制约的原因之一,那么能不能从感知层面减少数据流,降低芯片运算量呢?大家应该知道,高等级的自动驾驶需要多种传感器共同配合,视觉传感器也是其中之一。传统的机器视觉是怎样的?传统摄像头通过间隔曝光,电荷量根据输入光的强度发生变化,以帧率的方式采集平面图像,将捕捉到的光学信息(包括采集点的灰度和颜色)转化成数字信号传输到决策层,实现场景的还原。这就存在几个问题,一是数据不连续,帧的方式只记录了固定时间间隔的画面,还有大量曝光盲区时间点的物体运动信息丢失,同时快速运动场景下图像也不清晰甚至没有记录到;二是输出了大量无效冗余数据,增加芯片负担,造成计算资源浪费。革新
发表于 2019-03-07
自动驾驶汽车应该如何感知世界?从重新定义机器视觉开始

小广播

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved