机器视觉引发的智能制造领域变革
1、面向工业的视觉和图像分析技术逐步成熟，制造业信息获取能力不断增强
    随着柔性制造系统的推广和传感、模式识别等技术的发展，针对工业需求的视觉和图像技术逐步成熟，制造业信息获取能力加强。视觉和图像技术搭载在摄像头、传感器、雷达等智能硬件内，能够实现图像信息的获取和分析。信息从传统的单一维度数据拓展为包含速度、尺寸、色谱等信息的多维度立体海量数据，并同设计信息和加工控制信息集成，为后续工况监测、质量检验等生产环节提供数据支撑。制造业信息获取渠道得到拓展，信息获取效率大幅提升。
2、机器视觉结合信息网络技术催生新服务内容，生产监控智能化水平得到提升
    信息通讯技术不断向机器视觉领域渗透，企业以“信息获取+数据分析”模式开展服务内容创新，辅助提升生产监控智能化水平。在工业应用方面，机器视觉一般用于物品的识别、外观检测和定位，随着信息网络技术不断发展，机器视觉与大数据、云计算等信息网络技术相结合，实现了数据获取后的服务功能延伸，从简单的生产检测应用中衍生出新的服务内容。企业开始利用机器视觉技术获取数据信息，并通过信息网络技术开展大数据计算，辅助进行设备的运营监测和产品的质量分析，推动提升生产线智能化水平。
3、机器视觉技术嵌入式应用于工业生产领域，自动化系统解决方案实现优化
    制造业自动化需求凸显，推动机器视觉技术在工业生产领域的应用，自动化系统解决方案得到优化。随着图像处理能力和速度的增强、光器件性能的提高以及成本相对降低，机器视觉逐步应用于工业生产领域，并成为自动化系统的重要组成部分之一。机器视觉配合逻辑控制、运动控制、数据采集、通信网络等其他功能，能够完成图像识别、检测、视觉定位、物体测量和分拣等作业内容，特别是将机器视觉技术嵌入工业机器人控制系统，通过精准化的识别和抓取，大幅提高了生产过程的柔性和灵活性，自动化系统解决方案实现优化。
下一步发展趋势
1、软硬件技术不断突破，企业将以智造需求为导向加速研发工业视觉解决方案
    企业加速布局机器视觉硬件产品和软件服务，将围绕智能制造需求，重点研发工业视觉解决方案。目前，机器视觉软硬件技术不断取得突破，以工业相机、图像采集卡、光源及图像处理软件为核心的视觉产品日益完善，并逐渐应用于电子制造、汽车制造、机械加工、包装与印刷等行业。随着智能制造全面启动实施，各行各业对采用机器视觉的工业自动化、智能化需求日益凸显，市场发展潜力巨大。数据显示，2015年机器视觉系统及部件市场超过153亿美元，市场复合年增长率达9.3%。需求量的逐年增加将扩大机器视觉的发展空间，企业将从产品供应商向系统解决方案提供商转型，以智能制造需求为导向，加速研发与生产线或测试控制系统配合使用的工业视觉解决方案，助力制造业转型升级。
2、机器视觉与多种技术融合逐步深入，将成为提升产业自动化水平的重要抓手
机器视觉与多种技术融合，将不断提升智能制造自动化水平。制造业转型升级步伐加快，机器视觉技术与产品的需求逐步增多，应用领域逐渐扩大，将推动企业加速开展产品功能创新，以满足用户个性化需求。机器视觉将融合3D监测、彩色图像处理、人工智能、运动控制、信息网络等多种技术，由单一的检测、定位、测量功能向大数据分析、智能控制方向发展。基于机器视觉的自动化监测、智能控制系统将广泛应用于工业生产各个领域，并主要从中端生产线向前端制造和后端物流环节延伸，成为提升产业自动化水平的重要抓手。
3、企业加速布局机器视觉产业化应用，将以智能视觉为核心推动智慧工厂建设
企业加速拓展机器视觉产业化应用，通过嵌入机器视觉技术的自动化设备辅助智慧工厂建设。目前，机器视觉技术日益成熟，软硬件产品不断丰富，并逐步在工业生产中发挥重要作用。例如，基于机器视觉的检测系统可以对产品进行自动检测并控制产品质量；将具备机器视觉功能的智能化机器人和机械手臂应用于自动化生产线上，能够实现码垛、焊接、涂装、装配等功能；EMS系统与机器视觉定位技术整合后，可应用在物料、条形码管理和成品检测领域。未来，企业将加速布局机器视觉的产业化应用，重点研发针对具体产业应用的视觉系统，并逐步发展为一般通用系统，通过在加工、装配、检测、包装、物流等环节嵌入机器视觉技术，提高系统集成度，推动智慧工厂建设。
思考与建议
1、加快配套政策出台，加强相关标准制定
围绕当前机器视觉产业发展瓶颈、制约因素、关键技术和零部件研发需求，结合机器视觉技术在智能制造方面的战略布局，以应用为导向，尽快出台相关配套政策，明确行业关键技术，制定细分行业发展规划。加强顶层设计，确定重点标准化方向和领域，加速通信协议、数据接口、系统运营标准统一，提高机器视觉技术产业化应用水平。
2、加快核心技术积累，提升产业发展瓶颈
制定机器视觉技术研发规划，鼓励企业和高校加快芯片、光源、镜头等关键零部件的研发，重点攻关底层算法、图像处理等核心技术。加大对图像处理、运动控制等基础技术的科研投入，推动机器视觉与信息网络、人工智能等技术的融合发展，提高信息运算存储能力和图像的多特征提取水平，提高机器视觉监测、引导、识别、测量的精度，提示产业发展瓶颈。
3、促进产业联盟成立，引导产业有序发展
联合企业、政府、研究机构和高校成立产业联盟，促进产学研用结合，重点攻克关键技术，协调整合零部件供应商、系统集成商等多方资源，完善产业创新体系。积极探索以机器视觉为核心的智慧工厂建设创新样板项目，为机器视觉软硬件技术研发、产品创新、应用服务等上下游产业链提供对接服务，引导产业有序发展。