视觉电气工程师

机器视觉是通过计算机来模拟人类视觉功能，以让机器获得相关视觉信息和加以理解。可分为“视”和“觉”两部分原理。

“视”是将外界信息通过成像来显示成数字信号反馈给计算机，需要依靠一整套的硬件解决方案，包括光源、相机、图像采集卡、视觉传感器等。“觉”则是计算机对数字信号进行处理和分析，主要是软件算法。

机器视觉在工业上应用领域广阔，核心功能包括：测量、检测、识别、定位等。

产业链可以分为上游部件级市场、中游系统集成/整机装备市场和下游应用市场。

机器视觉上游有光源、镜头、工业相机、图像采集卡、图像处理软件等软硬件提供商，中游有集成和整机设备提供商，行业下游应用较广，主要下游市场包括电子制造行业、 汽车 、印刷包装、烟草、农业、医药、纺织和交通等领域。

机器视觉全球市场主要分布在北美、欧洲、日本、中国等地区，根据统计数据，2014年，全球机器视觉系统及部件市场规模是 亿美元，2015年全球机器视觉系统及部件市场规模是42亿美元，2016年全球机器视觉系统及部件市场规模是62亿美元，2002-2016年市场年均复合增长率为12%左右。而机器视觉系统集成，根据北美市场数据估算，大约是视觉系统及部件市场的6倍。

中国机器视觉起步于80年代的技术引进，随着98年半导体工厂的整线引进，也带入机器视觉系统，06年以前国内机器视觉产品主要集中在外资制造企业，规模都较小，06年开始，工业机器视觉应用的客户群开始扩大到印刷、食品等检测领域，2011年市场开始高速增长，随着人工成本的增加和制造业的升级需求，加上计算机视觉技术的快速发展，越来越多机器视觉方案渗透到各领域，到2016年我国机器视觉市场规模已达近70亿元。

机器视觉中，缺陷检测功能，是机器视觉应用得最多的功能之一，主要检测产品表面的各种信息。在现代工业自动化生产中，连续大批量生产中每个制程都有一定的次品率，单独看虽然比率很小，但相乘后却成为企业难以提高良率的瓶颈，并且在经过完整制程后再剔除次品成本会高很多（例如，如果锡膏印刷工序存在定位偏差，且该问题直到芯片贴装后的在线测试才被发现，那么返修的成本将会是原成本的100倍以上），因此及时检测及次品剔除对质量控制和成本控制是非常重要的，也是制造业进一步升级的重要基石。

1.在检测行业，与人类视觉相比，机器视觉优势明显

1）精确度高：人类视觉是64灰度级，且对微小目标分辨力弱；机器视觉可显著提高灰度级，同时可观测微米级的目标；

2）速度快：人类是无法看清快速运动的目标的，机器快门时间则可达微秒级别；

3）稳定性高：机器视觉解决了人类一个非常严重的问题，不稳定，人工目检是劳动非常枯燥和辛苦的行业，无论你设计怎样的奖惩制度，都会发生比较高的漏检率。但是机器视觉检测设备则没有疲劳问题，没有情绪波动，只要是你在算法中写好的东西，每一次都会认真执行。在质控中大大提升效果可控性。

4）信息的集成与留存：机器视觉获得的信息量是全面且可追溯的，相关信息可以很方便的集成和留存。

2.机器视觉技术近年发展迅速

1）图像采集技术发展迅猛

CCD、CMOS等固件越来越成熟，图像敏感器件尺寸不断缩小，像元数量和数据率不断提高，分辨率和帧率的提升速度可以说日新月异，产品系列也越来越丰富，在增益、快门和信噪比等参数上不断优化，通过核心测试指标（MTF、畸变、信噪比、光源亮度、均匀性、色温、系统成像能力综合评估等）来对光源、镜头和相机进行综合选择，使得很多以前成像上的难点问题得以不断突破。

2）图像处理和模式识别发展迅速

图像处理上，随着图像高精度的边缘信息的提取，很多原本混合在背景噪声中难以直接检测的低对比度瑕疵开始得到分辨。

模式识别上，本身可以看作一个标记过程，在一定量度或观测的基础上，把待识模式划分到各自的模式中去。图像识别中运用得较多的主要是决策理论和结构方法。决策理论方法的基础是决策函数，利用它对模式向量进行分类识别，是以定时描述（如统计纹理）为基础的；结构方法的核心是将物体分解成了模式或模式基元，而不同的物体结构有不同的基元串（或称字符串），通过对未知物体利用给定的模式基元求出编码边界，得到字符串，再根据字符串判断它的属类。在特征生成上，很多新算法不断出现，包括基于小波、小波包、分形的特征，以及独二分量分析；还有关子支持向量机，变形模板匹配，线性以及非线性分类器的设计等都在不断延展。

3）深度学习带来的突破

传统的机器学习在特征提取上主要依靠人来分析和建立逻辑，而深度学习则通过多层感知机模拟大脑工作，构建深度神经网络（如卷积神经网络等）来学习简单特征、建立复杂特征、学习映射并输出，训练过程中所有层级都会被不断优化。在具体的应用上，例如自动ROI区域分割；标点定位（通过防真视觉可灵活检测未知瑕疵）；从重噪声图像重检测无法描述或量化的瑕疵如橘皮瑕疵；分辨玻璃盖板检测中的真假瑕疵等。随着越来越多的基于深度学习的机器视觉软件推向市场（包括瑞士的vidi，韩国的SUALAB，香港的应科院等），深度学习给机器视觉的赋能会越来越明显。

4）3d视觉的发展

3D视觉还处于起步阶段，许多应用程序都在使用3D表面重构，包括导航、工业检测、逆向工程、测绘、物体识别、测量与分级等，但精度问题限制了3D视觉在很多场景的应用，目前工程上最先铺开的应用是物流里的标准件体积测量，相信未来这块潜力巨大。

3.要全面替代人工目检，机器视觉还有诸多难点有待攻破

1）光源与成像：机器视觉中优质的成像是第一步，由于不同材料物体表面反光、折射等问题都会影响被测物体特征的提取，因此光源与成像可以说是机器视觉检测要攻克的第一个难关。比如现在玻璃、反光表面的划痕检测等，很多时候问题都卡在不同缺陷的集成成像上。

2）重噪音中低对比度图像中的特征提取：在重噪音环境下，真假瑕疵的鉴别很多时候较难，这也是很多场景始终存在一定误检率的原因，但这块通过成像和边缘特征提取的快速发展，已经在不断取得各种突破。

3）对非预期缺陷的识别：在应用中，往往是给定一些具体的缺陷模式，使用机器视觉来识别它们到底有没有发生。但经常遇到的情况是，许多明显的缺陷，因为之前没有发生过，或者发生的模式过分多样，而被漏检。如果换做是人，虽然在操作流程文件中没让他去检测这个缺陷，但是他会注意到，从而有较大几率抓住它，而机器视觉在这点上的“智慧”目前还较难突破。

4.机器视觉产业链情况

1）上游部件级市场

主要包括光源、镜头、工业相机、图像采集卡、图像处理软件等提供商，近几年智能相机、工业相机、光源和板卡都保持了不低于20%的增速。根据中国机器视觉产业联盟（CMVU）调查统计，现在已进入中国的国际机器视觉品牌已近200多家（如康耐视、达尔萨、堡盟等为代表的核心部件制造商，以基恩士、欧姆龙、松下、邦纳、NI等为代表的则同时涉足机器视觉核心部件和系统集成），中国自有的机器视觉品牌也已有100多家（如海康、华睿、盟拓光电、神州视觉、深圳灿锐、上海方诚、上海波创电气等），机器视觉各类产品代理商超过300家（如深圳鸿富视觉、微视新纪元、三宝兴业、凌云光、阳光视觉等）。很多国内机器视觉的部件市场都是从代理国外品牌开始，很多企业均与国外的同行有较好的合作，且这种合作具有一定的排他性，这给潜在进入者带来了一定的门槛，因此优质产品的代理商也都有不错的市场竞争力和利润表现。同时，以海康、华睿为代表的国产工业视觉核心部件正在快速崛起。

2）中游系统集成和整机装备市场

国内中游的系统集成和整机装备商有100多家，他们可以给各行业自动化公司提供综合的机器视觉方案，如凌云光、微视新纪元、嘉恒、凌华、阳光视觉、鼎信、大恒图像等。由于国内产品与国际依然有不小差距，很多中游系统集成商和整机装备商又是从核心零部件的贸易做起来的，因此很多在视觉产品的选择方面，依然更为青睐国外品牌。国内品牌为推广自己的软硬件产品，往往需要发展自己的方案集成能力，才能更好的面对市场竞争。

3）下游应用市场

机器视觉下游，主要是给终端用户提供非标自动化综合解决方案的公司，行业属性非常强，核心竞争力是对行业和生产的综合理解和多类技术整合。由于行业自动化的更迭有一定周期性，深受行业整体升级速度、出货量和利润状况影响，因此近两年来看，拉动机器视觉应用普及最主要的还是在电子制造业，其次是 汽车 和制药。

i. 半导体和电子生产行业：从国内机器视觉工业上的应用分布来看，46％都集中在电子及半导体制造行业，包括晶圆加工制造的分类切割、PCB检测（底片、内／外层板、成品外观终检等）、SMT贴装检测、LCD全流程的AOI缺陷检测、各种3c组件的表面缺陷检测、3c产品外观检测等

ii. 汽车 ：车身装配检测、零件的几何尺寸和误差测量、表面和内部缺陷检测、间隙检测等

iii. 印刷、包装检测：烟草外壳印刷、食品的包装和印刷、药品的铝塑板包装和印刷等

iv. 农业：对农产品的分级、检验和分类

v. 纺织：对异纤、云织、经疵、纬疵等瑕疵检测、织物表面绒毛鉴定、纱线结构分析等等。

5.机器视觉系统未来发展趋势

1）嵌入式解决方案发展迅猛，智能相机性能与成本优势突出，嵌入式PC会越来越强大

2）模块化的通用型软件平台和人工智能软件平台将降低开发人员技术要求和缩短开发周期

3）3d视觉将走向更多应用场景

中国是全球第一大工业机器人应用市场，约占全球市场份额的1/3。随着生产智能制造化加速升级改造，工业机器人市场将持续旺盛，而工业机器人技术人才紧缺，机器人研发人才，工业机器人维护，安装调试人才及系统集成项目人才是中国工业机器人应用市场非常缺乏的，未来几年工业机器人技术专业的就业前景非常可观。

工业机器人技术专业的`就业方向

工业机器人专业毕业之后，就业的方向很多，可以根据自己的职业发展方向来把握将来从事的职业。工业机器人应用专业的主要就业岗位包括工业机器人应用工程师、工业机器人机械工程师、工业机器人电气工程师、工业机器人视觉工程师、工业机器人算法工程师、工业机器人系统集成工程师、工业机器人售前售后工程师、工业机器人软件开发工程师、工业机器人硬件工程师、工业机器人PLC工程师等。

工业机器人技术专业适应岗位

1、机器人制造厂商： 机器人组装：销售、售后支持的技术和营销人才；

2、机器人系统集成商：机器人工作站的开发、安装调试、技术支持等专业人才；

3、机器人的应用企业：机器人工作站操作、编程调试、维护等技术人才。

4、机电一体化专业的工作岗位。

视觉算法工程师负责公司视觉分析算法研发，包括运动轨迹预测、同图像上多人脸识别、物体特征提取的算法研发工作。以下是我整理的视觉算法工程师的工作职责。

视觉算法工程师的工作职责1

职责：

1、负责机器视觉系统图像处理、分析及算法研发，视频图像特征提取等应用开发;

2、研究并开发基于地图信息的单目、双目摄像头，vslam及其他相关传感器的自主定位算法。

3、完成算法设计、实现、测试，完成应用调试;

4、完成技术文档。

任职资格：

1、图像处理领域相关专业(如电子工程，计算机，自动控制等)本科学历5年以上工作经验，有计算机视觉，模式识别，视频图像处理的算法开发经验;

2、熟练使用C/C++编程语言，掌握计算机视觉基础理论和算法，熟悉基于特征的图像定位算法;

4、熟练使用OpenCV进行视觉应用开发;

5、有在ARM平台Linux 操作系统上软件开发的经验;

6、能承受工作压力，具有优秀的沟通能力、高度的工作热情、良好的团队合作精神与敬业精神及职业道德，有机器人相关行业经验者有限考虑。

视觉算法工程师的工作职责2

职责;

1、负责开发移动机器人/无人驾驶场景下的计算机视觉相关算法工程;

2、负责跟踪图像算法开发;

3、负责多视图几何、三位重建、物体识别等算法的研发;

4、负责与软件工程师对接完成算法的移植;

5、研究计算机视觉前沿技术;

6、撰写计算机相关专利和技术文档。

任职要求;

1、计算机、图像处理、自动化、电气等专业，本科学历，一年以上工作经验;

2、世联掌握C/C++、Python等编程语言;

3、熟练常用的数据结构和基础算法;

4、熟练掌握计算机视觉识别、分类、目标检测和视觉跟踪等算法;

5、有较强的自我学习能力以及问题分析解决能力。

视觉算法工程师的工作职责3

职责：

1.负责现有的布，辅料的漫反射、镜面反射、折射、粗糙率、法线数据采集,模型重建算法的维护和新需求算法的实现;

2.分析公司现有布辅料数据采集项目的需求和算法以及学习跟进业界最新算法成果，优化和提出改进方案。

担任资格：

1.本科及以上学历，计算机相关学位，具备3年以上的计算机视觉算法相关工作经验;

2.熟悉 Linux 环境开发，精通C/C++ 精通数据结构和基础算法;

3.具备扎实的数学基础和计算机视觉算法功底，有光学方向知识;

4.精通视觉理论和方法，包含但不限于结构光视觉，双目立体视觉，条纹相位和摄影测量中的一种或多种，有做过珠宝，钻石扫描仿真项目的优先;

5.善于思考和发现问题，并能提出改进方案;

6.针对项目需求和业务场景，具备技术算法拆解和规划能力，可根据实际应用场景提出算法优化创新思路;

7.具有较强的学习和研究能力，能够阅读相关领域英文论文，4级英语。

视觉算法工程师的工作职责4

职责：

· 针对任务需求，完成相关图像处理算法、机器视觉算法的开发与实现;

· 图像智能分析算法的开发，主要为物体检测、识别和跟踪;

· 基于智能机器人应用的机器视觉处理算法开发;

任职条件：

· 计算机、自动化、数学等相关专业研究生以上学历;

· 掌握数学图像处理常用方法;

· 精通c/c++、python语言，熟悉OpenCV、caffe、pytorch等框架;

· 具有良好的数学基础及编程习惯，对机器视觉、图像处理、算法开发等有强烈兴趣，意向在此领域发展;

· 具有良好的分析能力、逻辑思维能力和表达能力;

视觉算法工程师的工作职责5

1、针对产品的应用问题，在客户现场进行技术支援并解决;

2、针对工业相机SDK及智能相机视觉软件提供方案及产品测试;

3、负责市场推广的技术支持工作，例如展会、技术论坛等;

4、依据客户和项目工艺需求，与销 售工程师和机械工程师制定***的项目自动化控制方案;

5、配合项目方案的软件说明部分的编制及网络图的制作;

6、了解工艺流程，编制逻辑原理框图;

7、依据生产中的编程条件编制软件及软件编制资料的收集、整理、归档和操作说明书的编制;

8、负责本项目的调试和运行，对其编制的软件进行验证;