视觉的一个分支，工业自动化领域中的视觉控制或视觉应用，主要指的是通过前端光学摄像头，从采集到的数字化图像中提取相关信息，进行分析处理之后，用于对生产线流程或质量的控制，以代替重复性人工操作。目前，机器视觉在工厂生产环节中的实际应用包括：对生产工件的完整性质量检测、识别、分类、零件位置及方向、尺寸测量、读码识别追溯、表面/色差检测、自动化流水线作业等等。可以说，机器视觉为流水产线、自动化设备安装上了一双“眼睛”，能够提供全天候、高一致性、高可靠性的检测结果，增添了工厂生产的智能化水平，因而也成为了迈向智能制造的一项重要技术。

从整体供应链来看，参与机器视觉系统开发的厂商大致上可以分为上游底层开发商，含核心零部件和软件开发商；中游从事二次开发的设备集成和软件服务商；以及下游所面对的各类机器视觉应用厂商。其中，核心零部件及软件供应商主要包括光源、镜头、工业相机、图像采集卡、图像处理软件等类型厂商，而在整个成本构成中，零部件及软件开发的费用基本上占了约80%的比例，可谓是重中之重。

目前机器视觉在工业控制领域大多属于二次开发层面，形式主要包括系统集成以及组装生产自动化专机等等，要求开发商能够掌握不同生产制造环境中的Know-How技术，设计出有针对性的产品或集成方案，视觉点胶控制、视觉螺丝机控制、视觉定位+飞拍、视觉检测等电子产品后段制造流程都是现在市场上的开发热点。大部分厂商采用的都是“软件平台+视觉开发包”的开发模式，开发包基于软件平台对常用各种图像处理算法进行封装，软件工程师可直接调用封装好的算法，实现各种复杂的图像处理和分析功能，大幅降低了二次开发的难度和工作量。

    机器视觉产业供应链组成

    工业自动化领域机器视觉应用分析

视觉应用的三大层面难题

但就实际应用而言，在目前机器视觉+运动控制方案的实施过程中，各种“门槛”依然较高，问题主要来自于三个方面：一是，对于大部分技术开发工程师来说，机器视觉技术是一个全新的领域，要学习一种新的编程语言（如C++）存在一定的难度，需要花费大量的时间和精力，加上视觉项目一般都是非标的，开发者的经验非常重要，普通电气工程师要想快速掌握机器视觉应用的编程和调试，绝非易事。

其次，对于设备制造商而言，为了提高工厂的生产效率，制造业产线升级的需求迫切，机器视觉的应用已经成为其中的一个重点，但机器视觉的硬件投资成本一直居高不下，令他们望而却步；除了硬件投入之外，往往后期还需要高薪聘请视觉工程师对买回来的视觉系统进行开发和维护，这无疑又加重了工厂的人力成本。如何能够有效地控制投资成本，是他们的主要诉求点，例如是否可以既经济又方便地在现有设备系统的基础上添加机器视觉功能等。

另外，对于终端用户来说，在使用机器视觉技术的过程中会发现，机器视觉和自动化控制（流程控制、工艺控制等）往往分属于两套不同的系统之中，两者之间常常可能会由于通讯等多种因素而导致整个系统的不稳定（如出现停机、停线等状况）。尤其是在当前多品种、小批量、柔性化的生产模式下，产线的频繁更换，增加了对机器视觉系统流程的修改和调试时间，从而大大影响了工厂产能，因此，如何让设备在生产中更加稳定，同时操作也更为便捷，能够满足产线快速调整和切换的需要，是机器视觉技术开发的一个课题。

实际上，在各种复杂的工业生产场景中，照明光源尤为重要，它直接关系到采集图像的质量，例如图像轮廓是否清晰、成像特征是否完美体现等等。为此，乐视科技提供了种类非常齐全的光源照明样品，包括最近推出新品高精度同轴光源、迷你线光源，此类光源轻便小巧，亮度高，适用于狭窄场所检测。还可以根据现场应用进行配置，实时修改曝光时间长度、角度、颜色等等，这些功能让机器视觉应用变得更加灵活。