机器视觉(jiào)近年来(lái)增速显著,2015年全(quán)球机器视觉市场(chǎng)规模(mó)约42亿(yì)美元,增长10.5%。我国在2015年市场(chǎng)规(guī)模约3.5亿美(měi)元,但增速为全球首位,约(yuē)22.2%。2016-2020年(nián),机器(qì)视觉继续维持(chí)约20%的增长(zhǎng)率,远高于全球的(de)8.4%平均水平。这其中(zhōng),半导(dǎo)体、电子制造约占机器视(shì)觉比重46.4%,汽车、制药占(zhàn)比分别为10.9%、9.7%。
经(jīng)与(yǔ)业内多方交流所了解,机器视觉当前市场规(guī)模(mó)约几百亿,但是,应(yīng)该使用也确实用到(dào)了机(jī)器(qì)视觉的,仅(jǐn)占(zhàn)全行业应用(yòng)的5%,市场空(kōng)间巨(jù)大。机器视觉发展的当务之急,是(shì)找到更多(duō)可以落地应(yīng)用的(de)场景,进(jìn)一步推动普及化。而这(zhè)需要产业链之(zhī)间的协(xié)作,真正(zhèng)切(qiē)中(zhōng)行业痛(tòng)点并将具体需求场景化,同时,还需要高性价比的(de)技术(shù)和方案。在(zài)刚刚结束的VisionChina 2019上,<电(diàn)子(zǐ)发烧友>对话(huà)了图漾(yàng)与海康机器人(rén)。
图漾:如何扫平3D机器视觉(jiào)大规模普及的障碍?
3D机器视觉如何(hé)大规模普及?上海图漾信息科(kē)技有限公司CEO费浙(zhè)平认为(wéi)当前最关键的是硬件问题(tí),只有解决根(gēn)本的硬件(jiàn)问题,未(wèi)来软件的商业机会(huì)才是真实的(de)。
3D机器视(shì)觉普及的关键障(zhàng)碍当前主(zhǔ)要在(zài)于硬件方面,包括以下三点(diǎn):
第一,硬(yìng)件核心规(guī)格,包括光学方面的精度、分辨率、量程,以及电学方面(miàn)的速度、接口、传输(shū)等;第二(èr),硬件物理(lǐ)指标,包括尺寸(cùn)、功耗、结构等,以及工况(kuàng)条件的(de)适应(yīng)性(xìng)、稳定性。第三,是系统实施(shī)成本(běn),包括相(xiàng)机价格、上位机(jī)成本、软件成本(běn),以及使用和维(wéi)护(hù)成本。
传统(tǒng)的机器视觉稳定(dìng)发展多年,目前处于硬件和软件的发展(zhǎn)基本(běn)匹配的阶段。目前95%以上的需求可以通过硬件+算法的(de)方式解决(jué),只有在外(wài)观检测、瑕疵检测等场景中,由于存在一定的随机性,才需要用到深度学习。虽然(rán)未来(lái)最终会走向深(shēn)度学习,但现在基础(chǔ)的硬件要做到领先于(yú)软件一个C位。
机器(qì)视(shì)觉属(shǔ)于(yú)成(chéng)熟行业,但这些年在发展规模、发展速(sù)度方(fāng)面落后于大家预期(qī)。费浙平认为(wéi)主要原(yuán)因在于:一是用户对(duì)象属于传统行业,行(háng)业本身的景气(qì)指数以及(jí)改造(zào)周期等,都有一定的影响;另外,对于(yú)传统行业,技术(shù)升级(jí)、降本(běn)增效、精细化管理等等,这(zhè)些都是(shì)行业的痒点而(ér)非(fēi)痛点。
那么,行(háng)业的痛点是什么?
费浙平认为,从硬件(jiàn)价格和系统成本(běn)来看,必须突破(pò)传统上所谓(wèi)二年投入(rù)回收周(zhōu)期计算这一困局,由少(shǎo)量非用(yòng)不可的节点,逐渐(jiàn)形成大规模的普及应用,这更多地集中于(yú)机器换人的场景。
二年回(huí)收成本这个普识已经无法撬动行业需(xū)求,一年之内(nèi)的时间周期(qī)才(cái)会真正(zhèng)令(lìng)中小企业愿意买单。技术价值最大化应该通过大面(miàn)积提升行业(yè)的(de)生产力水平和经(jīng)济效益获得,必须通过(guò)给客户带(dài)来(lái)价值而盈利,这是一(yī)个较为艰难的过程(chéng),也需要慢慢地推进。
从机器视觉(jiào)发展的客观(guān)现状来讲,需求其实并不缺(quē),但是(shì)能够真正(zhèng)落地(dì)的(de)好产品,且真正发挥出经济(jì)效益的,只占所(suǒ)有(yǒu)需求的10%。如何打(dǎ)破这个“紧箍(gū)咒”?推动(dòng)更(gèng)多的落地(dì)应用(yòng)?
“解决核心零部件的极致性价比,做到系统成(chéng)熟稳定(dìng)可(kě)靠,是最为迫在眉(méi)睫(jié)的事情。目前,微(wēi)观的(de)高精度相机只占机器视觉应用(yòng)的(de)5%左(zuǒ)右,只(zhī)要将(jiāng)性价比做到(dào)极致,就能满足工业机器视觉中90%以(yǐ)上的(de)应(yīng)用(yòng)需求。”费浙平表示,“这一方面体(tǐ)现在产品(pǐn)的适用(yòng)性、标准化程度上;另外体(tǐ)现在机器所能(néng)带来的降(jiàng)本增效,这还需要(yào)对视觉应用真正的刚性需求逐渐显现出来,例如(rú)当(dāng)人力成本成为一个主(zhǔ)要问(wèn)题是,就会转(zhuǎn)而(ér)呈现出对机器的需求。”
如何(hé)做到极(jí)致性价比?在谈话中,费浙平传达(dá)中一种朴素的实用主义思想,能用2D视觉解决的就没(méi)必要(yào)用3D。对于工业(yè)相机来说,大的成本(běn)单元是图(tú)像传感器芯片、镜(jìng)头、计算单元、CPU或GPU等等,图漾通过将光学、电子和软件进行联合优化(huà),并且把核心(xīn)算法实(shí)现了高效的FPGA硬化,从(cóng)而(ér)把高昂的算(suàn)力成本降低了几十(shí)倍。
物流行业是图漾目前最大的目标市场(chǎng),当前主要针对体积测量这(zhè)一(yī)新的蓝海。由于决定物流毛(máo)利关键(jiàn)的运输成本由体积决定(dìng),因此体积测量需(xū)求(qiú)非(fēi)常强。
直指需求(qiú)核(hé)心,用好的(de)产品和服务过硬(yìng)地匹配它,就能够(gòu)牢牢(láo)抓住市场,率先建起竞争(zhēng)的“护(hù)城河(hé)”——这是图漾在选择落(luò)地场景方面(miàn)的一大特点。
商业模式(shì)上,图漾是直接面向系统集成商和设备(bèi)商的to B模式。费浙平进一步解释,希望通过产业链共(gòng)同来(lái)提升系(xì)统价(jià)值,对于图漾自(zì)身,标(biāo)准化的核心零部件价格可以相对(duì)透明化,而发明创造(zào)、专家(jiā)知(zhī)识、技术服务等(děng)由客户和合作(zuò)伙伴创造价值(zhí)的环节,必须要(yào)有合理的回报。图漾(yàng)希(xī)望通过(guò)高度标(biāo)准化的硬件,加以不(bú)断集成的算法资源(yuán),降低客户的使(shǐ)用门槛,从(cóng)而进一步(bù)扩大应用覆盖(gài)面。
总体而言,机器视觉(jiào)生(shēng)态系统(tǒng)目前较为成熟,从供应链角度看与(yǔ)消费市场相比并无特(tè)别之处,发(fā)展比较完善。但有(yǒu)一点显著不同在于,工业应用不同行(háng)业甚至(zhì)同一行业不同的客(kè)户现场,软(ruǎn)件算法非常多样(yàng)化。这对于(yú)开发者(zhě)的能力(lì)挑战较大,主要包括开源算法的能(néng)力、从业(yè)人员(yuán)的水平和数量等等,直接影响了(le)应用的(de)覆(fù)盖面。这也验证了开头所说的,机器视(shì)觉越发展,每一(yī)个落地应(yīng)用中(zhōng)软(ruǎn)件(jiàn)的比重将会越来越大(dà)。而图漾致力于将硬(yìng)件标准化,同时集(jí)成可以标准化的这部分软件,降低(dī)系(xì)统集(jí)成商和设备供应商(shāng)的门槛,从而推进快速普(pǔ)及化。
海康(kāng):AI如何(hé)赋能智能制造(zào)?
AI如何赋能智能(néng)制造?海康机(jī)器人技术有限公司华(huá)北区域总经理蔡化认为主要包括三个关键环节(jiē):首先是强大的(de)感知能(néng)力,需(xū)要通过(guò)机器视觉(jiào)来进(jìn)行感知;其次(cì)是被(bèi)感知、采集的数据通过平台化的管理,实现一站式的服务;第三(sān)就(jiù)是场景化的AI。
真正(zhèng)实现智能需(xū)要庞大的系统工程,海(hǎi)康(kāng)于(yú)2017年推出AI Cloud平台(tái)来深度(dù)融(róng)合(hé)智能制(zhì)造需求。该平台分三层,第(dì)一层是基(jī)础设施层(céng),更强调前端的多(duō)维感知、采集。第(dì)二层是资源层,也叫(jiào)边(biān)缘(yuán)层,前端的一部(bù)分数据(jù)感知完成后,对(duì)其进行(háng)边缘化管(guǎn)理,并将把前端的非结构化(huà)数据存到中间层,变成半结构化数(shù)据;最上层是服务层(céng),也是整个平台的中心,它(tā)体现了算法(fǎ)的训(xùn)练和(hé)应用服务,和业务层(céng)相(xiàng)对应(yīng)。因此整个平(píng)台的基本架(jià)构(gòu)强调云边(biān)结合。
从实现形态来看,通(tōng)过前端采集的(de)多维感知(zhī)系统,对数据进行汇聚、存储(chǔ)、处理,再通过边缘(yuán)计(jì)算,降(jiàng)低中心的压力(lì)。这其(qí)中有三个趋势值得注意:
第一个显著(zhe)趋势是前(qián)端的智(zhì)能化程度不断(duàn)提升(shēng),通过(guò)边(biān)缘计算缓解中心(xīn)的压力。前端(duān)已经(jīng)不仅(jǐn)仅局(jú)限于数(shù)据的采集(jí),并且会(huì)进(jìn)行部(bù)分结构化处理的工(gōng)作(zuò)。现在工业(yè)应用中已经有较多的智能相机、智能传感器(qì)等(děng),进行了部分边缘计算的(de)工作(zuò)。它们(men)比较适合(hé)的应用有:判断对错/有无,或是对感知尺寸的测量等等(děng),进行第一步的读取(qǔ)或识别。目(mù)前,在前端进行深度(dù)学习是现(xiàn)在很多企业都在尝试的方(fāng)式(shì),即把前端的算(suàn)法(fǎ),放入到可实现的嵌入式设备中进行读(dú)取/识别,从而降低中心压力(lì)。
第二(èr)个趋势(shì)是人机协同以(yǐ)及数据的流(liú)动。这两年AGV在工厂中被大量运用(yòng),这是一个典型的人机协同的使用场景。首(shǒu)先,机器并不是全部替(tì)代(dài)人工,一些机械的、重(chóng)复性较高的工作通过机器来实现(xiàn),完成人和机(jī)器的和谐相处(chù)。过去在(zài)工厂中搬运仅仅是货物在流动,数据并没有(yǒu)流(liú)动起来。而(ér)通(tōng)过机器来实现后,实现了(le)货物和(hé)数据同在时流动,便于云中心进行指(zhǐ)挥调度。
第三个(gè)趋势是(shì)所有数据入(rù)云后,都是要被(bèi)用来进(jìn)行管理(lǐ)和挖掘的。“数据本身不(bú)存在任何价值,数据碰撞后产生的(de)价值才(cái)是最大的”。 蔡化认为,最终(zhōng)的碰(pèng)撞和挖掘一定来源于业务端。仍以AGV的(de)应用为例,通过数据(jù)的流动找到规律,发现机器的运行(háng)轨迹、运转次数等等,挖(wā)掘出提升业务工序效率的(de)关键,从而全(quán)面(miàn)提升整个工厂的(de)效(xiào)率。
哪些工业(yè)应用场景前景巨大?
蔡(cài)化认为首先是物流,包括传统的快递(dì)、电商物流、生产内容物流、合同物流等等。这其中(zhōng)随着市场的发展(zhǎn)变(biàn)化(huà),蕴藏着很(hěn)多(duō)新机会。
以线下零售的仓(cāng)储改变(biàn)为例,大型商超企业在(zài)对(duì)抗线上购物的过(guò)程(chéng)中,逐渐向以(yǐ)社区、家庭为(wéi)单位(wèi)的便利店转移。这一过程中(zhōng),最大的变化不是(shì)前端的货物销售,而是货物的流转发(fā)生了变化,订单越来(lái)越散、货物入(rù)库后需要进行拆零,这时仓库所能提升(shēng)的内(nèi)容(róng)就变得更(gèng)为重要,需要自动(dòng)化的(de)过程来实现。
对于快递物(wù)流而(ér)言,基本是无人仓的逻辑。例如几百台机(jī)器人在一个几千平米的平台上进行不间断的搬运和跑动(dòng),进(jìn)行入(rù)库、分拣等工作(zuò),这更多体现了调度算法的优越性。
其次是3C制造(zào)业,典型的就是手机制造,包括PCB、听(tīng)筒、话筒、按(àn)键、屏幕、模组(zǔ)、电池等),需要进行(háng)大量的生产和(hé)智能(néng)检测。生产的自动化程(chéng)度已经非常高了,一是提升(shēng)了效率,二是(shì)提升了良品率。
中国之所以在上述方面发展较(jiào)快,蔡化表示,首先因为不缺场景,有太多的应用场景可进行学习(xí)、练习甚至不断(duàn)试错,这提供了很好的(de)成(chéng)长土壤。海康希望通(tōng)过AI赋能(néng)智能制造(zào),逐步将深度(dù)学习等人工智能(néng)技术、物联网技术落地应用于智能制造领域(yù),从完成多维感知、数据采集和处理的机器视觉系统,到实现智慧内物流的移动机器(qì)人系统(tǒng),持(chí)续(xù)推(tuī)动机器智能化、服务智能化、生产智能化。