智能制造普及前夜，传统企业「闯关」机器视觉自18世纪60年代以来的三次工业

自18世纪60年代以来的三次工业革命已经深刻地改变了工业生产的方式。雷峰网
而随着近年来人工智能、大数据等技术的兴起，智能制造正在工业制造领域掀起新风暴。
根据麦肯锡的统计， 2025年智能制造将为全球带来1.2万亿至3.7万亿美元的价值。
巨大的前景使所有的厂商都在不遗余力地向智能制造狂奔。
正如解决方案供应商Elliance首席执行官ChengBoonSeng的评价：“朝向智能化发展已经不再是一种选择，而是成为了企业的必经之路。 ”
在传统企业向智能制造转型的过程中，还面临着诸多挑战。如何将机器视觉带入生产流程，如何利用边缘计算和人工智能最大限度发挥机器视觉的作用，更快速，更有效的向智能制造转型，已经成为了传统企业共同的问题。
实现智能制造，「眼睛」很关键
智能制造实际上是由许多子技术结合而成的一个庞大概念。提供图像数据并进行处理的机器视觉系统、在边缘和云端提供算力的云边计算架构、让设备具备“学习能力”的人工智能，都是智能制造的重要组成部分。
它们之间的关系相辅相成：人工智能为一个机器视觉系统的搭建提供了底层技术，云边计算为承担了大量数据负载的人工智能提供了算力保障。
而机器视觉则是整个智能制造的“眼睛” ，为人工智能提供视觉数据。
由于精确、高效的特性，机器视觉在多个行业已经被广泛应用。
机器视觉常常被应用在超越人类视觉极限的质量检测中：如在3C电子制造中，部分产品的瑕疵尺寸指标已经小于10μm以下，超过了人类的分辨极限，而机器视觉技术则能够检测出人工不能察觉的瑕疵。在高速印刷中，部分产品检测的精度要求也已经超出人眼识别极限，现有的人工检测流程已经无法满足要求，必须采用高速、高精度的机器视觉方案。
并且机器视觉也能够大大提高工业生产的效率。例如在汽车生产中的质检、装配等流程中，机器视觉能够帮助工厂提高检测和装配的效率，有效提升大部分系统和组件的性能。无论是精度还是效率，对企业实现智能制造来说都至关重要。
这使得企业纷纷开始探索如何应用机器视觉提升自身的竞争力。
但传统企业要想真正发挥好机器视觉的力量，走向智能化，仍要面对重重挑战。
传统制造引进机器视觉，还要过两关
对于传统的制造企业来说，机器视觉是他们此前未曾接触过的新事物。要将机器视觉应用于生产中，没有太多的过往经验可以借鉴。
对希望利用机器视觉来获得效率提升的企业来说，在他们面前，仍有两项挑战：一是如何将机器视觉和自己的需求结合，设计机器视觉的应用场景；二则是如何开发机器视觉方案，完成自身需求。
而英特尔在机器视觉领域有着丰富的经验。许多传统制造企业为了将机器视觉加入生产流程，选择与英特尔合作。
英特尔不仅能够为企业提供可靠的软硬件平台，而且还能够提出完整可行的方案，帮助企业将机器视觉带入生产中。
英特尔与著名车企奥迪的合作就是一个例子。
在车辆生产中，焊缝的检测是一个关键步骤。在实际生产中，奥迪在这一步采用了抽样检测、人工检测的方法。
在奥迪的内卡苏尔姆工厂，每天奥迪会随机选中产线上一辆车作为检测对象，由18位手拿写字板的工程师在一个房间里使用超声波探头测试焊接点并记录每个点的质量。
这么做的缺陷显而易见，奥迪的内卡苏尔姆工厂的生产线上900个带有焊枪的机器人，他们每天制造1000辆汽车，形成超过500万个焊缝。