让产线自己“长眼睛”，从而摆脱人工劳动的低效和不稳定，机器视觉正在越来越多地应用于生产制造过程。GGII 数据显示，3C 电子行业是机器视觉最多的应用领域，连续多年应用占比第一；其次是汽车、半导体、锂电池、医药等行业。其中锂电行业需求增长明显，预计未来5-10 年将会是机器视觉主要增长的拉动引擎之一。
均普智能动力电池模组装配线
“近两年，锂电行业高歌猛进，不仅产能快速扩张，对产线良率的要求也越来越高，这给机器视觉的广泛应用带来肥沃的土壤。”据科创板上市公司均普智能（股票代码:688306）总经理解时来表示，由于拥有大量新能源汽车行业的客户，公司正自主研发机器视觉智能检测与人机交互软件，与视觉检测模块进行数据通讯，应用在新能源、汽车等产线测试环节中，可实现采集并识别锂电、汽车电子零部件等智能化装配生产环节中的关键缺陷信息。自主研发机器视觉技术除了可以降本增效，最主要的是助力汽车等行业制造测量和缺陷检测精度和可靠性的提升，赋能产线数字化及智能化生产。
机器视觉的技术核心在于图像识别和信息处理，可以广泛应用在工业制造、农业、交通等多行业的智能化过程中。
相对于人眼，机器视觉在检测效率、精度、工作时间等方面均存在显著优势。均普智能机器视觉工程师何川博士介绍，仅以检测效率一项为例，其自主研发的机器视觉智能检测与人机交互技术，应用于新能源汽车、智能汽车等领域自动化生产线检测，相较传统检测方法，检测效率可提升2倍以上。
在产业链上，目前机器视觉的下游应用市场主要在汽车及其零部件、锂电池、消费电子等离散型制造业。尤其在锂电池领域的应用，高工锂电GGII信息显示，在涂覆、辊压等环节中，锂电产品表面容易产生露箔、暗斑、划痕等缺陷。这些缺陷严重影响锂电池的品质，产生安全隐患。此外，以方形卷绕电芯制造为例，在其顶盖预焊、密封钉焊接、外观检测等核心工艺流程上，必须由机器视觉来完成3D检测。在动力电池高品质、高安全性及降本增效的背景下，生产环节引入机器视觉设备已经成为主流趋势。
“相对于其他行业降本增效的需求，锂电下游应用事关安全，目前产业对缺陷率的追求从ppm(百万分之一)级别向ppb(十亿分之一)提升，这也是机器视觉最能发挥超常能力的环节。”何川博士介绍，要达到锂电生产设备高精确度的要求，必须相机、传动、环境光抑制、算法降噪等多技术的相互配合。
何川博士还透露，均普智能基于独立视觉处理软硬件平台集成的复杂图像处理与分析算法库，通过图像预处理、特征提取、特征匹配等多种算法，可检测不低于5种锂电表面典型缺陷类型，同时单种缺陷检测时间不到1秒，与工控单元的通讯信号延迟小于60毫秒，解决工艺、工序复杂繁多的锂离子电池制造高难度检测问题，进而实现产线节拍的协调及优化。
此外，锂电行业大规模扩产伴随着多元化。当前电池整体标准化程度并不高，不同电池厂甚至统一电池厂内部就有多条技术路线和不同的细分规格。这也给机器视觉的应用提出更高的要求。
根据机器视觉产业联盟预测，国内机器视觉市场规模自2021年起将保持28%左右的CAGR（五年复合增长率）增长。GGII数据统计表明，随着机器视觉在锂电池制造测量和缺陷检测的大规模应用，2022年中国锂电机器视觉检测系统市场规模预计达20亿元。
”随着锂电池自动化产线的提升、无人车间的投入，未来依靠机器视觉的完全在线检测将会替代目前的离线取样检测和半自动人工抽检方式。“解时来表示。