当前，新一轮科技革命和产业变革加速发展，新一代信息技术正在与制造业深入融合，数字化、网络化、智能化已经成为全球制造业发展的重要方向。智能制造是产业变革的重要驱动力量，对于促进制造强国建设、实现高质量发展具有重要意义。我国应抓住智能制造发展机遇，推动制造业转型升级。

“计算成像，见所未见”，是利用计算成像技术使机器视觉系统在实际应用中看到以前看不见的目标特征，帮助机器视觉系统实现更好、更广泛的应用。

计算成像技术可以让机器视觉系统看到比传统成像系统更多更全面的信息，非常适合工业人工智能的发展要求。但以生产制造为核心的工业制造对机器视觉的成像模式也提出了独特的要求和约束，面对诸多挑战。

首先，工业现场的机器视觉系统需要实现精准成像，所成图像需要突出目标特征，最大化降低背景干扰！需要综合考虑相机、光源、镜头、光路组合、计算资源和环境等因素，灵活构建光学系统，获得期望的目标特征信息！

其次，工业现场的机器视觉系统需要实现有效信息成像，最大限度地压缩无效数据量，提高信息表达效率，降低计算负荷！

再则，工业现场的机器视觉系统需要实现可靠稳定成像，同一对象重复成像效果一致，满足科学度量的要求！随着电子制造行业的发展，电子零部件正向着体积更小、精度更高、智能化更高等方向发展，这就要求产线上的机器视觉系统必须能同时具有大视场、高分辨和大景深的能力。

另外，工业检测需求也从2D检测向3D检测转化。目前工业高精度3D检测领域应用最多的是线激光和面结构光传感器，但在曲面屏的弧边检测、手机镜头中镜片的间隙检测、透明胶涂抹厚度的检测以及焊点高度和形状等检测中，往往不能得到稳定、准确的结果。

对于水性透明胶材质，极不容易精确测量到胶的表面位置，往往需要采用光谱共焦的技术才能精确获得胶水表面的轮廓信息。另外，常用的线扫描3D相机对湿胶与干胶检测的效果也不同！

为满足行业应用的各种挑战和需求，需要研究适应于应用场景需求的特种照明、特种采集光路和计算成像方案，以合理的性价比解决机器视觉的现场成像问题。

计算成像利用光的各种物理特性，在包含光的照明、光经过大气和水等介质的传输、光学系统、成像探测器、成像电路和显示等整个成像全链路中，根据任务的需求通过加入编码和调制等手段，探测信号经过特定计算生成所需图像的过程。

行业应用发展与挑战呼唤计算成像的到来！

那么，在产业中如何发挥计算成像的技术优势？根据人类认知4象限，行业应用人员对检测目标的成像结果可以分成：知道自己看得见、知道自己看不见、不知道自己看得见和不知道自己看不见。

全尺度成像 智能制造呼唤计算成像优化全面信息获取

智能决策的正确性依赖于信息获取的完整性，生产制造对产品品质的检验一直都是全方位全尺度的，需要同时检验2D信息和3D信息。当零部件尺寸较大时，3D点云数据处理量巨大，对成像设备和处理设备的要求很高。产品完整检测的效率无法满足高速生产线的要求。

比如3C电子零部件检测，要求几何分辨率达到1um，每秒钟要处理完10亿像素的点云信息。即在1秒钟时间内，要完成十亿像素点云的定位、旋转、匹配、比对、检测、测量、判断等操作，需要合理设计计算架构、合理分配算力，以及高效的处理算法才能满足现场检测要求。

全视角成像 智能制造呼唤计算成像优化全面信息获取

智慧交通在对运动目标的全面安全检测时，需要从车底、车轮、车身、车门、车顶等方向360°无死角检测，如图。检测项目包括限高、限宽、车门关闭、安全销松动、转向架安全、螺钉松动、漏水漏油、线缆松脱、轨面磨损、弹簧失效、各种盖丢失、悬挂多余物、轴温检测、轮对面型变形、弓网拉高、接触面磨耗、瓷瓶缺失、位置变动等等影响行车安全和舒适等的参数指标。这些都可以从外向内的360°检测实现。

从另一个角度看，在行车过程中，需要实时检测铁路沿线外部设施，包括接触网、供电电线杆及附件、隧道、铁轨上的障碍物、轨道周边限界内的障碍、车站站台人员等等，这些可以用从内向外的360°检测系统实现。

只有实现从外向内和从内向外全视角监测，才能全方位保证行车安全，确保设备和人员安全。

全谱段成像 智能制造呼唤计算成像优化全面信息获取

在用机器视觉技术进行电网监测的系统中，不同谱段提供的故障特征不同。红外能看到过热的故障，此时说明导线故障已经很严重了，必须马上维修；紫外放电预示弓网之间存在早期故障或者小的间隙，可以及早持续观察，以确认是否是故障；可见光检测可以发现弓网的间隙、磨耗、导线是否有毛刺等故障信息。

为了全面防护，确保供电安全，必须采用全谱段成像的方式，才能及时了解供电设备的健康状态，及时定位故障，开展预防性维护。

全制程成像 智能制造呼唤计算成像优化全面信息获取

在智能制造过程中，往往每个工艺环节都需要进行视觉检测，往往需要全制程成像。如手机盖板玻璃在不同的工位加工后都需要检测，列车在运行途中，每到一站都需要检查安全销是否松动，太阳能硅片从切割、制绒、氧化、镀膜、丝印、烧结等步骤后都需要检查是否引入了隐裂、PL缺陷等。如何在不同站点确保同一对象成像的一致性，对计算成像技术提出了挑战。

数字化是智能制造的显著特征，通过数据获取、数据分析和数据应用，将现实工厂运行状态与数字Cyber系统互动，利用数字孪生技术构成以数据为核心的智能化工厂。

智能工厂生产过程要求深度感知设备的运行状态，科学度量产品的品质和加工误差，并通过大数据挖掘和知识图谱技术将生产瑕疵与生产工艺密切结合起来，通过优化和改进，达到不断提升产品品质的目标。

智能制造的发展对机器视觉提出了新的要求和挑战，希望充分利用机器视觉系统采集的数据信息量大的优势，通过AI技术决策，降低对人工的依赖，从而实现智慧工厂或无人工厂的目标。彻底解放劳动力！