如今，机器视觉在制造业中扮演着越来越重要的角色，各大视觉产品厂商营业额连续高速增长，市场前景一片大好。

   不过，老实说，尽管当下主流的机器视觉技术已经看上去十分牛掰了，但实际上它们在设备系统中基本上都还是相对独立的，有时甚至可以说是非常封闭的。视觉产品与控制系统之间的接口极为有限，也谈不上什么信息和数据的相互共享。

    这其实在一定程度上增加了在设备产线中集成和使用视觉技术的难度，因为用户不仅需要同时操作和维护两套各自独立的控制系统，还必须为了两套系统之间的各种（实时）数据交互而投入大量人力、硬件和时间成本。

    尤其是现在的工业制造流程中，有越来越多的环节需要用到视觉技术，除了帮助识别和采集产品信息，还需要直接参与各种实时的机器控制。双重系统带来的复杂性，极大的抬高了机器视觉的应用门槛。

   然而，不知大家注意到没有，近来有一批传统的自动化系统供应商，就跟商量好似的，扎堆儿布局视觉产品。事实上，只要稍微浏览一下自动化厂商们对外公布的产品信息，就已经能够很容易读到机器视觉技术接下来的发展趋势了。

    先是 OMRON 在 9 月底收购了一家美资读码设备制造商 MICROSCAN。
    从目前看，OMRON 的动作算是比较快的，早在当初发布 NJ/NX 控制器时，就已经借助 EtherCAT 将自家成熟的视觉技术集成到新的自动化系统平台上了。不过，如果看一下单独挂在控制器下面的视觉控制器，就能隐约感觉到其系统仍然有进一步优化整合的空间。
    紧接着在纽伦堡举行的 SPS IDC Drive 上，几家来自欧洲的自动化公司，不约而同的展示了各自的新款视觉产品和解决方案。
    SIEMENS 以全新的 MV540 高性能工业相机，扩充了其原有的视觉产品线。
    同样是来自德国的 Beckhoff，在其最新版本的 TwinCAT 3 中， 集成了多种机器视觉功能。
    而来自奥地利，现已是 ABB 旗下品牌的 B&R，则是基于 Automation PC / 以太网 POWERLINK 技术的设备控制系统，推出了首款机器视觉产品：上图这款橙色相机。虽然 B&R 此次仅展出了一款橙色相机的原型机，但其官方在 SPS IDC Drive 上就表示，已经有一些机器制造商在使用他们的集成机器视觉技术开发新的产线设备了，并有望在 2018 年的 SPS IDC Drive 上带着这些成功案例，发布全系列视觉产品，和完整的集成机器视觉系统解决方案。
    与此同时，风头正劲的 Rockwell Automation 在拒绝了爱默生 290 亿美元收购要约后 ，立刻转身收购了一家来自苏格兰爱丁堡、提供 3D 图像技术的公司 Odos Imaging。相比之下，Rockwell Automation这次似乎就显得慢了不止半拍。目前我们仍然很难预测，在完成这次对 Odos Imaging 的收购后，公司要用多久才能将这套完全独立的第三方视觉产品融入其互联企业的系统架构中，以及会带给用户怎样的应用体验...

    那么将机器视觉和自动化控制“两个世界”的技术整合在一起，会在性能、成本以及应用体验等各方面给用户带来怎样的影响和改变？这其实就是集成机器视觉系统要帮助用户解决的问题。
    在集成机器视觉系统中，机器视觉仅仅是作为设备控制的一个应用模块，被整合到产线设备的控制系统中。用户无需再考虑系统之间的数据交互和界面切换，仅使用一套自动化控制系统，即可以完成对各类应用参数的设置和调整。
    机器视觉技术的应用将因此而被极大简化，设备的总体成本也会得到显著的优化。
    貌似这样说还是太过于抽象了。接下来，让我们看几个在机器视觉的应用过程中可能出现的场景。
    首先，若要将产品图像信息（如产品标识、条码/二维码、品质瑕疵...等）快速呈现到产线和管理系统的屏幕上，如：操作员终端、工厂大屏幕、中控室...等，在集成机器视觉系统中将变得极为简单，很可能也就是点几下鼠标的事情。
    其次，在集成机器视觉系统中，将更容易实现对高速运动中的物体的精准图像捕捉，无需再在相机上接入编码器，直接使用由高速传感器触发获取的输送线位置，就可以完成对相机快门的实时控制。
    而如果要在识别出产品瑕疵后进一步对其做出准确的剔废动作，目测用几条运控指令就完全可以搞定了。
    再比如，若要对产线上的每个产品进行双重甚至多次图像识别，例如：需要同时记录产品条码、标签和外观，传统的做法需要为相邻的几台相机各接入一支光电触发传感器和编码器。
    但如果使用集成机器视觉系统，就只需将一个光电输入信号、多台视觉相机和输送带编码器通过运控总线接入同一个设备控制系统，并基于输送带上的产品位置完成对相机快门动作的精准触发，硬件连接和软件逻辑都将因此变得非常简单。

    另外，对于那些需要使用视觉技术辅助机器人操作的设备应用，使用集成机器视觉系统将可以把产品图像识别和机器人运动控制整合到同一个时间轴和空间坐标系中，从而省去两套系统之间大量繁琐的位置数据转换工作。

    在机器视觉应用中，根据不同的产品/背景组合，适当的调整相机镜头和光源的参数设置（如：对焦、颜色...等），对于画面捕捉的质量和图像识别的性能也是极为重要的。如果将视觉技术集成、整合到设备控制系统中，那么用户仅通过在控制软件中编写的程序逻辑，就可以实现对这些分散在设备各处的视觉元件的自动设置和灵活调整，而无需再在现场逐一手动操作。这将极大的简化设备调试和运维的流程。

    不难看出，若要将机器视觉整合到设备控制系统中，除了需要有一套集成视觉功能的设备控制器和系统软件，统一的现场总线网路也是必不可少的；并且，为了能够实现上述诸多基于视觉检测的高动态运控功能，这个网络系统还必须具备足够的实时确定性，以确保系统运行时各组件之间时钟同步。

    那么，是不是说集成机器视觉技术就将会给传统的视觉技术市场带来什么颠覆性影响呢？

    这个嘛，基本上应该是不存在的？

    一方面，现阶段传统的视觉产品厂商在这个专业技术领域的优势还是十分明显的。所以，目测短期内被集成机器视觉系统所替代的，应该是那些相对简单的入门级视觉应用，而不会是难度较高的复杂应用。这就好像，智能手机淘汰了卡片机，却仍然无法取代单反相机，是一样的道理。

    另一方面，我相信传统的专业视觉技术厂商们也一定看到了机器视觉将逐步融入设备自动化控制系统的趋势，在自动化厂商不断完善和升级视觉产品的同时，它们也必将会积极的采取各种应对策略，例如：在产品中融入标准的总线协议、开放视觉产品接口、寻求与自动化厂商的合作...等等。

    从这个意义上说，尽管集成机器视觉的方向已经很明确的，但这项技术的成熟和普及，必定不是一蹴而就、立竿见影的，而应该是一个逐步演进、循序渐进的过程。