安森美半导体：工业机器视觉细分领域的隐形冠军

众多周知，在 汽车 半导体领域，安森美半导体堪称大牛，你或许不知道的是，在工业细分领域，安森美半导体亦为翘楚。在2020年9月25日举行的安森美半导体智能感知策略及方案在线媒体交流会上，中国工控网获悉，据欧洲第三方调研公司Yole Development数据显示，安森美半导体在工业机器视觉领域的市场份额排名第一。

致力于推动高能效电子的创新，安森美半导体提供全面的高能效联接、感知、电源管理、模拟、逻辑、时序、分立及定制器件阵容，使客户能够减少全球的能源使用。安森美半导体市场范围非常广泛，核心市场主要是在 汽车 、工业、通信、消费类和计算。

“我们最大的市场份额集中在 汽车 、工业和通信。”安森美半导体智能感知部全球市场和应用工程副总裁易继辉（Sammy Yi）说，“这些行业有几个非常重要的共同点，一是对产品性能要求非常高；二是对产品质量和可靠性要求非常高；三是对产品长期供货的持续性要求非常高。而这正是安森美半导体的优势所在。”

安森美半导体主要分为三个产品部门，分别是电源方案部（PSG）、先进方案部（ASG）和智能感知部（ISG）。设立于2014年的智能感知部（ISG）年轻且活跃，是安森美半导体目前成长速度最快的部门。

“ 汽车 、机器视觉和边缘人工智能是智能感知部主攻的三个市场方向。”易继辉说， 汽车 行业虽属传统行业，但近年来得益于电力化、智能化， 汽车 行业焕发新生。为了打造更加安全、舒适的智能 汽车 ，各类感知产品应用需求激增。“安森美半导体在 汽车 智能感知方面成长速度远比 汽车 行业本身发展速度快得多，就是因为 汽车 采用新技术的速度非常快。”

同样，在工业4.0时代， 历史 悠久的机器视觉在自动化、人工智能等技术的加持下不断产生新的发展动力和活力。特别是在中国市场，越来越多的制造企业考虑采用机器视觉帮助生产线实现检查、测量和自动识别等功能，以提高效率并降低成本，从而实现生产效益最大化。

机器视觉作为新兴技术被寄予厚望，被认为是自动化行业一个具备光明前景的细分市场。从全球范围看，由于下游消费电子、 汽车 、半导体、医药等行业规模持续扩大，全球机器视觉市场规模呈快速增长趋势，2017年已突破80亿美元，并预计到2020年全球市场规模将达到125亿美元，2025年将超过192亿美元。

相较于前两者，边缘人工智能属于行业“新兵”，但潜力无限。“边缘人工智能主要是由人工智能、5G、IoT等新技术导入后开发出新的应用，发展非常迅速，经常隔几天、隔几个礼拜，就会有新客户打电话来说他们有新的想法和应用，希望得到帮助。”易继辉举例道。

在上述核心市场，安森美半导体智能感知部都做了长时间的投入和布局，包括图像感知，多光谱、高光谱的感知，激光雷达感知、毫米波雷达感知、传感器融合此类深度感知。这些都在推动人工智能和第四次工业革命的进步。

工业人工智能应用，图像传感器是关键

随着智能制造的逐步深入推进，工业机器视觉、机器人、人工智能技术发展迅速，图像传感器是助其发展的关键技术。工业人工智能应用的发展给图像传感器带来了更高的挑战，包括推动了后者在全局快门性能、高速拍摄、大分辨率、使用不可见光谱区域和三维体积深度提供的信息进行关键推断，以及神经网络处理的发展。

易继辉举例说，平板检测是整个工业机器视觉行业中，对图像传感器最有挑战性的应用，从1K、2K、4K一直到8K，像素要求逐渐提高。

具体来讲，平板检测过程分两步：第一步是暗检测，上电前主要检测一些指纹、划痕和其他物理上的问题；第二步是上电以后，检测发光源。LED有一个亮板在后面作为发光源，而OLED，特别是AMOLED（Active Matrix OLED）的每个像素都是一个单独发光源，像素和像素之间发光的强度和色彩的均匀度，都要能够很准确地侦测出来，这就对图像传感器的要求非常高。

“过去检测LED面板上的1颗像素，对应需要9颗像素（3 3），OLED则对应需要16颗（4 4），甚至25颗（5 5）像素。平板检测对图像传感器的像素要求越来越高，从4,500万到1.5亿像素，甚至超过2亿像素。”易继辉说。

易继辉以1.3英寸固定尺寸的图像传感器为例，阐述图像传感器技术发展路线图。首先，图像传感器的分辨率在逐年提升，从过去的200万像素、500万像素、800万像素、1200万像素，逐步升级到现在超过2000万像素。其次，噪声导数相当于图像质量，在同样大小的尺寸下的图像传感器逐年随着像素的增大，图像质量也在不断提高。此外，带宽也是逐年提高。比如，一个29 29mm2标准的工业用摄像头，十年前可能只是200万像素，后来逐渐增加到300万、500万、1200万，今年已经能够用到1600万像素。

“安森美半导体在技术上有非常长时间的积累。”易继辉说，如全局快门，在高速运动下使图像不会有拖影；内校正，像素内的校正，以前都是在系统里通过软件校正，现在直接做到硬件里，像素内部去做图像校正；工艺节点，从110纳米到65纳米，再到45纳米，甚至更小，充分利用了摩尔定律的优势，即成本、尺寸、耗电量都在逐年下降；背照式，在同样尺寸下分辨率越来越高，像素尺寸可能越来越小，感光量、感光度，特别是暗光下，性能可能就会降低，背照式就是用来提高感光能力；堆栈架构，以后就不光是两维空间了，而是三维、堆栈式、两次堆栈、三次堆栈都有可能实现。以后不光把模拟和数字信号放在第二层，甚至于人工智能一些算法放在第三层里，整个图像传感器就是高智能化的图像传感器。

可以预见，图像传感器的开发正在从仅提供RGB和二维坐标信息转移到新的更丰富的形式。图像传感器可提供更多类型的数据，无论是深度数据，还是增加的光谱信息，以及人工智能合并这些数据集并实现高级决策，从而使系统能够通过新的测量和决策机会提供更快、更准确的结果。作为工业机器视觉的领导厂商，安森美半导体会以全方位的智能感知产品阵容和领先的技术，应对工业人工智能应用挑战并推进智能制造的创新。（文/gongkong张丽莹）

机器视觉是通过计算机来模拟人类视觉功能，以让机器获得相关视觉信息和加以理解。可分为“视”和“觉”两部分原理。

“视”是将外界信息通过成像来显示成数字信号反馈给计算机，需要依靠一整套的硬件解决方案，包括光源、相机、图像采集卡、视觉传感器等。“觉”则是计算机对数字信号进行处理和分析，主要是软件算法。

机器视觉在工业上应用领域广阔，核心功能包括：测量、检测、识别、定位等。

产业链可以分为上游部件级市场、中游系统集成/整机装备市场和下游应用市场。

机器视觉上游有光源、镜头、工业相机、图像采集卡、图像处理软件等软硬件提供商，中游有集成和整机设备提供商，行业下游应用较广，主要下游市场包括电子制造行业、 汽车 、印刷包装、烟草、农业、医药、纺织和交通等领域。

机器视觉全球市场主要分布在北美、欧洲、日本、中国等地区，根据统计数据，2014年，全球机器视觉系统及部件市场规模是 36.7 亿美元，2015年全球机器视觉系统及部件市场规模是42亿美元，2016年全球机器视觉系统及部件市场规模是62亿美元，2002-2016年市场年均复合增长率为12%左右。而机器视觉系统集成，根据北美市场数据估算，大约是视觉系统及部件市场的6倍。

中国机器视觉起步于80年代的技术引进，随着98年半导体工厂的整线引进，也带入机器视觉系统，06年以前国内机器视觉产品主要集中在外资制造企业，规模都较小，06年开始，工业机器视觉应用的客户群开始扩大到印刷、食品等检测领域，2011年市场开始高速增长，随着人工成本的增加和制造业的升级需求，加上计算机视觉技术的快速发展，越来越多机器视觉方案渗透到各领域，到2016年我国机器视觉市场规模已达近70亿元。

机器视觉中，缺陷检测功能，是机器视觉应用得最多的功能之一，主要检测产品表面的各种信息。在现代工业自动化生产中，连续大批量生产中每个制程都有一定的次品率，单独看虽然比率很小，但相乘后却成为企业难以提高良率的瓶颈，并且在经过完整制程后再剔除次品成本会高很多（例如，如果锡膏印刷工序存在定位偏差，且该问题直到芯片贴装后的在线测试才被发现，那么返修的成本将会是原成本的100倍以上），因此及时检测及次品剔除对质量控制和成本控制是非常重要的，也是制造业进一步升级的重要基石。

1.在检测行业，与人类视觉相比，机器视觉优势明显

1）精确度高：人类视觉是64灰度级，且对微小目标分辨力弱；机器视觉可显著提高灰度级，同时可观测微米级的目标；

2）速度快：人类是无法看清快速运动的目标的，机器快门时间则可达微秒级别；

3）稳定性高：机器视觉解决了人类一个非常严重的问题，不稳定，人工目检是劳动非常枯燥和辛苦的行业，无论你设计怎样的奖惩制度，都会发生比较高的漏检率。但是机器视觉检测设备则没有疲劳问题，没有情绪波动，只要是你在算法中写好的东西，每一次都会认真执行。在质控中大大提升效果可控性。

4）信息的集成与留存：机器视觉获得的信息量是全面且可追溯的，相关信息可以很方便的集成和留存。

2.机器视觉技术近年发展迅速

1）图像采集技术发展迅猛

CCD、CMOS等固件越来越成熟，图像敏感器件尺寸不断缩小，像元数量和数据率不断提高，分辨率和帧率的提升速度可以说日新月异，产品系列也越来越丰富，在增益、快门和信噪比等参数上不断优化，通过核心测试指标（MTF、畸变、信噪比、光源亮度、均匀性、色温、系统成像能力综合评估等）来对光源、镜头和相机进行综合选择，使得很多以前成像上的难点问题得以不断突破。

2）图像处理和模式识别发展迅速

图像处理上，随着图像高精度的边缘信息的提取，很多原本混合在背景噪声中难以直接检测的低对比度瑕疵开始得到分辨。

模式识别上，本身可以看作一个标记过程，在一定量度或观测的基础上，把待识模式划分到各自的模式中去。图像识别中运用得较多的主要是决策理论和结构方法。决策理论方法的基础是决策函数，利用它对模式向量进行分类识别，是以定时描述（如统计纹理）为基础的；结构方法的核心是将物体分解成了模式或模式基元，而不同的物体结构有不同的基元串（或称字符串），通过对未知物体利用给定的模式基元求出编码边界，得到字符串，再根据字符串判断它的属类。在特征生成上，很多新算法不断出现，包括基于小波、小波包、分形的特征，以及独二分量分析；还有关子支持向量机，变形模板匹配，线性以及非线性分类器的设计等都在不断延展。

3）深度学习带来的突破

传统的机器学习在特征提取上主要依靠人来分析和建立逻辑，而深度学习则通过多层感知机模拟大脑工作，构建深度神经网络（如卷积神经网络等）来学习简单特征、建立复杂特征、学习映射并输出，训练过程中所有层级都会被不断优化。在具体的应用上，例如自动ROI区域分割；标点定位（通过防真视觉可灵活检测未知瑕疵）；从重噪声图像重检测无法描述或量化的瑕疵如橘皮瑕疵；分辨玻璃盖板检测中的真假瑕疵等。随着越来越多的基于深度学习的机器视觉软件推向市场（包括瑞士的vidi，韩国的SUALAB，香港的应科院等），深度学习给机器视觉的赋能会越来越明显。

4）3d视觉的发展

3D视觉还处于起步阶段，许多应用程序都在使用3D表面重构，包括导航、工业检测、逆向工程、测绘、物体识别、测量与分级等，但精度问题限制了3D视觉在很多场景的应用，目前工程上最先铺开的应用是物流里的标准件体积测量，相信未来这块潜力巨大。

3.要全面替代人工目检，机器视觉还有诸多难点有待攻破

1）光源与成像：机器视觉中优质的成像是第一步，由于不同材料物体表面反光、折射等问题都会影响被测物体特征的提取，因此光源与成像可以说是机器视觉检测要攻克的第一个难关。比如现在玻璃、反光表面的划痕检测等，很多时候问题都卡在不同缺陷的集成成像上。

2）重噪音中低对比度图像中的特征提取：在重噪音环境下，真假瑕疵的鉴别很多时候较难，这也是很多场景始终存在一定误检率的原因，但这块通过成像和边缘特征提取的快速发展，已经在不断取得各种突破。

3）对非预期缺陷的识别：在应用中，往往是给定一些具体的缺陷模式，使用机器视觉来识别它们到底有没有发生。但经常遇到的情况是，许多明显的缺陷，因为之前没有发生过，或者发生的模式过分多样，而被漏检。如果换做是人，虽然在 *** 作流程文件中没让他去检测这个缺陷，但是他会注意到，从而有较大几率抓住它，而机器视觉在这点上的“智慧”目前还较难突破。

4.机器视觉产业链情况

1）上游部件级市场

主要包括光源、镜头、工业相机、图像采集卡、图像处理软件等提供商，近几年智能相机、工业相机、光源和板卡都保持了不低于20%的增速。根据中国机器视觉产业联盟（CMVU）调查统计，现在已进入中国的国际机器视觉品牌已近200多家（如康耐视、达尔萨、堡盟等为代表的核心部件制造商，以基恩士、欧姆龙、松下、邦纳、NI等为代表的则同时涉足机器视觉核心部件和系统集成），中国自有的机器视觉品牌也已有100多家（如海康、华睿、盟拓光电、神州视觉、深圳灿锐、上海方诚、上海波创电气等），机器视觉各类产品代理商超过300家（如深圳鸿富视觉、微视新纪元、三宝兴业、凌云光、阳光视觉等）。很多国内机器视觉的部件市场都是从代理国外品牌开始，很多企业均与国外的同行有较好的合作，且这种合作具有一定的排他性，这给潜在进入者带来了一定的门槛，因此优质产品的代理商也都有不错的市场竞争力和利润表现。同时，以海康、华睿为代表的国产工业视觉核心部件正在快速崛起。

2）中游系统集成和整机装备市场

国内中游的系统集成和整机装备商有100多家，他们可以给各行业自动化公司提供综合的机器视觉方案，如凌云光、微视新纪元、嘉恒、凌华、阳光视觉、鼎信、大恒图像等。由于国内产品与国际依然有不小差距，很多中游系统集成商和整机装备商又是从核心零部件的贸易做起来的，因此很多在视觉产品的选择方面，依然更为青睐国外品牌。国内品牌为推广自己的软硬件产品，往往需要发展自己的方案集成能力，才能更好的面对市场竞争。

3）下游应用市场

机器视觉下游，主要是给终端用户提供非标自动化综合解决方案的公司，行业属性非常强，核心竞争力是对行业和生产的综合理解和多类技术整合。由于行业自动化的更迭有一定周期性，深受行业整体升级速度、出货量和利润状况影响，因此近两年来看，拉动机器视觉应用普及最主要的还是在电子制造业，其次是 汽车 和制药。

i. 半导体和电子生产行业：从国内机器视觉工业上的应用分布来看，46％都集中在电子及半导体制造行业，包括晶圆加工制造的分类切割、PCB检测（底片、内／外层板、成品外观终检等）、SMT贴装检测、LCD全流程的AOI缺陷检测、各种3c组件的表面缺陷检测、3c产品外观检测等

ii. 汽车 ：车身装配检测、零件的几何尺寸和误差测量、表面和内部缺陷检测、间隙检测等

iii. 印刷、包装检测：烟草外壳印刷、食品的包装和印刷、药品的铝塑板包装和印刷等

iv. 农业：对农产品的分级、检验和分类

v. 纺织：对异纤、云织、经疵、纬疵等瑕疵检测、织物表面绒毛鉴定、纱线结构分析等等。

5.机器视觉系统未来发展趋势

1）嵌入式解决方案发展迅猛，智能相机性能与成本优势突出，嵌入式PC会越来越强大

2）模块化的通用型软件平台和人工智能软件平台将降低开发人员技术要求和缩短开发周期

3）3d视觉将走向更多应用场景

---