智能制造，传统机器视觉的转型升级

机器视觉是集光学成像、自动化控制等多方面技术于一体的行业，具有很高的技术壁垒。在工业制造领域，机器视觉技术不仅可以提高生产效率，还可以保障产品质量。同时，随着人工智能技术机器视觉技术的发展，也在智能物流、医疗诊断、智能安防等领域得到了广泛应用。

在机器视觉产业链中，上游的零部件及软件算法是整个价值链的核心部分。传统机器视觉转型升级而来的基于深度学习的机器视觉，不但可以判断缺陷，还可以理解缺陷的共同特征，预测新的缺陷类型，从而实现对于更复杂场景的更优分析。通过深度学习的智能算法判断出可以接受的异常和不可接受的缺陷之间的差异，但相应的，深度学习技术的应用也会对计算能力和储存能力提出更高要求。

在应用方面，机器视觉技术最初应用在食品、印刷包装等场景中。随着电子行业的发展，机器视觉技术快速发展的3C电子成为最为重要的应用场景。我国制造业的转型升级如半导体、汽车以及新兴产业的兴起，让智能机器视觉逐步渗透更多的应用场景。锂电池、新能源行业受益于明确的质量管控需求，机器视觉在更多环节应用，我国的制造业行业增速和竞争格局更优。

未来，随着智能制造政策的出台和人工智能技术的不断发展，机器视觉技术将会更加成熟和完善。进一步推动工业产品检测智能化、装备智能化、生产智能化，使传统工厂升级为智能工厂，实现生产最优化、流程最简化、效率最大化的目标。