随着流程变得更加自动化，机器将做出更加困难的决定。得益于机器视觉，拣选机不再需要精确对齐、统一的零件和专业编程的算法。机器视觉使机器人能够通过相机组“看到”，然后指示机械手拿起物体并移动它们，而不会掉落、撞到其他物体或捡起“错误”的物体，这可能会导致剩余的物体要移动的对象。

机会

机器视觉在市场范围和应用方面有多种扩展机会。这些机会需要一些想象力，而机器视觉不仅仅是简单地取代技术人员的眼睛，而是充分利用机器人可以完成而技术人员不能完成的任务。在这个领域思考的自动化公司将能够领先于他们的竞争对手，他们只是在用机器人相机代替技术人员的眼睛方面思考。

3D成像

有什么比使用相机检测物体更好的呢？当然，使用多个。安装在不同角度的相机可以集成到软件中，以形成物体的 3D 图像。质量控制部门可以使用 3D 成像一次性找到缺陷，而无需操作零件。

除了执行完整的 3D 检查外，3D 成像还可以比以往更快地将想法转化为原型，并将原型转化为适销对路的产品。在不久的将来，技术人员可能会使用一组精密相机（称为 3D 扫描仪）扫描原型零件。相机可以生成计算机辅助绘图 (CAD) 模型，在软件中进行操作（可能按比例放大或缩小），然后在工厂的其他地方制造。

开发零件的 CAD 模型的 3D 扫描仪。来源：创意工具/CC BY-SA 3.0

光谱

虽然使用相机查看物体听起来可能不是革命性的，但请考虑使用不同的相机可以查看电磁频谱的其他部分。例如，假设一个机器人被用来在完全煮熟后从工业烤箱中移动预先煮熟的鸡块。或许可以使用可以查看可见光谱的标准相机，而不是使用红外光映射烤箱内部的相机。机器人只会根据它们的红外线特征移动完全煮熟的鸡块，而不是它们在可见光下的外观。

机器视觉中的红外相机也可用于冶金行业、塑料行业和任何其他必须严格控制熔化和凝固特性的行业。紫外线 (UV) 相机可与紫外线染料喷雾结合使用，以发现密封件中的泄漏或固体部件中的裂缝。这在一些行业已经实践，但需要人工检查才能发现缺陷。使用机器视觉，这可以更快地完成。

模型卫星的并排比较，如红外和可见光所示。资料来源：ESA/CC BY-SA 3.0

更智能的算法

机器人和控制制造的主要机会之一在于其路由算法。机器视觉识别感兴趣的对象是不够的；该算法还必须确定安全有效地移动物体的最佳路线。机器人公司之间的竞争已经开始，每个公司都在开发自己的算法来追踪最有效的路径。

挑战

机器视觉和对象操作的一些限制可以通过深思熟虑的工程来克服。这些挑战最初将限制机器视觉在制造业中的全部潜力，直到开发出新的工程和软件解决方案。自动化公司应该集思广益来解决这些问题。

奇重物体

每个人都有过捡东西的经历，却发现它比想象中的还要重。机器可以很容易地估计物品的重量。然而，每个人也都有过拿起一个重量不均匀的物体，一端有一个质心的物体，或者一个无法预测质量移动的物体的经历。人类习惯于处理这样的物体 - 孩子和移动的箱子出乎意料地移动，在发脾气时改变他们的体重或挥舞。机器编程很难处理这种不可预测的运动。

想象一个正在移动沙袋的机器人。机器视觉检测到一个可行的沙袋，机器人机械手拿起一个沙袋。随着沙袋的运输，所有的沙子都会冲到袋子的最低点，在运输过程中改变了袋子的形状和重量分布。例如，如果沙袋现在悬挂在操纵器中的位置低于最初拾取时的位置，则这可能会导致碰撞。

闪亮的物体

人眼偶尔会被愚弄，将反射误认为是现实。但是，人脑可以快速调整和识别可以区分差异的细微细节。所有这些处理都是通过生命早期阶段的实践和经验自动完成的。必须教授机器视觉如何检测和丢弃虚假反射。

假设一个采摘机器人被编程来拉动抛光的不锈钢管道配件。一个人可以看着垃圾箱，自动消除自己和其他管道配件的反射，选择一个，并将其放置在适当的位置。机器人和相机可能会被自身的反射和彼此反射的部件所迷惑。如果反射变形或可能被解释为比预期更近或更远，则这可能被解释为有缺陷的部件。

在前几代人中，工业间谍是一项困难且危险的职业。工业间谍必须处理物体、做笔记或具有近乎照相的记忆力才能重现他们在竞争对手工厂中看到的东西。即使是静止的照片和视频也只能产生 2D 图像，必须将其扩展到三维才能制作。然而，随着相机的小型化，工业间谍可以扫过竞争对手的原型并很快拥有一个 3D 模型，绕过研究和设计，从最终产品中获利。

挑战并非不可克服，机器人行业的领导者已经在解决这些问题。战利品和机会将流向能够最有效地解决这些问题的公司。