工業價值鏈的系統整合，需要視覺與圖像技術相結合，就是給工業設備安裝一雙超級“智眼”。未來的工業生產將以“智眼”為核心，裝備在千千萬萬、形形色色的設備上，指揮各種各樣的“手、腳、身體”動作，實現“深度感知、智慧決策、自動執行”，成為“智人”。

　　設想一下，在一個電子產品的生產車間，各種芯片和元器件的尺寸已經從幾毫米幾十毫米縮小到幾微米幾十微米，元器件的焊接和組裝在視覺系統的引導下由機器人進行精密操作，由于器件的尺寸和質量都減小了幾百倍，裝配速度大幅提高，每秒鐘可以完成上百次動作，生產效率提高了百倍。

　　視覺系統實現多角度立體成像，大范圍毫米級成像和超精密微米級成像相結合，整個系統同時獲取的圖像信息都可以實時處理，并綜合完成目標定位，精確測量，發出精確動作指令。一旦某個產品的一個焊點出現問題了，比如合格焊接面積2微米，實際只達到了0.85微米，這將導致信號傳輸的阻抗增大而使工作頻率達不到正常范圍，視覺系統立即導引檢驗機器人，剔除廢品至分支工序進行修復。組裝車間各個成像單元監控各種環境指標，并把全部圖像數據和其他數據綜合到中央信息服務器。問題找到了，立即進行故障隱患排除，系統飛速運轉如常。

　　智能制造需要“快速和精準”的視覺成像，實現智能識別、智能測量、智能檢測和智能互聯。

　　智能識別是為下一步操作找到目標，目標識別要從大量信息中找到關鍵特征，需要把海量信息快速收斂，其智能程度要求高，準確度和可靠度是關鍵，這取決于智能測量的精準度。在測量的基礎上完成。

　　智能檢測，根據測量結果和目標之間的偏離度，判斷合格與否，但是檢測往往不是單一指標的結果比較，需要多信息多指標綜合分析判斷。

　　智能互聯，或者說萬物互聯（工業物聯網），是基于大數據而來的。數據互聯就像人的大腦神經元，當信息和節點超過一定數量，就能產生自主學習、自主創造能力。工業大數據很大一部分源于視覺成像，當圖像的海量數據在多節點采集互聯，同時將人員、設備、生產物資、環境、工藝等數據互聯，就會衍生出深度學習、智能優化、智能預測等創新能力，顯示出大數據和智能制造的真正威力。

　　德國產業界將200年工業革命的歷史進程劃分為四個階段：以蒸汽機為標志的機械化工業革命1.0，使人的體力被解放和大幅提升；以電力為標志的電氣化工業革命2.0實現了大規模流水線作業，開創了產品批量標準化生產的新模式；以微電子和計算機為標志的自動化工業革命3.0實現了程序化自動化生產，不但解放了體力勞動，還部分接管了腦力勞動，工業邁入少人化；工業4.0則是向兩大方向深度推進，產品端是定制化，制造端是智能化、無人化。

　　不要簡單以為在生產車間內用一款機器人代替車間工人的流水化操作就是智能工廠，或是工業無人化。

　　真正的智能制造和工業無人化遠遠不止如此。它們是制造企業從單一產品制造向智能制造生態系統構建、向產品加服務轉型的探索。通過智能化、無人化改造，客戶個性化產品單個生產的費用可以變得和大批量生產的費用一樣。

　　將傳統工業生產與現代信息技術相結合的高級階段，是在未來工廠中每個生產環節清晰可見、高度透明，整個車間悄然高效地運轉的，工業機器人與其他自動化設備不僅彼此協作，還與遍布全球的員工、客戶以及智能分析動態系統進行協作。

　　信息技術的改造已經實現了產品的智能制造，更大的變化是生產組織方式：通過對客戶歷史采購量和中長期需求等數據進行分析，依據產出能力自主安排生產時間和數量，客戶經理、操作工人以及原料供應商“串”在同一條信息鏈上。

摘者：深圳市源啟達科技有限公司