對于3D視覺檢測，很難說，究竟是底層技術的突破支撐了應用需求的創新，還是應用場景的轉變推動了關鍵技術的變革。但可以確定的是，3D檢測是目前機器視覺研究應用的方向之一，從物件/ 條碼辨識、產品檢測、外觀尺寸量測到機械手臂/ 傳動設備定位，都是3D視覺檢測技術可以發揮的舞臺。

打破2D視覺技術局限

3D視覺技術是相對于2D視覺技術而言的，在可靠性及精度等方面，具有諸多2D 視覺技術無法比擬的優勢。2D視覺技術通過相機拍攝平面照片，然后進行圖像分析，識別比對平面上的物體特征信息，由于其不能獲得對象的空間坐標信息，因此不能滿足任何與高度信息關聯的檢測需求。3D視覺檢測技術能夠識別物體的空間立體位置和表面信息，被測物體可以在傳感器的有效測量范圍內任意移動或擺放，這大大拓展了3D視覺技術的檢測維度，

延伸出許多基于高度差信息的應用場景，例如物體平直度，表面角度和體積等，使用范圍更廣。在檢測精度方面，3D視覺技術也更勝一籌。2D視覺檢測依賴于被測物體表面的對比度，如果不能滿足特定光照條件, 如照射角度、波長等，則無法準確地從圖像背景中提取出相關特征，導致可靠性和測量精度都無法得到保證。而且，2D視覺根本無法檢測黑色背景上的黑色物體。

“3D視覺相對2D視覺檢測而言，對外界光的干擾不很敏感?！蔽骺酥袊呒壱曈X業務發展經理鄭平易指出，由于3D視覺檢測技術是使用結構光三角測量原理，將特定波長的激光圖案投射到物體表面。圖像中的前景是被物體表面形狀調制后的激光圖案，圖像對比度是恒定的，只取決于物體表面材質的反光能力，不易受環境光變化影響，從而保證測量精度。值得一提的是，3D傳感器中的所有組件都被牢固地安裝在單個光機械組件上，提供

深度測量信息，能夠糾正物體移動誤差，從而簡化物體固定要求，這進一步鞏固了其在測量穩定性和精度上的優勢。除此之外，在靈活性、實用性和速度方面，3D視覺與2D視覺相比也有較大的優勢。

拓展延伸更多應用場景

對于用戶來說，以2D視覺技術為手段的檢測應用以平面需求為主，3D視覺技術的發展則為檢測應用找到新的切入點，延伸出很多新的應用方向。

早在2017 年，鋰電、半導體、光伏等新興行業就出現了對3D視覺技術的迫切需求，其中以測量、定位、識別和缺陷檢測為主。以電子器件的涂膠檢測為例，最早業內是通過2D 視覺技術檢測涂膠寬度來判斷是否存在異膠、漏膠的現象，但是少膠的狀況往往被忽略掉。如果只涂了薄薄的一層膠，寬度合格，2D視覺技術會認為這是一個正常品，但是厚度不足的話不一定能確保膠的粘性。在3D視覺技術出現之后，涂膠檢測的需求就發展為不僅要檢測涂膠寬度，同時還要檢膠體體積，這大大提高了涂膠行業的產品合格率。

對于一些傳統行業，隨著工業4.0的到來，工業生產對生產效率、產品品質的要求日益提高，3D機器視覺也開始發揮更加廣泛的作用。這其中，比較有代表性的有鋼鐵、汽車、輪胎等行業。

在鋼鐵行業，3D視覺檢測主要用于生產環節中視覺定級、尺寸檢測、識別防錯、定位引導等方面。其中，在鋼材成型出廠前，需要對型材進行全尺寸輪廓檢測、鋼坯平面度檢測等，使用3D相機可以更高效地解決生產線上高速裁剪、多種類柔性線兼容問題，替代人工，實現產線全檢。在軌道交通領域，3D視覺技術催生了隧道表面安全檢測的發展。隧洞表面的物體脫落是交通安全的一大隱患，但由于隧洞本身是弧形的，表面脫落物難以通過傳統技術檢測，3D輪廓檢測通過一次掃描可以同時檢測多個平整度，實現精準判斷，大大提高隧道出行的安全性。

此外，最近幾年，利用3D視覺技術實現機器人引導、抓取、搬運類的應用也非常廣泛，3D 視覺技術在汽車、機械制造、機床加工等領域展現出了廣闊的應用潛力。

結合2D與3D檢測新技術

盡管3D技術已被證明可用于諸多質量檢測應用中，但許多企業仍然僅依靠2D機器視覺來實現其質量控制流程，其主要還是受限于3D視覺技術在精度和速度方面帶來的缺失，以及相對較高的成本。如此一來，將3D激光探測器的基本功能與2D視覺傳感器進行結合就成為了未來視覺檢測技術的一大發展方向。在一些應用場合，當3D視覺技術不能解決所有問題時，就需要建立一個2D的項目，在其成熟功能上通過3D視覺添加描述形狀的數據，這種2D疊加3D的組合方式可以為某些應用提供有益補充。

比如在實際分揀作業中，應用3D技術結合2D檢查功能，可以準確地檢測分揀機上是否有包裹，包裹是否超出邊界，空車檢測，以及是否有遺留物品。與傳統方法不同，系統可以生成準確的三維和二維信息，無需編碼器或復雜的校準，因此擁有更高的檢測率，并可輸出詳細數據以便跟蹤系統性能和健康狀態。

不難發現，在自動化工業質量控制和檢測領域，2D和3D技術相互結合、優勢互補對用戶創建更可靠、高效的機器視覺檢測系統非常有意義。

深度學習助益缺陷檢測

結合深度學習進行工業視覺檢測也是目前3D視覺技術新的發展趨勢。深度學習是機器學習的領域之一，它使計算機通過處理數據來模仿人類大腦的工作方式進行決策，結合工業視覺，就是讓視覺系統能夠通過大量樣品進行訓練從而進行更加精確的檢測判斷，結合深度學習的3D 視覺技術在缺陷檢測應用中獲得了廣泛認可。

以半導體行業為例，電子元器件雖然體積小，但其承載的功能卻都十分重要，任何瑕疵都可能導致整個半導體芯片無法使用。不但刮擦、纏繞、彎曲等比較嚴重的缺陷會導致產品報廢，即使最表淺的缺陷也是芯片的極小誤差容限所不能接受的。這就需要更加嚴格的質量管理和缺陷探測要求。

如果將這么多缺陷類型直接編程到軟件算法中，檢測效率其實是非常低下的?；谏疃葘W習的圖像分析軟件，可以幫助通過軟件的神經網絡歸納概括芯片的正常外觀，識別異常特征，然后將缺失、損壞或者磨損的組件標記為缺陷，助力制造商提高成品率。

此外，在汽車、電子、包裝、軍民融合等行業，結合深度學習的視覺缺陷檢測也大施拳腳，實現了包括發動機缸蓋、缸體、凸輪軸、手機重要零部件、IC 插件外觀檢測、連接器、軍民融合產品和包裝的外觀缺陷檢測。

“一個好的技術或者一個成功的產品能否最終推動整個產業的發展，中間存在巨大的鴻溝，只有不斷提供創新、實用的解決方案，不斷滿足市場應用的需求，才能降低成本，推動技術進步和產業升級?！北っ艘曈X技術產品經理陳田感觸頗深，他說，堡盟非?？春?D 視覺技術的發展，將繼續跟進檢測應用需求，為客戶提供高性價比的解決方案，和行業用戶一起推動制造業的智能升級。