今年11 月 1 日零点刚过，消费者刚付完尾款不久，快递就已经送上门。【尾款人秒变收货人】、【想退款发现居然发货了】成为“双11”物流效率的最新标签。

“双11”订单量逐年激增，仅依靠人力来实现物流高速配送，肯定是不现实的。特别是对于物流行业这种对人力成本敏感的产业来说，物流机器人的出现俨然成为了实现行业智能化升级的专属“黑科技”。

“蛮驴入侵”，阿里勇闯智慧物流战场

“双11”前夕，阿里研发的首款物流机器人“小蛮驴”上岗入驻浙大校园，将完成浙大校区内11月1日开始的所有快递配送任务。阿里研发的这款面向末端物流场景、提供最后三公里配送服务的智能机器人，凭什么进军物流机器人赛道？

• 底盘，包括车身和线控集成，是小蛮驴的核心躯干。而且阿里方面透露，底盘和车身的供应，实际也与汽车一致，出自整车厂；
• 传感器，小蛮驴的“眼睛”，让它有出色的感知能力。一前一后各1个激光雷达，加上6个摄像头组成的环视方案，以及毫米波雷达、惯导等传感器，跟当前无人驾驶汽车采用类似方案；
• 计算单元 ，小蛮驴的“大脑”，利用嵌入式GPU和FPGA的相互配合，既能实现末端复杂场景下的高性能计算，还可以把成本和功耗降下来。

阿里官方回答，“小蛮驴”核心技术还是最前沿的AI和自动驾驶，视觉识别技术则是AI数据分析的前提以及“自动驾驶”技术的基础。在视觉识别+数据算法的组合拳下，物流机器人在智能化、安全性等方面具备更强的行业竞争力。由此“小蛮驴”从概念走向现实，机器人送快递不再是无法落地的伪场景了。

智慧物流的核心，视觉识别技术

机器视觉是通过计算机模拟人类视觉功能，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。

除末端物流配送的应用外，视觉识别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。在工业5.0浪潮下下，拥有智能机器人因为具备自动化、智能化和精准化的特色，在实际工作中不仅可减小成本，而且在精准方面更能减小误差，从而达到更高效率的工作需求，进而满足整个制造业体系的运营效率。

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，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。

机器视觉技术近年发展迅速

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。

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。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。

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。随着越来越多的基于深度学习的机器视觉软件推向市场，深度学习给机器视觉的赋能会越来越明显。

如今，我国智能制造装备产业结构转型和技术提升的市场空间巨大，机器视觉行业将受益。“十四五”期间，中国将进一步深化产业结构调整，推进制造业的科技创新和智能制造水平，着力从要素驱动向技术及创新驱动转变。

在人机协作、自动化升级的时代浪潮下，社会对机器人的需求面临大爆发，不仅在物流仓储行业，将来在智能工厂、无人商店、自动驾驶、机器人等领域都掀起自动化新风暴！作为机器人尤其是智能化可视机器人重要的零部件之一，机器视觉对机器人的灵活性及可操作性的提升具有决定性意义。可以预见随着机器视觉与机器人的深入融合，可视机器人将在未来十年内占据智能装备领域重要一席之地。