以9大应用场景为例，一文看懂什么是机器视觉
我们热切地期盼更多的读者投身到该领域，与我们一起探索图像数据的无尽潜力。
作者：魏溪含 涂铭 张修鹏
如需转载请联系华章科技
▲图1-1 人工智能相关领域关系图
00 什么是机器视觉？
机器视觉是人工智能的一个重要分支，其核心是使用“机器眼”来代替人眼。 机器视觉系统通过图像/视频采集装置，将采集到的图像/视频输入到视觉算法中进行计算，最终得到人类需要的信息。这里提到的视觉算法有很多种，例如，传统的图像处理方法以及近些年的深度学习方法等。
图1-2a展示了一个由彩色图像组成的、分类的数据集Cifar10，其中有飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车10个类别，且每个类别中都有1000张32×32的彩色图片。图1-2b展示的是不同算法在Cifar10数据集上的分类效果。
▲图1-2a Cifar10数据集展示
▲图1-2b 传统图像处理方法与深度学习方法在Cifar10数据集上的效果对比
从中我们可以看出，在深度学习出现以前，传统的图像处理和机器学习方法并不能很好地完成这样一个简单的分类任务，而深度学习的出现使得机器有了达到人类水平的可能。 事实上，AlphaGo的出现已经证明了在一些领域，机器有了超越人类的能力。
由于深度学习技术的发展、计算能力的提升和视觉数据的增长，视觉智能计算技术在不少应用当中都取得了令人瞩目的成绩。
图像视频的识别、检测、分割、生成、超分辨、captioning、搜索等经典和新生的问题纷纷取得了不小的突破。这些技术正广泛应用于城市治理、金融、工业、互联网等领域。
以下将以9个场景为例，对一些常见的应用场景进行介绍，让读者直观地理解机器视觉都能解决哪些问题。
01 人脸识别
人脸识别 （Face Recognition）是基于人的面部特征信息进行身份识别的一种生物识别技术。它通过采集含有人脸的图片或视频流，并在图片中自动检测和跟踪人脸，进而对检测到的人脸进行面部识别。人脸识别可提供图像或视频中的人脸检测定位、人脸属性识别、人脸比对、活体检测等功能。
人脸识别是机器视觉最成熟、最热门的领域，近几年，人脸识别已经逐步超过指纹识别成为生物识别的主导技术。人脸识别分为4个处理过程——人脸图像采集及检测、人脸图像预处理、人脸图像特征提取以及匹配与识别 ，其主要应用及说明如下：
人脸支付： 将人脸与用户的支付渠道绑定，支付阶段即可刷脸付款，无须出示银行卡、手机等，提高支付效率（如图1-3）人脸开卡： 客户在银行等部门开卡时，可通过身份证和人脸识别进行身份校验，以防止借用身份证进行开卡人脸登录： 用户注册阶段录入人脸图片，在安全性要求较高的场景中启动人脸登录验证，以提高安全性VIP人脸识别： 通过人脸识别自动确定客户的身份，提供差异化服务人脸签到： 活动开始前录入人脸图片，活动当天即可通过刷脸进行签到，提高签到效率人脸考勤： 利用高精度的人脸识别、比对能力，搭建考勤系统，提升考勤效率，提高防作弊能力（如图1-3所示）人脸闸机： 在机场、铁路、海关等场合利用人脸识别确定乘客身份会员识别： 会员到店无须出示会员凭证，只要刷脸即可完成会员身份验证，实现无卡化身份确认和人流统计安防监控： 在银行、机场、商场、市场等人流密集的公共场所对人群进行监控，实现人流自动统计、特定人物的自动识别和追踪相册分类： 通过人脸检测，自动识别照片库中的人物角色，并进行分类管理，提升产品的用户体验人脸美颜： 基于人脸检测和关键点识别，实现人脸的特效美颜、特效相机、贴片等互动娱乐功能▲图1-3 人脸识别应用场景
由于人脸识别产业的需求旺盛，众多大型科技公司和人工智能创业公司均有涉足该领域，目前该技术已经处于大规模商用阶段，未来3～5年仍将继续保持高速增长。
02 视频监控分析
视频监控分析是利用机器视觉技术对视频中的特定内容信息进行快速检索、查询、分析的技术。由于摄像头的广泛应用，由其产生的视频数据已是一个天文数字，这些数据蕴藏的价值巨大，靠人工根本无法统计，而机器视觉技术的逐步成熟，使得视频分析成为可能。
通过这项技术，公安部门可以在海量的监控视频中搜寻到罪犯；在拥有大量流动人群的交通领域，该技术也被广泛应用于人群分析、防控预警等。
城市治理是视频监控分析应用价值最高的领域之一，以下列举了一些典型的应用场景及说明：
交通拥堵治理： 视频分析技术可用于进行车辆检测、车型识别、车牌识别、非机动车检测、行人检测、红绿灯识别、车辆排队长度、车辆通行速度、拥堵程度判断分析。识别、分析这些信息可用于实现交通态势预测和红绿灯优化配置，从而缓解交通拥堵指数，加快车辆通行速度，提升城市运行效率异常事件检测与轨迹跟踪： 视频分析技术可用于检测拥堵、逆行、违法停车、缓行、抛锚、事故、快速路上的行人和非机动车、路面抛洒物、路口行人大量聚集等异常交通事件的发生（如图1-4）。根据这些信息，一方面可以实时报警，由交警介入处理；另一方面，视频索引可以实现高效的以图搜图查询，通过车辆轨迹跟踪保留证据，实现非现场执法，可以节省大量警力，并提升交通管理的效率平安城市情报搜集分析： 视频分析技术可用于视频中动态人脸和基础人脸的实时比对，人群密度和不同方向人群流量的分析，智能研判、自动预警重点人员、重点车辆、重点物品在重点时间段出现在重点区域的有效线索，实现基于视频数据的案件串并与动态人员管控，为嫌疑人建立地理画像模型，提高主动防御、精确布控的水平，从海量视频中追踪罪犯成为可能厂区安全管理： 视频分析技术可用于对厂区人员是否戴安全帽，是否在安全区域作业等安全管理问题进行分析，此技术还可应用于其他有安全管控需求的区域，如矿山安全管理、仓库管理等门店客流分析： 在商场或门店部署摄像装置，利用视频分析技术，可实现识别顾客身份、分析顾客行为、指导导购人员进行精准推荐、监控顾客异常行为等功能▲图1-4 交通异常事件监测
视频/监控领域盈利空间广阔，商业模式多种多样，将视觉分析技术应用于视频监控领域正在形成一种趋势，目前已率先应用于交通、安防、零售、社区、楼宇、校园、工地等场合。
03 工业瑕疵检测
机器视觉技术可以快速获取大量信息，并进行自动处理。在自动化生产过程中，人们将机器视觉系统广泛应用于工业瑕疵诊断、工况监视和质量控制等领域。
工业瑕疵诊断是指利用传感器（如工业相机、X光等）将工业产品内外部的瑕疵进行成像，通过机器学习技术对这些瑕疵图片进行识别（如图1-5），确定瑕疵的种类、位置，甚至对瑕疵产生的原因进行分析的一项技术。目前，工业瑕疵诊断已成为机器视觉的一个非常重要的应用领域。
▲图1-5 工业瑕疵诊断应用场景
随着制造业向智能化、无人化方向发展，以及人工成本的逐年上升，广泛存在于制造业的产品外观检测迫切需要通过机器视觉技术替代人工外检人员。
一方面图像外检技术可以运用到一些危险环境和人工视觉难以满足要求的场合；另一方面，更重要的是，人工检测面临检测速度慢、检测准确率不稳定（随着人眼检测时间的增加，检测准确率明显下降）、不同质检员的检测水平不一致的情况，同时，质检员的责任心、状态也会影响检测水平，这些都会直接影响产品的品质。
而图像外检技术可以大大提高生产效率、速度和生产的自动化程度，降低人工成本。
04 图片识别分析
这里所说的图片识别是指人脸识别之外的静态图片识别，图片识别可应用于多种场景，目前应用比较多的是以图搜图、物体/场景识别、车型识别、人物属性、服装、时尚分析、鉴黄、货架扫描识别、农作物病虫害识别等。
这里列举一个图像搜索的例子：拍立淘。拍立淘是手机淘宝的一个应用，主要通过图片来代替文字进行搜索，以帮助用户搜索无法用简单文字描述的需求。
比如，你看到一条裙子很好看，但又很难用简单的语言文字来描述这条裙子的样子，那么这个时候就可以使用拍立淘，通过图片轻松地在淘宝上搜出同款裙子 ，或者是与它非常接近的款式，如图1-6所示。
▲图1-6 图片识别应用效果
05 自动驾驶/驾驶辅助
自动驾驶汽车是一种通过计算机实现无人驾驶的智能汽车，它依靠人工智能、机器视觉、雷达、监控装置和全球定位系统协同合作，让计算机可以在没有任何人类主动操作的情况下，自动安全地操作机动车辆（如图1-7）。机器视觉的快速发展促进了自动驾驶技术的成熟，使无人驾驶在未来成为可能。
▲图1-7 自动驾驶汽车应用场景
自动驾驶技术链比较长，主要包含感知阶段、规划阶段和控制阶段三个部分。机器视觉技术主要应用在无人驾驶的感知阶段，其基本原理可概括如下。
使用机器视觉获取场景中的深度信息，以帮助进行后续的图像语义理解，在自动驾驶中帮助探索可行驶区域和目标障碍物。通过视频预估每一个像素的运动方向和运动速度。对物体进行检测与追踪。在无人驾驶中，检测与追踪的目标主要是各种车辆、行人、非机动车。对于整个场景的理解。最重要的有两点，第一是道路线检测，其次是在道路线检测下更进一步，即将场景中的每一个像素都打成标签，这也称为场景分割或场景解析。同步地图构建和定位技术。06 三维图像视觉
三维图像视觉主要是对三维物体进行识别，其主要应用于三维机器视觉、双目立体视觉、三维重建、三维扫描、三维测绘、三维视觉测量、工业仿真等领域。三维信息相比二维信息，能够更全面、真实地反映客观物体，提供更大的信息量。
近年来，三维图像视觉已经成为计算机视觉领域的重要课题，在虚拟现实、文物保护、机械加工、影视特技制作、计算机仿真、服装设计、科研、医学诊断、工程设计、刑事侦查现场痕迹分析、自动在线检测、质量控制、机器人及许多生产过程中得到越来越广泛的应用。
07 医疗影像诊断
医疗数据中有90%以上的数据来自于医疗影像。医疗影像领域拥有孕育深度学习的海量数据，医疗影像诊断可以辅助医生做出判断（如图1-8），提升医生的诊断效率。目前，医疗影像诊断主要应用于如下场景中：
肿瘤探测： 通过图像技术，医疗影像诊断可进行如皮肤色素瘤、乳腺癌、肺部癌变的早期识别肿瘤发展追踪： 机器视觉技术可以根据器官组织的分布，预测出肿瘤扩散到不同部位的概率，并能从图片中获取癌变组织的形状、位置、浓度等信息血液量化与可视化： 通过核磁共振图像，医疗影像诊断可以更有效地再现心脏内部血液的流量变化，并可探测心脏是否发生病变病理解读： 不同医生对于同一张图片的理解可能会有不同，机器视觉技术可用于解读图片，并向医生提供较为全面的报告，使医生能够了解到多种不同的病理可能性糖尿病视网膜病变检测： 由糖尿病导致的视网膜病变是失明的一大主因，而早期治疗可以有效减缓这一症状。机器视觉技术可以辨认出患者是否处于糖尿病视网膜病变早期，并能根据图片像素判断病情的发展程度图1-8是肝脏及结节分割技术的影像分析结果。
▲图1-8 肝脏及结节分割技术，从左至右：CT原始影像、真实结果、算法结果
08 文字识别
计算机文字识别，俗称光学字符识别 （Optical Character Recognition），是利用光学扫描技术将票据、报刊、书籍、文稿及其他印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。该技术可应用于如下场景中：
卡证类识别： 如身份证、名片、行驶证、驾驶证、银行卡、营业执照、户口本、签证、房产证等证件类文字识别票据类识别： 定额发票、火车票、飞机票、出租车票等票据类文字识别出版类识别： 书籍、报刊等印刷物的识别实体标识识别： 道路指示牌识别（如图1-9）、广告牌识别等▲图1-9 文字识别技术的应用场景
09 图像/视频的生成及设计
人工智能技术不仅可以对现有的图片、视频进行分析、编辑，还可以进行再创造。机器视觉技术可以快速、批量、自动化地进行图片设计，因此其可为企业大幅度节省设计人力成本。
人工智能可以从艺术作品中抽象出视觉模式，然后将这些模式应用于具有该作品的标志性特征的摄影图像的幻想再现。这些算法还可以将任何粗糙的涂鸦转换成令人印象深刻的绘画，看起来就像是由描绘真实世界模型的专家级人类艺术家创建的一样。
人工智能技术可以手绘人脸的草图，并通过算法将其转化为逼真的图像；还可以指导计算机渲染任何图像，使其看起来好像是由特定人类艺术家以特定风格创作的一样；甚至可以对任何图像、图案图形和其他不在源头中的细节化腐朽为神奇。
关于作者：魏溪含 ，爱丁堡大学人工智能硕士，阿里巴巴达摩院算法专家，在计算机视觉、大数据领域有8年以上的算法架构和研发经验。
涂铭，阿里巴巴数据架构师，对大数据、自然语言处理、图像识别、Python、Java相关技术有深入的研究，积累了丰富的实践经验。
张修鹏，毕业于中南大学，阿里巴巴技术发展专家，长期从事云计算、大数据、人工智能与物联网技术的商业化应用，在阿里巴巴首次将图像识别技术引入工业，并推动图像识别产品化、平台化。
本文摘编自《深度学习与图像识别：原理与实践》，经出版方授权发布。
延伸阅读《深度学习与图像识别：原理与实践》
推荐语： 阿里巴巴达摩院算法专家、阿里巴巴技术发展专家、阿里巴巴数据架构师联合撰写，从技术原理、算法和工程实践3个维度系统展开，既适合零基础读者快速入门，又适合有基础读者理解其核心技术；写作方式上避开了艰涩的数学公式及其推导，深入浅出。
机器视觉应用大盘点：哪一个领域能率先“上车”？
机器视觉起源于上世纪50年代 —— Gilson提出了“光流”这一概念，并基于相关统计模型发展了逐像素的计算模式，标志着2D影像统计模式的发展。
本文引用地址：http://www.eepw.com.cn/article/202008/416591.htm
相对于人类视觉而言，机器视觉在量化程度、灰度分辨力、空间分辨力和观测速 度等方面存在显著优势。其利用相机、镜头、光源和光源控制系统采集目标物体 数据，借助视觉控制系统、智能视觉软件和数据算法库进行图形分析和处理，软 硬系统相辅相成，为下游自动化、智能化制造行业赋予视觉能力。
随着深度学习、3D视觉技术、高精度成像技术和机器视觉互联互通技术的发展，机器视觉性能优势进一步提升，应用领域也向多个维度延伸。
国内机器视觉起步晚，目前处于快速成长期。国内机器视觉源于上世纪80年代的第一批技术引进。自1998年众多电子和半导体工厂落户广东和上海开始，机器视觉生产线和高级设备被引入我国，诞生了国际机器视觉厂商的代理商和系统集成商。
随着全球制造中心向我国转移，目前中国已是继美国、日本之后的第三大机器视 觉领域应用市场。据中国视觉产业联盟，2018年我国机器视觉行业销售额达到83亿元，较2013年翻了3倍，年复合增长率达33.54%。
机器视觉基本架构
机器视觉（Machine Vision）是指通过光学装置和非接触传感器自动接收并处理 真实物体的图像，分析后获取所需信息或用于控制机器运动的装置。通俗地说， 机器视觉就是用机器代替人眼。机器视觉模拟眼睛进行图像采集，经过图像识别 和处理提取信息，最终通过执行装置完成操作。
五大模块构筑机器视觉系统：按照信号的流动顺序，机器视觉系统主要包括光学 成像、图像传感器、图像处理、IO和显示等五大模块。
· 光学成像模块设计合理的光源和光路，通过镜头将物方空间信息投影到像方，从而获取目标物体的物理信息；
· 图像传感器模块负责信息的光电信号转换，目前主流的图像传感器分为CCD与CMOS两类；
· 图像处理模块基于以CPU为中心的电路系统或信息处理芯片，搭配完整的图像处理方案和数据算法库，提取信息的关键参数；
· IO模块输出机器视觉系统的结果和数据；
· 显示模块方便用户直观监测系统的运行过程， 实现图像的可视化。
机器视觉的主要应用领域
现在，发展迅猛的自动化技术在我国掀起了热潮，我们对机器视觉的认识加深，每个人对它的看法发生了巨变。机器视觉系统让大批量、持续生产的自动化程度提高了，大大提高了为工业生产效率和产品精度，同时获取信息与自动处理的能力变得极其快，为工业生产的信息集成提供了有效途径。机器视觉技术不断成熟和进步，应用范围变得越来越宽泛。
1.工业检测
近几十年来，在工业检测中利用视觉系统的非接触、速度快、精度合适、现场抗干扰能力强等突出的优点，使机器视觉技术得到了广泛的应用，取得了巨大的经济与社会效益。
机器视觉系统的特点是提高生产的柔性和自动化程度。运用在一些危险工作环境或人工视觉难以满足要求的场合；此外，在大批量工业生产过程中，机器视觉检测可以大大提高生产效率和生产的自动化程度。
自动视觉识别检测目前已经用于产品外形和表面缺陷检验，如木材加工检测、金属表面视觉检测、二极管基片检查、印刷电路板缺陷检查、焊缝缺陷自动识别等。这些检测识别系统属于二维机器视觉，技术已经较为成熟，其基本流程是用一个摄像机获取图像，对所获取的图像进行处理及模式识别，检测出所需的内容。
2.汽车制造行业
汽车制造质量原先主要依靠三坐标测量完成，效率低、时间长、数据量严重不足， 且只能离线测量。机器视觉引入非接触测量技术，逐步发展成固定式在线测量站 与机器人柔性在线测量站等在线测量系统，可严格监控车身尺寸波动，提供数据支持。
除传统三坐标测量、激光在线测量外，蓝光扫描测量、表面缺陷测量等视觉测量 方法可进行更加精细地测量，对车身基本特征尺寸、车体装配效果、缺陷等提供 高精度监控。多种监控测量手段互相结合，确保生产零件零缺陷、整车制造高质量。
机器视觉检测系统可以对产品进行制造工艺检测、自动化跟踪、追溯与控制等， 包括通过光学字符识别（OCR）技术获取车身零件编码以保证零件在整个制造过程中的可追溯性，通过识别零件的存在或缺失以保证部件装配的完整性，以及通过视觉技术识别产品表面缺陷或加工工具是否存在缺陷以保证生产质量。
3.消费电子行业
消费电子行业元器件尺寸小、质量标准高，适合用机器视觉系统检测，也促进机器视觉技术进步。同时，消费电子产品生命周期短、需求量大，拉动机器视觉市场需求。
机器视觉在消费电子领域，以PCB/FPC AOI检测、零部件及整机外观检测、装配引导等应用为主，并呈现出越来越多的新的应用场景。
PCB缺陷检测主要是焊点缺陷检测和元器件检测两大部分。传统的人工目视检测法易漏检、速度慢、时间长、成本高，已不能满足生产需要，机器视觉PCB检测系统具有重要的现实意义。
在电路板从印刷装置中移下，或在清洗剂中清洗后，以及返修完成返回生产线中，机器视觉提供的在线视觉技术可以在实施印刷操作后直接发现存在的缺陷情况，保证了操作者在加上PCB以前能够及时处理有关问题。另外，发现缺陷时可以有效防止有缺陷的电路板送达生产线后端，从而避免出现返修或废弃现象。操作者能够及时得到反馈，明确处于操作中的印刷工艺操作是否良好，达到预防缺陷产生的目的，对生产效率和良率的提升至关重要。
4.图像识别
图像识别，简单讲就是使用机器视觉处理、分析和理解图像，识别各种各样的的对象和目标，功能非常强大，图片识别应用热度在视觉与图像领域中排名第三。
最典型的图像识别应该就是识别二维码了。二维码和条形码是我们生活中极为常见的条码。在商品的生产中，厂家把很多的数据储存在小小的二维码中，通过这种方式对产品进行管理和追溯，随着机器视觉图像识别应用变得越来越广泛，各种材质表面的条码变得非常容易被识别读取、检测，从而提高现代化的水平、生产效率大大的提高、生产成本降低。
图像识别大多商用场景还属于蓝海，潜力有待开发，同时，图片数据大多被大型互联网企业所掌握，创业公司数据资源稀少。人脸识别也属于图像识别的一个应用场景，做人脸识别的大多数企业同时也在提供图像识别服务，但是销售效果不佳，主要赢利点还在于人脸识别。
5.物体分拣
在机器视觉应用环节中，物体分拣应用是建立在识别、检测之后的一个环节，通过机器视觉系统将图像进行处理，结合机械臂的使用实现产品分拣。
举个例子，在过去的产线上，是用人工的方法将物料安放到注塑机里，再进行下一步工序。现在则是使用自动化设备分料，其中使用机器视觉系统进行产品图像抓取、图像分析、输出结果，再通过机器人把对应的物料放到固定的位置上，从而实现工业生产的智能化、现代化、自动化。
6.视频/监控分析
人工智能技术可以对结构化的人、车、物等视频内容信息进行快速检索、查询。这项应用使得让公安系统在繁杂的监控视频中搜寻到罪犯的有了可能。在大量人群流动的交通枢纽，该技术也被广泛用于人群分析、防控预警等。
视频/监控领域盈利空间广阔，商业模式多种多样，既可以提供行业整体解决方案，也可以销售集成硬件设备。将技术应用于视频及监控领域在人工智能公司中正在形成一种趋势，这项技术应用将率先在安防、交通甚至零售等行业掀起应用热潮。
7.文字识别
计算机文字识别，俗称光学字符识别，它是利用光学技术和计算机技术把印在或写在纸上的文字读取出来，并转换成一种计算机能够接受、人又可以理解的格式。这是实现文字高速录入的一项关键技术。
8.食品包装与制药行业应用
机器视觉在食品包装领域适用范围广泛，可用于检测瓶子的分类和液位测量、标 签、盖子、盒子的检查，以及瓶的形状、尺寸、密封性和完整性。被检查的包装 形状不限包装盒、包装箱、金属箱、管状、泡状、盘状、广口瓶、细口瓶、罐装 和桶装等。食品包装是食品质量的重要保障，可以保护食品在流通过程中免受污染，提高品质，避免发生安全事故。
制药企业的生产过程中，药品关系到人的生命健康，即使是微小的缺陷存在，一 旦药品流通到市场后也会对患者造成无法弥补的损失，甚至导致医疗事故的发生。机器视觉在药品包装、质量检测及控制等多个方面有广大作为，助力医药行业加 快现代化、智能化进程。目前，在数粒、打码、泡罩版缺粒、药品残缺和断片、 加装说明书、编码识别等检测环节，机器视觉检测内容丰富、稳定、精确，满足医药行业包装线经常变包装产品的需求。
9.无人驾驶
随着汽车的普及，汽车已经成为人工智能技术非常大的应用投放方向，但就目前来说，想要完全实现自动驾驶/无人驾驶，距离技术成熟还有一段路要走。不过利用人工智能技术，汽车的驾驶辅助的功能及应用越来越多，这些应用多半是基于计算机视觉和图像处理技术来实现。
10.图像及视频编辑
目前市场上也出现了很多运用及机器学习算法对图像进行处理，可以实现对图片的自动修复、美化、变换效果等操作。并且越来越受到用户青睐。
机器视觉在应用场景上逐渐突破工业检测，其应用边界逐步向智能生活领域拓展。由于机器视觉在智能生活、智能制造两个领域具有不同的技术特点和应用进展，所以机器视觉于这两个领域的行业发展趋势也不尽相同。
应用场景不断丰富
全球机器视觉正处于快速成长期。据markets and markets预测，全球机器视觉市场规模至2025年有望达到147美元；GGII数据显示，2019年我国机器视觉市场规模65.5亿元（不包含计算机视觉市场），同比增长21.8%。2014-2019年复合增长率为28.4%，并预测到2023年中国机器视觉市场规模将达到155.6亿元。
目前主流的机器视觉技术仍采用传统方式，即首先将数据表示为一组特征，分析特征或输入模型后，输出得到预测结果，在结构化场景下定量检测具有高速、高准确率、可重复性等优势。但随着机器视觉的应用领域扩大，传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。
深度学习对原始数据通过多步特征转换，得到更高层次、更加抽象的特征表示，并输入 预测函数得到最终结果。深度学习可以将机器视觉的效率和鲁棒性与人类视觉 的灵活性相结合，完成复杂环境下的检测，特别是涉及偏差和未知缺陷的情形， 极大地拓展了机器视觉的应用场景。
传统的2D机器视觉技术在三个自由度（x、y和旋转）上定位目标物体，并基于灰度或彩色图像对比度提供图像处理分析结果，无法获取目标物体的三维信息， 也易受光照条件变化、物体运动等影响。3D机器视觉技术可以在六个自由度（x、 y、z、旋转、俯仰和横摆）上定位目标物体，提供丰富的三维信息，使机器能够 感知物理环境的变化并作出相应调整，提高了应用中的灵活性和实用性。
机器视觉功能很少作为孤立的系统，而是以整个自动化系统或者设备的有机组成部分之一出现，也往往在配合逻辑控制、运动控制、数据采集、通信网络以及企业数据库管理等其它功能时，才能真正发挥出其优势。
构建机器视觉系统，除了完成从光源调配到图像处理软件开发系列过程外，更是面临着与上述种种复杂的自动化系统功能集成所带来的挑战。单一的视觉开发软硬件方案，往往使得自动化系统整体的开发周期、成本和不确定性风险都要由制造方或者集成商来承担。机器视觉与自动化系统集成的困难，很大程度上阻碍了其在相对保守的工业自动化领域的应用。
行业内企业、协会和产业联盟不断合作，制定数据接口、通讯协议等基础共性标准，旨在打通视觉和各信息系统的通道，实现系统间的互联互通，是工业发展的必然趋势。
相关问答
机器视觉 的 应用 ?机器视觉是配备有感测视觉仪器(如自动对焦相机或传感器)的检测机器。其中光学检测仪器占有比重非常高,可用于检测出各种产品的缺陷,或者用与判断并选择出物...
哪位大仙，急急急! 机器视觉 检测设备可以 应用 在哪些行业?十万...[回答]机器视觉检测设备它是通过机器视觉检测系统对产品的表面、外形缺陷、外观瑕疪进行检测。缺陷检测范围太宽了,除了能检测产品的外观尺寸外,主要还表...
机器视觉应用 工程师有前途吗?机器视觉技术,是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能,...
机器视觉 检测设备可以 应用 在哪些行业?拜托了帮个忙[回答]机器视觉检测设备适用行业还蛮广的,精密五金、电子元器件,硅胶橡胶、磁性材料、陶瓷零件等行业都可以用的。机器视觉检测设备应用行业很多,比如:精...
3d 机器视觉 在陶瓷厂的 应用 ?3D机器视觉在陶瓷厂的应用主要包括以下几个方面:1.检测和排序:利用3D视觉系统可以对陶瓷产品进行快速而准确的检测和排序。例如,可以检测陶瓷产品表面的缺陷...
铝塑包装中 机器视觉 是如何检测 应用 的?首先基于机器视觉和图像处理技术构建了一套铝塑包装缺陷检测的样品。然后在捕获各类无缺陷的铝塑包装的图像,提取其图像特征,建立模板库,再在流水线捕获待测铝...
机器视觉 工程师有前途吗?机器视觉工程师有前途我国正处于由劳动密集型向技术密集型转型的时期,对提高生成效率、降低人工成本的机器视觉方案有着旺盛的需求,因此正在成为全球机器视觉...
机器视觉 检测设备可以 应用 在哪些行业?大侠们，求解[回答]机器视觉检测设备应用行业很多,比如:精密五金、电子元器件,硅胶橡胶、磁性材料、陶瓷零件等等机器视觉检测设备意义在于取代人工品检,针对外观尺寸...
机器视觉 检测设备可以 应用 在哪些行业?求解答[回答]机器视觉检测设备应用行业很多,比如:精密五金、电子元器件,硅胶橡胶、磁性材料、陶瓷零件等等机器视觉检测设备意义在于取代人工品检,针对外观尺寸...
哪位知道 机器视觉 检测设备都 应用于 哪些行业?想知道[回答]机器视觉检测设备适用的场景主要是以下两类:1、不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合;2、在大批量工业生产过程中,用人工视...
