我從事工業(yè)視覺行業(yè)的研發(fā)工作已有8年。在這里，我總結(jié)了該行業(yè)的技術(shù)特點(diǎn)，并為新進(jìn)入者提供了一些啟發(fā)和參考。

工業(yè)視覺而不是視覺沒有人類視覺理解的能力。說穿了，只是圖像處理技術(shù)在工程上的應(yīng)用。它是工程師為完成任務(wù)而開發(fā)的所有算法和光學(xué)硬件，并且是完成特定任務(wù)的特定算法。他們之間沒有共同點(diǎn)。

過于樂觀地說，機(jī)器的智能已經(jīng)超越了人類的智能，等等。現(xiàn)在的技術(shù)還遠(yuǎn)遠(yuǎn)沒有達(dá)到這個水平，該技術(shù)只能解決一些常規(guī)和簡單的檢測任務(wù)，因?yàn)榇嬖谙鄳?yīng)的數(shù)學(xué)模型參考，例如形狀匹配，邊緣，紋理識別等。

如果絕對沒有規(guī)則可循，那么就沒有辦法開發(fā)視覺系統(tǒng)，人們一眼就能看到，簡單的事情，機(jī)器可能無法做到。因?yàn)槿藗冇凶灾鳈?quán)并且能夠真正理解任務(wù)，即使是復(fù)雜的圖案和圖案，也很容易找到特定的東西，例如按鈕，手套，但是機(jī)器無法做到，因?yàn)楸尘安灰?guī)則，工程師無法找到有效的功能來開發(fā)系統(tǒng)。

工業(yè)視覺的優(yōu)勢

但是機(jī)器視覺也有其優(yōu)勢，即不知疲倦地檢測一些簡單的東西，例如玻璃上的劃痕，屏幕上的缺陷，可以非常精確地完成并可以達(dá)到很高的準(zhǔn)確性。

工業(yè)視覺是使用機(jī)器而不是人眼進(jìn)行測量和判斷。在應(yīng)用程序級別，它主要用于系統(tǒng)集成或二次開發(fā)。可以歸納為以下四個部分：

1.外觀缺陷檢測

外觀和缺陷檢測主要使用模板匹配。

2.認(rèn)可

生物識別（面部，語音，指紋，虹膜），目標(biāo)識別（車牌識別，射頻識別等），條形碼識別（一維代碼，二維代碼），字符識別，紋理識別等。識別的最終目的主要是分類。在這里，我們需要使用大數(shù)據(jù)來訓(xùn)練和學(xué)習(xí)，并且需要使用深度學(xué)習(xí)。

3.尺寸測量

幾何尺寸測量（長度，寬度，高度，周長，面積，體積等），圓形或橢圓形（中心，半徑，輪廓，角度，大小等）；必須首先校準(zhǔn)測量，這涉及相機(jī)校準(zhǔn)。

4.位置

工具定位和移位，裝配，碼垛機(jī)器人的定位等。工業(yè)視覺系統(tǒng)可以快速獲取大量信息，并且易于自動處理。與設(shè)計信息和處理控制信息的集成也很容易。因此，在現(xiàn)代自動化生產(chǎn)過程中，機(jī)器視覺系統(tǒng)被廣泛用于狀態(tài)監(jiān)視，產(chǎn)品檢查和質(zhì)量控制領(lǐng)域。

另外，人工智能，即當(dāng)前的人工智能，還找到了一種自動提取模式，收集足夠的代表性樣本，然后使用該系統(tǒng)進(jìn)行學(xué)習(xí)，然后將該系統(tǒng)應(yīng)用于圖像分類的方法。實(shí)際上，它并沒有太多的智能，只是技術(shù)，它仍然屬于Turing機(jī)器類別。要真正理解圖像，還有很長的路要走。工業(yè)視覺，人工智能，目前尚不能做到，正在給予科學(xué)研究者和碩士，博士研究空間。