传统机器视觉
A. 机器视觉技术的发展趋势
【机器视觉技术的发展趋势】机器视觉的概念起始于20世纪60年代，最先的应用来自"机器人"的研制。最早基于视觉的机器系统，先由视觉系统采集图像并进行处理，然后通过计算估计目标的位置来控制机器运动。1979年提出了视觉伺服概念，即可以将视觉信息用于连续反馈，提高视觉定位或追踪的精度。
1、60年代：MIT()的Roberts通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述．他的研究工作开创了以理解三维场景为目的的三维计算机视觉研究。
2、70年代：首次提出较为完整的视觉理论，已经出现了一些视觉应用系统．70年代中期，MIT人工智能(ArtificialIntelligence)实验室正式开设"机器视觉"课程。1973年MITAILab吸引了国际上许多知名学者参与视觉理论、算法、系统设计的研究，D.Marr教授就是其中的一位．他于1973年应邀在MITAILab领导一个以博士生为主体的研究小组，1977年提出了视觉计算理论(VisionComputationalTheory)，该理论在80年代成为计算机视觉领域中的一个十分重要的理论框架。
3、80年代中期：计算机视觉获得蓬勃发展，新概念、新方法、新理论不断涌现。我国早期正式介绍计算机视觉的文献：计算机视觉：一个兴起的研究领域，计算机应用与软件，1984年第3期。
4、90年代中期：深入发展、广泛应用的时期。
随着微处理器、半导体技术的进步，以及劳动力成本上升和高质量产品的需求，国外机器视觉于20世纪90年代进入高速发展期，广泛运用于工业控制领域。根据工业环境的不同，全球机器视觉主要分为以下两类：
一类是用于大规模或者高测试要求的生产线上，如包装、印刷、分拣等，或者在野外、核电等不适合人员工作的环境中，利用机器视觉方式代替传统人工测量或检试，同时实现人工条件下无法达到的可靠性、精确度及自动化程度。
另一类应用是必须用到高性能、精密机器视觉组件的专业设备制造，典型代表是最早带动整个机器视觉行业崛起的半导体制造设备。从上游晶圆加工制造的分类切割，到末端电路板印刷、贴片，这类设备都依赖于高精度的视觉测量以对运动部件进行导引与定位。例如，如果锡膏印刷工序存在定位偏差，且该问题直到芯片贴装后的在线测试才被发现，那么返修的成本将会是原成本的100倍以上。
机器视觉发展至今，早已不是单一的应用产品。机器视觉的软硬件产品已逐渐成为生产制造各个阶段的必要部分，这就对于系统的集成性提出了更高的要求。工业自动化企业要求能够与测试或控制系统协同工作的一体化工业自动化系统，而非独立的视觉应用。在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。
B. 机器视觉定位是什么和机器视觉检测有什么不同
机器视觉定位和机器视觉检测其实同属同一行业，在机器视觉系统的应用中，有些人用于定位，有些由于检测，因此就有了不同的叫法，比如自动打孔，那用途就是定位，检查产品缺陷时就是用到的就是检测，就好比买了菠萝，有些人直接当水果生吃，有些人用来做海鲜菠萝炒饭，有些人用来、做糕点是一个道理，具体的应用要根据实际情况要求而定，叫法上也就自然有所差异了。
C. 机器视觉行业在国内多少年了
在中国，视觉技术的应用开始于90年代，因为行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。目前国内机器视觉大多为国外品牌。国内大多机器视觉公司基本上是靠代理国外各种机器视觉品牌起家，随着机器视觉的不断应用，公司规模慢慢做大，技术上已经逐渐成熟。制造业不断增长引爆全球机器视觉技术市场。在制造业向智能化转型升级中，机器视觉更是迎来发展良机。依托于智能制造，机器视觉市场需求将再度爆发。
据前瞻产业研究院发布的《中国机器视觉产业发展前景与投资预测分析报告》数据显示，2016年全球机器视觉系统及部件市场规模约45.7亿美元，2011-2016年复合增长率10%。预计2018年全球市场规模或达55亿美元。从产业地区分布看，2016年全球机器视觉产业主要分布于德国、美国和日本地区，占比分别为30%、24%和14%。
根据调查统计，现在已进入中国的国际机器视觉品牌已近200多家，中国自有的机器视觉品牌也已有100多家，机器视觉各类产品代理商超过了300家，专业的机器视觉系统集成商也有100多家。
但是，国内机器视觉企业的水平与国际上仍有很大的差距，以至于一些国内的企业购买了机器视觉系统，还要花费昂贵的费用聘请国外的系统集成商。集成系统供应商中在视觉产品的选择方面，依然较青睐于国外品牌。
随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能需求开始广泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。当然、其他领域如指纹检测等等领域也有着很好的发展空间。
D. 机器视觉检测技术与传统检测技术有何不同
关键不在于视来觉而在于机器源人，机器人会按照设定好的路径及算法进行移动，重复定位精度极高，也就是说保证了检测的点，至于用视觉还是射线还是超声探测，都是另外一码事，与传统检测手段相比，从静态变为了动态，几乎可以无死角。再就是对于每个工件来说，检测的点都是一样的，即使细小的差异也能被发现，检测的精度更高了。
E. 机器视觉哪种软件比较好
1、以Halcon，VisionPro为代表的传统机器视觉软件，通过调用各种算法因子，针对目标特征，定制化设置各种参数。其擅长解决以测量为主的定量问题，和判断有无的简单问题，但对复杂检测类的需求，漏检率/误检率较高。虽然软件价格一降再降，国产软件售价仅几千元甚至免费，但前期开发和后期维护成本较高，在使用时面临很大的局限性。
2、以康耐视的VIDI、Sualab(已被康耐视收购)为代表的深度学习软件，将深度学习的标注、训练、测试流程，以PC软件的方式进行封装，降低了用户使用深度学习技术的门槛。主要解决传统视觉无法解决的复杂缺陷检测难题，或用深度学习的标注方法，提高开发效率。但从实际应用效果来看，当前的深度学习主要以监督学习为主，针对不同场景，需要大量的模型选择、调参等工作，无法针对所有场景，通用性的解决，因此，并没有解决传统算法需要定制开发的难题，并且用户的使用门槛较高，普通工程师对深度学习的调参一般没有基础。
3、北京矩视智能科技有限公司，成立于2017年，先后获融资近千万元，创新性的提供了一款云端的工业视觉深度学习工具，线上实现标注、训练、测试流程，依靠在云端积累的大量不同场景的深度学习模型库，用户上传、标注图片后，将由云端自动匹配最优的深度学习模型和参数进行训练，用户无需任何操作，线上测试效果后，下载SDK即可本地化运行，真正做到通用级的工业视觉深度学习工具。同时在商业上，矩视智能将云端工具直接免费，下载sdk后，仅需购买Lisence加密狗，即可本地运行，致力于将深度学习技术应用于所有的工业视觉场景中。
F. 机器视觉未来前景
传统制造业面临新的颠覆，转型升级将给中国自动化行业带来巨大的市场机遇。而机器视觉作为自动化界高智能化产品，未来具有巨大的发展潜力。
中国的电子制造和代工厂商过去几年正在采购大量自动化设备取代人工，以应对中国愈演愈烈的缺工现象，未来几年这一现象将达到高潮。台资工厂纷纷选择提高自动化程度，其自动化换装高潮将在未来2-3年内到来，必将为机器视觉产品在该行业的应用带来新的增长点。
据一项权威发布的行业预测报告，中国机器视觉行业的市场规模将持续增长，在2015年将达到30亿元，而在2016年将达到38亿元，到2018年以前达到50亿美元。南京力泰科技自主研发视觉系统、汽车视觉检测设备，如有项目，大家可以探讨一下。
G. 机器视觉的应用有哪些
机器视觉的应用：
1、食品安全监测
在流水化作业生产、产品质量检测方面，有时候需要工作人员观察、识别、发现生产环节中的错误和疏漏。无论人的责任心有多强，注意力有多集中，他都有可能会疲劳、疏忽、走神，造成瑕疵品流向市场。
2、制造业
制造业竞争加剧、成本压力迫使其重视生产效率质量将促进机器视觉技术的应用。为了提高生产效率，降低人力成本，工业生产和管理中的某些人工环节正逐渐被机器代替。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些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，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。
同时，机器视觉技术还能在超标准排放烟尘、污水等方面发挥作用。利用机器视觉，能够及时发现机房及生产车间的的火灾、烟雾等异常情况。利用机器视觉中的面相检测、人脸识别技术，可以帮助企业加强出入口的控制和管理，提高管理水平，降低管理成本。
3、太阳能、交通监控
近年来新兴行业的发展给机器视觉市场也带来了新的市场空间。在太阳能领域，太阳能电池和模块生产者使用机器视觉来检测产品、识别和跟踪产品以及装配产品。在交通监控领域，可以利用车牌识别技术、图像分析技术，自动识别车牌，发现违章停车、逆行、发现交通肇事车辆等。此外，如地质灾害对地震预防、山体滑坡、泥石流、火山喷发的发现识别、防范，水文监测对河流水文状况的观测等领域机器视觉技术都有巨大空间有待挖掘。
未来的市场前景：
传统制造业面临新的颠覆，转型升级将给中国自动化行业带来巨大的市场机遇。而机器视觉作为自动化界高智能化产品，未来具有巨大的发展潜力。
中国的电子制造和代工厂商过去几年正在采购大量自动化设备取代人工，以应对中国愈演愈烈的缺工现象，未来几年这一现象将达到高潮。台资工厂纷纷选择提高自动化程度，其自动化换装高潮将在未来2-3年内到来，必将为机器视觉产品在该行业的应用带来新的增长点。
据一项权威发布的行业预测报告，中国机器视觉行业的市场规模将持续增长，在2015年将达到30亿元，而在2016年将达到38亿元，到2018年以前达到50亿美元。
H. 机器视觉技术的技术特征
“机器视觉”，即采用机器代替人眼来做测量和判断。
机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。进而根据判别的结果来控制现场的设备动作。 机器视觉的引入，代替传统的人工检测方法，极大地提高了投放市场的产品质量，提高了生产效率。
由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些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，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。 机器视觉不同于计算机视觉，它涉及图像处理、人工智能和模式识别
机器视觉是专注于集合机械，光学，电子，软件系统，检查自然物体和材料，人工缺陷和生产制造过程的工程，它是为了检测缺陷和提高质量，操作效率，并保障产品和过程安全。它也用于控制机器。
机器视觉是将计算机视觉应用于工业自动化。
I. 机器视觉与人的视觉相比有哪些优势与不足
如下表列出了机器视觉与人眼视觉的比较：