近年来，随着硬件的发展、市场需求和计算机视觉技术的普及，主要有以下趋势：
拓展领域(不只是工业，还有民用)：自动检测取代人工检测是必然的发展趋势。需求越来越多样化。原来只是生产线。现在，制造、医疗、电子、仓储等各个领域都有各种各样的应用。比如国内某知名电商公司使用3D检测包裹尺寸，内部跟踪与总参数相匹配。
2D到3D：行业基本都是3D部件，二维成像毕竟是三维空间实际情况下的病态数据采集。因此，3D周围的各种检测、测量、机器人引导等项目层出不穷，类似于计算机视觉的情况，什么结构光，ToF、双目等技术各公司也多如牛毛。
系统的实施受到各种因素的极大限制:如果你问我做一个工业视觉检测项目重要的是什么，我肯定会说我可以得到一张高质量的图片，但是为了得到这样的图片，我们需要考虑太多，比如光源、镜头选择、传感器选择、节拍考虑、安装布局、自动化集成、环境因素考虑、工件状态变化等。如果有任何问题，都会影响你的图像质量。如果你没有足够好的图片，那么无论算法有多强大，而且因为生产线有良好的产品率和节拍要求，整个工业视觉检测系统都不够快。
算法没有硬件发展快:这是我的感觉，我觉得这是目前很大的瓶颈。从系统的角度来看，硬件正在向可移动的嵌入式方向发展，但目前软件的智能远远不够。目前，在计算机视觉领域，深度学习神经网络在机器视觉领域的成功应用很少，ViDi就是其中之一。Fanuc/PreferredNetworks和Google的机器人抓取是一种比较简单的方法，当目标对象多变，特征复杂，样本数量不足时，你想用深度学习根本没有机会，或者回到传统的老路上，再考虑实时严格的要求，机器视觉特别需要一种新的智能方法，广泛应用于大多数应用领域，要么创新，要么改进，要么全面。
具体问题要具体看:机器视觉与具体应用领域密切相关。每个应用程序都需要选择与之匹配的特殊硬件和软件，都需要特殊的设计，所以没有一个解决方案可以适用于所有情况。
公司:国内做集成代理的人很多，真正有领先技术的人太少了。看看凌云和大恒，你就会知道发生了什么。最近有视频监控的大海康威视，也做机器视觉。在国外，你可以研究一下Cognex和Keyence。还有，没有一家公司会做一个机器视觉系统的所有东西，核心是算法和整个硬件的整合。有专门的公司做镜头，有专门的公司做光源，有专门的公司做支架，没有一家公司会自己做。
最终，我想谈谈工业视觉检测以及计算机视觉，虽然它们都处理图像数据，但它们之间有很大的不同。一个是整个系统级别的应用导向，一个是半理论半应用的结合，专注于算法。但也不是没有联系。比如AR在工业制造中的应用，你分不清是哪种技术。
立即咨询 >
