机器视觉算法有没有前途

❶ 目前机器视觉发展到什么水平

其实机器视觉的发展是相当缓慢的，因为近期计算机硬件发展的很快，CPU性能可以支持很大分辨率图像的计算和很复杂的算法，好像视觉技术也发展的很快一样，其实视觉发展的还是很慢的。
因为机器视觉使用计算机编程技术来模仿人类视觉，模仿人类的辨别能力，检测能力；只是在很粗的粒度上进行模拟，或者说在很浅显的水平上进行模拟，更深层次的东西大家都没弄明白。
比如说一张图画里面有若干条直线，需要数出来有几条，这个对于人来讲太容易了，是吧，但是对于计算机视觉来说，还摸不着头脑，因为计算机没有人类的理解能力，思考能力，他只是能很快的执行加减乘除(乘除也是用加法器凑出来的), 计算机的所有功能说白了，底层只是加减乘除而已，根本没有思维，没有意识，那他怎么去数直线的根数呢？
通过数学方法的霍夫变换来实现。霍夫变换是1960-1970年之间的Paul Hough 发明的，他把空间中的所有点的坐标，转换为许多直线方程，每个点都对应无数个直线方程，共线的点的直线方程就会重复，那么最后数出来那些直线方程的个数超过阈值，那么就是有多少条直线。
看明白了吧，即使数直线个数这么简单的任务也要用这么复杂的数学变化来实现，那么其他的比如玻璃表面的划伤检测呢，或者印刷品表面的漏印检测呢，再或者机器人自动抓取是怎么实现的的，背后都是数学算法在支撑着，讲穿了其实没有什么太深不可测的。
既然是有数学算法支撑，那么数学能解决的问题是有有限的，所以机器视觉能解决的问题也是有限的，本质上说跟人类的视觉是有根本性差别的。这些差别体现在，人类可以理解非常复杂的物体，可以在非常复杂的背景中，准确找出千变万化的物体（例如手绢，例如糖果），这些对人来说毫不费力，但是机器视觉却做不出来，或者说做不好。因为它缺少理解力
一旦方程无法解决，那就没办法了。
虽然现在深度学习很火，好像遍地开花一样，但是深度学习也并没有产生人类的理解能力，它也只是一种复杂的分类器而已，它用几百万上千万个参数去迭代拟合复杂的图片，以便得到正确的分类结果，但是一旦系统训练好了，他遇到新的类别还是会分错，他没有自动学习能力，并且在复杂的有噪声的背景中，识别目标的能力还是远低于人，这都是数学方法的限制带来的。
那么回到主题，机器视觉是否已经无所不能，开始全面代替人工呢？ 答案是否定的。
但是可以替代那些简单重复性的人工劳动，比如在饮料灌装线上，挑出没有灌满的瓶子；在电缆生产车间，检查电缆表面是否有破损，或者在高速行进的单一颜色布匹上，检查出断丝。这些都是现在数学可以解决的问题，用机器视觉也是非常合适的。
如果面对的任务不是这些简单重复性的，例如灾区搜救，照看病人，捉拿罪犯，教育孩子这些需要一定智力的活动机器就做不好了。可能等以后真正的智能出来了，才能做好。

❷ 机器视觉算法在未来的发展趋势如何国内有哪些专门做这个的知名企业

国内的话华汉伟业的机器视觉算法比较有名吧，未来将在工业相机中的视觉传感器在结构设计上不断优化；嵌入式视觉系统的应用增加工业现场编程效率；设备端深度学习模型不断获得压缩与加速；设备端上计算能力的提升。这些都是其在未来的发展趋势。 网络也有很多相关资料。

❸ 机器视觉有前途吗

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。

❹ 机器视觉算法，光机电控制，深入学哪个更加有前途和钱途

图像、机器视觉的公司企业好像没怎么听说过？ 看来你不怎么关注科技的发展啊。
网络在2013年成立深度学习研究院，专门研究图像搜索和语音搜索，图像搜索的技术可是千万人都在用哦，未来一切生活中的商品、衣食住行，都可以直接识别，别人穿的衣服鞋子好看，你用手机扫一下就可以知道网上的价格和哪里有卖的了，看到别人出去玩照的照片，手机扫一下，就知道是哪个地方照的了，看到跑丢的小孩，手机扫一下，就知道是谁家的了，这些都是网络正在研发的技术。

❺ 机器视觉前景如何

机器视觉行业主要上市公司：目前国内机器视觉行业的上市公司主要有天准科技（688003）、美亚光电（002690）、精测电子（300567）、赛腾股份（603283）、矩子科技（300802）、先导智能（300450）、康鸿智能（839416）、劲拓股份（300400）等。

本文核心数据：机器视觉行业市场规模、行业上市企业营收、市场规模预测

1、行业市场规模持续增长

根据GGII数据显示，2019年中国机器视觉市场规模65.50亿元（该数据未包含计算机视觉市场规模），同比增长21.77%，2014-2019年复合增长率为28.36%。结合2020年新冠疫情背景下的经济环境，前瞻预计2020年行业增长率不会超过20%，2020年中国机器视觉行业市场规模约79亿元。

以上数据参考前瞻产业研究院《中国机器视觉产业发展前景与投资预测分析报告》。

❻ 机器视觉技术的发展趋势

机器视觉相关技术研发与日俱增

从我国机器视觉专利技术总体申请量变化趋势来看，机器视觉相关技术研发与日俱增。截至2020年10月21日，我国与机器视觉相关的专利申请数量为12441项。2010年机器视觉相关申请数量为215项，至2019年，申请数量达到2074项。截至2020年10月21日，与机器视觉相关的专利申请量为694项。

注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。

—— 更多数据及分析请参考前瞻产业研究院《中国机器视觉产业发展前景与投资预测分析报告》。

❼ 机器视觉技术的发展趋势

有人会说这些年来机器视觉技术的进步一直在提高。然而，当回望过去的35年，功能上的差异是巨大的。最早的机器视觉系统需要微计算机，而且它们的功能很有限。首先认识到微处理器的潜能的其中一个公司是物体识别系统，也是我的老母校。最早的微处理器没有很大的计算能力，因此基本的模式识别算法不得不被舍弃。好消息是可以做灰度级的处理算法，但坏消息是能做灰度级的处理算法而不能在好的灰度比例变化与坏的灰度比例变化之间做出判别。因此，除非有一个全职的工程师来管理这些设置，错误拒绝的数目是紊乱的，
在那个时期的其他机器视觉系统也好不了哪里去。许多的硬件都被设计来完成更复杂的图像处理算法，但是，这些只是在少量算法下才会很好工作，对于一个应用经常没必要用最好的算法。这些早期技术在一些应用中体现出重大的进步，比如光源，相机和物体的物理排列，特别是为自身设计的光源，还有它们之间的连接。优化分段处理是减少计算大量图像处理算法的关键。
幸运地是今天机器视觉的潜在计算技术在这些年里取得了很大的进步。结果是产生出更多成功的应用。配备机器视觉的很多产品都是可用的。在10～15年以前可用的性能优于机器视觉工具包的视觉传感器在今天已是普遍使用了。在一些情况下，智能相机结合处理大多数计算任务的FPGA，DSP和微处理器则会更具有智能性。具有多种连接性的数字摄像机能将一台个人电脑变成一个机器视觉系统。在这里电脑可能需要配备更智能的帧采集器，它可以插在电脑上，处理大多数图像处理任务。
在这些产品中内在的计算能力的不断提高，基于拥有权设计的机器视觉硬件在下滑。越来越多的特殊应用机器视觉系统能由一个或另一个配备的机器视觉排列来处理。
对这篇文章作出贡献的个人有下面这些：
Rene Voorwinden：Technical Director－Arvoo
Ben Dawson：Director of Strategic Development －DALSA (ipd)
Stephane Francois：Executive Vice President － Leutron Vision, Inc.
William Munroe：Director of Marketing－Microvision
Dr. Lutz Kreutzer：Marketing Manager －MVTec
Karl Gunnarsson：Vision Manager - SICK
Endre Toth：Director Business Development－Vision Components
您在已经在机器视觉中使用的可配置的视觉产品（智能相机，嵌入式视觉处理器，基于PC的引擎，帧采集器等等）中预见到什么发展趋势？
[Rene]在我看来，Arvoo在图像处理硬件的一个主要趋势是相机与处理器的集成。主要供应商中的许多只提供智能相机或集成的视觉处理器，其他的是集成了一些CCD或CMOS设备。我们相信紧凑方案有市场，尽管它主要是低级的应用市场。除此之外，终端用户的学习是非常重要的，基于智能相机的DSP或FPGA对于那些无经验的编程者来说可以充分发挥应用开发时间的优势。考虑到开发时间投入市场时间，用知名的操作系统，比如Linux，RT Linux，QNX或Ecos的方案通常是首选的。
来自在一个操作系统上运行的智能相机的主要问题是大多数都在一个基本用途的处理器上运行，比如Pentium Mobile，Power PC等等。这些处理器有较高的发热性，导致在相机内部有很高的温度。众所周知，温度会影响图像处理的许多功能，这将导致损失精度和产生许多随机噪声。
针对高端终端应用，ARVOO将图像获取（比如：帧采集器）和图像处理集成到一个视频处理器中。这个视频处理器被图像处理设备分离（比如：相机）。在这个架构下，我们在允许的产热量（大约20W）没有影响图像处理过程的条件下提供一个高处理能力。机架固定方案能够很好地应用于多个相机应用，二维和三维图像处理。在一个系统中通过千兆以太网连接多个单元，但只允许在个宽范围内安装它们。
[Ben]机器视觉将继续从降低成本和增加处理器，内存和其他组件的性能中获利。在IPD，我们看到机器视觉中有三个发展趋势。第一，机器视觉系统的用户接口会引起越来越多的关注。用户接口通常是最后考虑的，这需要从算法设计者不断贡献中来建立。结果可能对设计者有意义，但对于用户来说需要较长的时间去学习。在IPD，我们从接口开始，并通过可接受的人为因素来使得我们的视觉系统易于使用的方法来建立。
第二个趋势是使机器视觉工具成为使用简单的专用工具。与一个复杂的多功能的基本视觉系统相反，我们的工具针对于一类问题。这个在特定知识领域上建立，会极大地减少需要使用一个机器视觉工具的专家知识。举个例子，一个传统机器视觉系统有许多不同的你可能用于检测一个零件的边缘检测算子。如果你知道你正在做的，这个弹性就很好，但是让大多数用户不知道从哪里开始。与此相反，我们提供知道那些需要去做和为测量选择算法的尺度检测工具。我们把视觉专家知识生成一个工具包，以便用户只是专注于他们的任务而不是变成一个视觉专家。
第三个趋势是增加视觉系统的智能以使它能克服更多的环境变化。比如，与让用户去装置一个零件到一个特殊的位置不同，我们使用视觉搜索去寻找视场里的部件。或者再比如，我们使用能不受亮度变化影响的算法，以使部件照明简化。结合趋势二与三，我们有为专门应用而设计的视觉系统，比如监测标签。在这样的情况下，视觉系统理解最终任务，使用熟悉且适用于这个任务的接口。视觉商家必须平衡易于使用与市场大小，还有携带多个产品的成本。
[Stephane]技术趋势有包含PCIe和FPGA的帧采集器，多个GigE视觉相机，图像转化可靠性。GigE视觉（和USB2.0）要求新的设计。市场对解决特殊应用，不论是具有诸多功能的（用于不止一个系统），还是针对特殊应用的（对单个系统易于集成），都是有需求的。对于更多特征，价格总是会继续下降。
[Bill] 在过去的许多年里，机器视觉和条形码读取技术已经聚合到一个我们提到的智能相机或码图像机的新空间中。在这个新的集中技术空间中，有许多趋向涌现出，它们很可能在接下来的几年中推动工业的发展。其中之一就是消费群中使用数字相机的增加。今天你能用手机，PDA或小于一张商业卡的超薄相机就能很容易的获得高质量的图像。这会刺激消费者接受数字相机，我期望在商用视觉群中看到波动。
视觉技术将变得越来越能干，甚至易于使用且低价格。这跟在25年前紧凑显示器出现一样，当成千上万的消费者开始买基于激光二级管技术的CD播放器时，结果是可靠性在提高，激光二级管价格的急剧下降使得生产条码扫描设备的生产商逐渐增多，昂贵的氦氖激光管比便宜的二极管的小许多。就在CD播放器使用仅仅几年之后，大多数条码扫描器使用二级管。在今天看来，我期望看到商业视觉系统尺寸越来越小，高分辨率和更低成本。作为做基层和系统的工程师来说，看到这些新视觉系统的价格下降，机器视觉应用就应当打开。
第二个技术趋势可能是会更重要，即大力提高图像处理软件工具。图像处理能力和速度的增长一直以来由硬件上的提高来驱动，因此更好的开发工具会使得软件开发者开发更容易且更快，让他们开发出对于一个给定应用的需求，只需要个别修改的图像处理方案。
跟建立一个新的工业视觉系统一起的我们遇到的更多的物理复杂性可能由易于使用的软件控制选择所替代。这对做基层的工程师有利，会帮助打开智能相机和条码图像机的新的应用。
[Lutz] 我们看到与潜在技术相关的一些趋向包括：双核－对于使用并行软件64 CPU/64 Bit XP来说是基本需求，全面支持64Bit的增长速度，更多处理空间，更大的图像。