机器视觉做什么比较火

1. 什么是机器视觉可以用来做什么

我们现在在做的就是机器视觉，工业自动化方面的，要想实现自动控制，就要有专传感器，控属制中心，执行单元，ccd相机就相当于传感器，通过对关注区域图像的采集，处理，得到有用的信息，回馈给控制中心，然后控制中心会给执行单元一些执行数据，例如由机械手，pc，ccd，视频采集卡，这些硬件搭建的系统，就是典型的工业类的机器视觉系统，现在比较常用的机器视觉软件，康耐视，halcon，opencv...机器视觉在未来会大有前途的。纯手工打字啊，希望采纳！

2. 机器视觉主要运用在哪些领域

由于机器视觉可以快速获取大量信息，而且易于自动处理，人们逐渐将机器视觉系统广泛地用于天文行业、 医药行业、交通航海行业以及军事行业领域等。科天健根据机器视觉目前在各行业的应用，整理出以下具体应用 方向：

（1）军事
航空着陆姿势、起飞状态；弹道/火箭喷射、子弹出膛、火炮发射；爆破分析炮弹爆炸、破片分析、爆炸防御；撞 击、分离以及各种武器性能测试分析，点火装置工作过程等。

（2）科学研究
结晶；PIV的流体、粒子研究；燃烧、敷层过程测量。

（3）生产领域
产品喷溅、封装、压轧、织网、膜压、绕线、切削、裁剪、采掘；机械运转动作分析或故障诊断等。

（4）生物
运动学、生物力学；生物运动分析：人体、动物动作分析，昆虫或鸟类翅膀运动；步态分析、康复物理治疗等。

（5）医疗
医疗器具、细胞、瓣膜运动；出血观察；吞咽、呼吸道鞭毛运动等。

（6）影视
电影、广告、动画特技等，如高速动作特技。

（7）体育
跑步、跳远、跨栏、体操、跳水等姿势动作分析；运动广播、体育运动辅导和训练等。

（8）汽车
安全气囊测量；汽车碰撞研究；托运器、轮胎、限制器等组件动作。

（9）专业领域
工程故障、动态特性、破碎、震动分析；落摔分析、冲击分析、产品开发研究分析、力学和弹性分析等。

3. 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。

4. 机器视觉系统一般用于什么行业

图像采集设备机器视觉教学实验平台是专门针对大学和研究机构开展内机器视觉教学和研究的机容器视觉教学实验平台，提供包括图像测量、检测、定位、跟踪识别等多个图像处理库函数，功能强大，可覆盖工业生产、机器视觉、智能交通、航空航天等众多图像处理应用领域。
机器视觉图像处理教学实验开发平台可利用其提供的大量图像处理和机器视觉算法进行二次开发，解决现代工业产品生产过程中涉及的各种各样视觉问题。实验平台结构开放，提供扩展接口，也可添加自己的图像处理优异算法。
提供多种图像处理实验，如图象分割、图象融合、机器学习、模式识别、图象测量、图象处理、模式识别和人工智能、三维测量、双目立体视觉等实验，可以培养学生对机器视觉产品知识的深入理解和掌握，锻炼学生的研究能力，创新思维以及独立解决技术难题的能力。
作为一套完整的机器视觉教学实验开发平台，使用者可利用其配套的工业相机、LED光源、工业镜头、支架、算法软件等搭建自己的视觉处理系统原型，了解图像采集设备等配件的应用和选型，轻松设计、印证和评估自己的视觉系统，特别适合于大学和研究机构开展机器视觉教学和科研工作。

5. 机器视觉有哪些行业应用

机器视觉目前主要运用于工业领域，如：机器人/机械手运动抓取、足球机器人，医专药包装盒检测、手属机零部件检测、屏幕检测，齿轮检测、车辆车牌识别、人脸检测，甚至包括安防系统：公共区域人流检测、犯罪人员识别，无人机飞行的避障系统、跟踪系统，医学研究时激光拍片的病灶判断，在农业上也有运用：果实采摘、病害识别、森林防火检测。在广泛到一些仪器指数、参数的识别。

6. 怎么样才能踏入机器视觉这个行业

学习机器视觉专业，就从事这份工作。

7. 机器视觉都有哪些品牌，性价比如何

1、凌华科技

凌华科技（中国）有限公司，是台湾凌华科技集团在中国大陆设立的分公司。是一家致力于研究、制造基于PC技术的专业计算机、自动化数据量测系统及工业过程自动化控制设备的专业厂商。

几年来，凌华科技以专业的技术为各界的用户提供了高质量、经济化的量测与自动化产品及解决方案。

凌华科技在图像采集卡方面具有强大的科研实力，自行研发制造的产品被广泛应用在SCADA系统、工业、测量、智能机器，智能交通以及现代通讯系统、医疗设备、航天、军工等领域。

2、大恒图像

中国大恒（集团）有限公司北京图像视觉技术分公司简称为大恒图像，成立于1991年，总部在北京，是中国科学院下属企业。大恒图像的技术骨干主要来自中国科学院各研究单位，公司的产品和技术基础来源于中国科学院多年的技术积累，是将高新技术成果转化为产品的高科技企业。

大恒图像自成立之日起，一直坚持走以技术开发为主的发展道路，一直致力于图像视觉领域的研究开发，建立了技工贸一体化的结构，连续十五年被中关村科技园区认定为高新技术企业。

在国内，大恒图像是首屈一指的专业视频图像处理设备供应商，同时也是著名的图像应用系统集成商和解决方案提供商。

3、视觉龙

深圳市视觉龙科技有限公司是一家由归国留学人员创办的高科技企业，公司成立于2002年9月，在深圳、常州和嘉兴分别设有公司。成立以来，公司一直致力于机器视觉产品的应用开发、嵌入式机器视觉系统的研发、生产以及销售。

视觉龙专业涵盖非接触式测量(含机器视觉、位移测量等)、自动化控制、精密机械、电子、工控软件等诸多重要领域。可以提供机器视觉单元、镜头、光源等硬件及软件方面的支持和配合。

应用前景：在包括汽车制造、制药、电子、包装、印刷、烟草、日化、建材、制币、制卡等在内的几乎所有的现代工业自动化生产中，涉及到各种各样的检验生产监 视和零件识别应用，如汽车零件批量加工，端子尺寸检测，SMT装配，IC的字符识别等等，通常这种带有高度重复性和智能性的工作只能用人的肉眼来完成，但 有些时候，如微小的尺寸要做到精确快速测量,形状匹配,颜色识别等，人们根本无法用肉眼连续稳定地进行，其他物理传感器也难以有用武之地。视觉龙科技作为 一间专门为高要求用户提供图像处理和机器视觉软件及全面解决方案的公司，一直致力于机器视觉自动化的推广，在业内已具有骄人的业绩和口碑，为推动以上工业 发展做出了巨大的努力。

4、凌云光子

凌云光子技术集团是致力于光通信(OpticalCommunication)、CCD&CMOS数字成像技术和机器视觉领域(ImagingTechnology&MachineVision)的专业技术集团公司。

集团总部位于北京，下设北京凌云光视数字图像技术有限公司、北京凌云光子技术有限公司，上海凌云天博光电技术有限公司和香港分公司，并在上海、深圳两地设 有办事处。公司现有博士11名，硕士120多名，其中包括多名在海外留学多年的光通信专家和国内图像与机器视觉领域的知名学者。目前已成长为拥有580多 名员工、从事光通信和图像领域的市场营销与技术开发的高科技专业技术公司。是国内最早涉足光纤通信器件及光纤有线电视领域的高科技企业之一。

公司为Bookham、Fujikura、U2T、TeraXion、VPIsystems、Avensys、EXFO等四十多家世界著名的专业技术公司 在中国做产品推广、应用技术支持、市场拓展和渠道建设等工作，公司专注于光通信EDFA、40Gb/sDWDM光传输、100Gb/sDWDM光传输、 ROADM、偏振、光纤激光器、FBG传感、光接入网传输等多个应用领域，为广大用户提供从软件模拟、各种关键元器件，到测试仪表在内的整套产品解决方 案，且逐渐开始在光通信领域开展自主研发及生产。

5、康视达

康视达自动化科技有限公司是一家专业从事机器视觉光源、机器视觉系统集成、研发和服务的高新科技企业。公司立足于机器视觉和工业自动化领域，专注于机器视觉和运动控制的完美结合，全力打造视觉高端产品。

康视达研发LED机器视觉光源，形成环形光源、条形光源、线扫描光源、面光源、圆顶无影光源、平面无影光源、同轴光源、点光源、AOI设备专用光源、锡膏印刷机专用光源等众多系列，拥有多项专利技术。机器视觉光源是康视达公司的核心产品。

康视达代理国内外知名品牌的工业产品，包括:Cognex、NI、Panasonic等智能相机,SENTECH、Teli、Hitachi、 ImagingSource工业相机,Computar、VST、Navita、Myutron工业镜头,以及NI图像采集卡,MCC数据采集 卡,HALCON图像处理软件等。

6、三姆森光电科技

东莞三姆森光电科技有限公司成立于2005年，是专门研究图像处理及自动化运用的高科技企业，从事机器视觉检测，集自动化控制系统设计、开发、销售的高科 技公司。主要业务有：自动化系统，连接器检测，CCD平整度检测，机器视觉系统，包装检测系统，自动化在线检测，尺寸检测，外观检测，视觉软件开发，视觉 配件。

公司有三大视觉系统，1、PC视觉系统，它的主要特点是：可以根据客户的要求“量身定做”，性价比非常高，软件操作非常简便，功能强大，我们公司在电子行 业应用的非常广泛，尺寸测量，定位，字符识别，外观等等都可以检测。2、和日本合作开发的专门用于外观检测的SA外观检测系统，专门针对各种外观缺陷设计 开发的一款系统，一台处理器最多可以连接四个相机，因采用了独立的矢量软件算法，在检测外观缺陷的项目上，有非常大的优势。3、代理美国COGNEX的智 能视觉系统，主要应用在一些高速高精度的检测项目上，安装应用都比较简单。

7、OPT

OPT是奥普特自动化科技有限公司的简称，该公司主要从事机器视觉产品的研发生产销售，目前是中国机器视觉光源制造厂商。为客户提供视觉定位、光学检测、 图像分析、图像测量等方面的系统开发与集成解决方案。OPT销售及服务网络覆盖全球20多个国家和地区，拥有30多家授权代理商。

公司目前主要光源产品有环形光源、同轴光源、背光源、条形光源、组合条形光源、点光源、球积分光源、线形光源、AOI检测专用光源、SMT行业对位光源十大系列。配套有数字式光源控制器、模拟式光源控制器、增亮模块、数字增亮一体控制器、模拟增亮一体控制器。

8、凯瑞斯

东莞凯瑞斯自动化科技有限公司位于东莞市莞城科技园，注册资金100万，是一家由留学回国人员创办的高新科技企业，依托华南理工大学、华中科技大学、成都 电子科技大学等国内知名大学，成功聚集了一批高端留学人员和高级技术人才，立足于机器视觉和工业自动化领域，专业从事机器视觉光源、机器视觉系统及工业机 器人的研发和技术服务，通过机器视觉和运动控制的完美结合，全力打造视觉高端产品。

8. 机器视觉中有哪些主要的问题和发展瓶颈存在

1、问题可以归结为三个方面：计算能力不足、认知理论未明以及精确识别与模糊特征之间的自相矛盾。
2.人才的稀缺
目前真正意义上的从业人员缺少科班出身，缺少对图像处理的底层理论认知和理解。机器视觉中图像处理是极为重要的一环，而目前大多数从业人员是本科或者大专毕业，或者是电气工程师新入行，基本都比较缺乏图像处理的基本理论，很多理论还停留在对“视觉嘛，就是、对比视觉，二值化”等认知上。
待遇。虽然相对于普通的自动化从业者而言，机器视觉工程师待遇还是不错的，但是却难以吸引到硕士或者博士进行过专门图像处理学术训练的人加入，因为随便加入那个互联网大公司做图像相关工作，待遇都能把自动化从业的工程师甩出几条大街。
另外，机器视觉更多的应用是属于自动化设备这一块。而自动化属于比较交叉的学科，涉及到机器视觉，需要了解的东西包括、电气、运动控制、机械、光学、软件编程等。这些学科了解一些基本的东西不难，但是研究的比较透彻并能高效率的综合运用就比较难了。
3.图像处理的不确定性
在我的理解机器视觉仅仅算是计算机视觉的一个微小分支，所以机器视觉主要还是指工业方面的应用。目前的工业应用主要需求有：测量、外观检测、条码、字符识别、定位。而这几个方面机器视觉还没有一个能真正意义上实现批量化检测的同时保证极高的准确率，极小的误检率和杜绝漏检。这个目标不能实现，降低了机器视觉的应用预期。因为机器视觉设备不能完全解决，还是需要人复查，除非客户的标准没有那么高。

9. 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。