我从事工业视觉行业的研发工作已有8年。在这里，我总结了该行业的技术特点，并为新进入者提供了一些启发和参考。
工业视觉而不是视觉没有人类视觉理解的能力。说穿了，只是图像处理技术在工程上的应用。它是工程师为完成任务而开发的所有算法和光学硬件，并且是完成特定任务的特定算法。他们之间没有共同点。
过于乐观地说，机器的智能已经超越了人类的智能，等等。现在的技术还远远没有达到这个水平，该技术只能解决一些常规和简单的检测任务，因为存在相应的数学模型参考，例如形状匹配，边缘，纹理识别等。
如果绝对没有规则可循，那么就没有办法开发视觉系统，人们一眼就能看到，简单的事情，机器可能无法做到。因为人们有自主权并且能够真正理解任务，即使是复杂的图案和图案，也很容易找到特定的东西，例如按钮，手套，但是机器无法做到，因为背景不规则，工程师无法找到有效的功能来开发系统。
工业视觉的优势
但是机器视觉也有其优势，即不知疲倦地检测一些简单的东西，例如玻璃上的划痕，屏幕上的缺陷，可以非常精确地完成并可以达到很高的准确性。
工业视觉是使用机器而不是人眼进行测量和判断。在应用程序级别，它主要用于系统集成或二次开发。可以归纳为以下四个部分：
1.外观缺陷检测
外观和缺陷检测主要使用模板匹配。
2.认可
生物识别（面部，语音，指纹，虹膜），目标识别（车牌识别，射频识别等），条形码识别（一维代码，二维代码），字符识别，纹理识别等。识别的最终目的主要是分类。在这里，我们需要使用大数据来训练和学习，并且需要使用深度学习。
3.尺寸测量
几何尺寸测量（长度，宽度，高度，周长，面积，体积等），圆形或椭圆形（中心，半径，轮廓，角度，大小等）；必须首先校准测量，这涉及相机校准。
4.位置
工具定位和移位，装配，码垛机器人的定位等。工业视觉系统可以快速获取大量信息，并且易于自动处理。与设计信息和处理控制信息的集成也很容易。因此，在现代自动化生产过程中，机器视觉系统被广泛用于状态监视，产品检查和质量控制领域。
另外，人工智能，即当前的人工智能，还找到了一种自动提取模式，收集足够的代表性样本，然后使用该系统进行学习，然后将该系统应用于图像分类的方法。实际上，它并没有太多的智能，只是技术，它仍然属于Turing机器类别。要真正理解图像，还有很长的路要走。工业视觉，人工智能，目前尚不能做到，正在给予科学研究者和硕士，博士研究空间。
