人工智能應用正在迅速的發(fā)展，各方面各個(gè)領(lǐng)域都在人工智能的技術(shù)下變革。人工智能工程技術(shù)能讓機器設備具備仿人類(lèi)的功能，還能夠從事專(zhuān)業(yè)許多精密的系統運算工作。在人工智能應用當中，機器視覺(jué)系統是重要的一個(gè)方面。機器視覺(jué)系統就是用機器設備代替肉眼來(lái)做精確測量和分析判斷。跟“聽(tīng)覺(jué)”等方面的應用技術(shù)不同，機器視覺(jué)系統主要給工業(yè)設備組裝一副敏銳的“眼睛”，讓機器設備不但可以“視”，還能夠“覺(jué)”。

　　機器視覺(jué)系統主要運用于檢測一些繁雜的圖形識別工作?，F在有很多行業(yè)都需要使用這樣的檢測，比如紡織和纖維、精密鑄造和注塑加工、汽車(chē)鋼板表面、印刷包裝等行業(yè)，這些行業(yè)都是機器視覺(jué)系統大有用途的地方。此外，隨著(zhù)物聯(lián)網(wǎng)應用的持續發(fā)酵，機器視覺(jué)系統也獲得了寬闊的發(fā)展前景。

　　挑戰：行業(yè)特征影響機器視覺(jué)系統在生產(chǎn)環(huán)境的實(shí)施

　　近些年來(lái)，不少企業(yè)開(kāi)始了基于機器視覺(jué)圖像識別技術(shù)的缺陷檢測研究，可是在實(shí)際應用情況下，傳統的機器設備視覺(jué)識別系統雖然能夠釋放一部分生產(chǎn)力，但也存有準確率低，復雜條件下無(wú)法完全取代人為檢測等一連串難題，這也使得目前的質(zhì)檢市場(chǎng)仍大批量采用人為目檢的形式，而機器視覺(jué)系統的覆蓋率不足5%，未來(lái)AI機器視覺(jué)系統將取代人檢填補工業(yè)質(zhì)檢的空白。

　　工業(yè)機器視覺(jué)系統挑戰首先反映在產(chǎn)品與技術(shù)層面：受到工業(yè)攝像頭的鏡頭畸變矯正、標定差異化、視角范圍、安裝條件及場(chǎng)所，以及自然環(huán)境光束的種類(lèi)、角度、明暗度的影響，有可能導致不同的成像質(zhì)量與效果，直接干擾識別算法的檢測，可能導致產(chǎn)品的錯判。此外，部分工業(yè)機器視覺(jué)系統所使用的模式是將數據存儲到云端然后再進(jìn)行離線(xiàn)模型訓練，再部署到終端設備的形式，云端模型參數的調整、優(yōu)化不會(huì )造成大批量的性能開(kāi)銷(xiāo)，導致負載壓力，而且延遲較高，難以符合實(shí)時(shí)性相對較高的要求。

　　每一個(gè)種類(lèi)的制造企業(yè)對于機器視覺(jué)系統的傳感器種類(lèi)、性能負載、機器學(xué)習算法等都會(huì )有不同的要求，而且涉及到多學(xué)科交叉技術(shù)的整合，難以找到普遍性的機器視覺(jué)系統解決方案，機器視覺(jué)系統集成服務(wù)商需要根據企業(yè)的不同實(shí)際需求定制。此外，封閉式的工業(yè)圈導致核心關(guān)鍵技術(shù)很難分享，也進(jìn)一步提高了方案的整合難度。