点击公众号关注我，读书，工作不迷失！
智能视觉工程专业：给机器人装上眼睛：非真正的学霸不要报考
只有哈工大有这个专业
专业简介
智能视觉工程专业通俗来讲，就是研究如何让机器具备像人一样的视觉能力，并能够对看到的图像或视频信息进行理解、分析和处理的专业。以下是对该专业的具体解释：
技术基础方面：
计算机视觉技术：这是智能视觉工程的核心技术之一，就像人类的眼睛和大脑的配合，让机器能够“看”到周围的环境，并对看到的东西进行识别和理解。例如，让机器识别图片中的物体是什么、有多少个，或者判断视频中的场景是否存在异常等。
图像处理技术：机器“看到”的图像可能存在噪声、模糊等问题，图像处理技术就是对这些图像进行去噪、增强、分割等操作，以便让机器能够更好地理解和分析图像。比如，通过图像处理技术把一张模糊的照片变得清晰，方便机器识别照片中的信息。
应用领域方面：
工业领域：在工业生产中，智能视觉工程可以用于产品的质量检测。例如，检测产品表面是否有划痕、瑕疵等缺陷，或者对产品的尺寸、形状等进行测量和判断，从而提高生产效率和产品质量。
安防监控领域：智能摄像头可以通过智能视觉技术自动识别可疑人员、车辆等，实现对监控区域的实时监测和预警，保障公共安全。
医疗领域：可以辅助医生进行医疗影像诊断，例如对 X 光片、CT 片、MRI 片等进行分析，帮助医生更准确地诊断疾病。另外，在手术机器人中，智能视觉技术可以帮助机器人更好地识别手术部位，提高手术的精准度和安全性。
自动驾驶领域：汽车上的摄像头等视觉传感器，结合智能视觉技术，可以识别道路、交通标志、行人、其他车辆等信息，为自动驾驶提供决策依据，让汽车能够安全地行驶。
主要课程
截至2024年，哈尔滨工业大学智能视觉工程专业的课程主要包括公共基础课程、大类平台课程、专业方向课程和自主发展课程四个板块。具体如下：
公共基础课程：
思想政治课程：帮助学生树立正确的世界观、人生观和价值观，培养学生的政治素养和社会责任感。
外语：一般为英语，提升学生的外语交流和阅读外文文献的能力，为学生获取国际前沿知识和进行国际交流打下基础。
体育：培养学生的身体素质和运动技能，提高学生的健康水平。
计算思维与信息基础：教授计算机基础知识和计算思维，让学生掌握基本的计算机操作和信息处理能力。
数理与自然科学基础课程：包括高等数学、线性代数、概率论与数理统计、大学物理等课程，为后续的专业学习提供数学和物理基础。
军事理论和军事技能：培养学生的国防意识和军事素养。
国家安全教育：增强学生的国家安全意识和维护国家安全的能力。
心理健康教育：关注学生的心理健康，帮助学生应对学习和生活中的压力和挑战。
写作与沟通：提高学生的书面表达和口头沟通能力。
大类平台课程：
专业集群基础课程（含实习实训课程）：介绍智能视觉工程相关领域的基础知识和基本技能，通过实习实训让学生对专业有初步的认识和实践体验。
大类专业基础课程（含实习实训课程）：进一步深入学习电子信息类专业的基础课程，如电路原理、模拟电子技术、数字电子技术等，为专业方向课程的学习做好铺垫。
专业方向课程：
专业方向核心课程（含实习实训课程）：
人工智能原理：学习人工智能的基本概念、原理和算法，了解人工智能在智能视觉中的应用。
机器学习：掌握机器学习的方法和技术，包括监督学习、非监督学习、强化学习等，为智能视觉中的图像识别、分类等任务提供技术支持。
傅里叶光学：研究光学中的傅里叶变换理论，为光学成像和图像处理提供理论基础。
视觉感知技术：了解人类视觉系统的工作原理，以及如何将其应用到机器视觉中，实现对图像和视频的感知和理解。
智能图像识别技术：学习图像识别的算法和技术，包括目标检测、特征提取、分类器设计等，使机器能够准确地识别图像中的物体。
视觉检测技术：掌握视觉检测的方法和技术，用于检测产品的外观缺陷、尺寸偏差等质量问题，在工业生产中具有重要应用。
模式识别：学习模式识别的理论和方法，对图像、声音、文本等数据中的模式进行识别和分类。
数字图像处理：教授数字图像处理的基本算法和技术，如图像增强、滤波、分割、压缩等，对图像进行处理和分析。
光电信号探测：了解光电信号的探测原理和方法，以及如何将光电信号转换为电信号进行处理。
智能传感器技术：学习智能传感器的原理、设计和应用，为智能视觉系统获取图像和视频数据提供硬件支持。
自动控制理论：掌握自动控制的基本原理和方法，为智能视觉系统的自动化控制提供理论基础。
计算机视觉：深入学习计算机视觉的理论和技术，包括三维重建、运动分析、视觉跟踪等，使机器能够更好地理解和处理视觉信息。
光学遥感技术：研究光学遥感的原理和方法，以及在资源环境监测、地理信息系统等领域的应用。
专业方向选修课程（含研究生课程）：
离散数学：为学生提供数学基础，有助于理解和分析智能视觉中的算法和逻辑。
复杂数据智能分析：学习如何对复杂的视觉数据进行分析和处理，挖掘其中的有用信息。
智能科学导论：介绍智能科学的基本概念、发展历程和研究领域，帮助学生了解智能视觉工程的学科背景。
低功耗嵌入式系统设计与实践：掌握低功耗嵌入式系统的设计方法和技术，为智能视觉系统的硬件实现提供支持。
计算方法：学习数值计算的方法和算法，用于解决智能视觉中的数学计算问题。
自主发展课程：
文化素质教育课程：培养学生的文化素养和综合能力，包括文学、艺术、历史、哲学等方面的课程。
创新创业与社会实践：鼓励学生参与创新创业活动和社会实践，提高学生的创新能力和实践能力。
跨专业发展课程：为学生提供跨专业学习的机会，拓宽学生的知识面和视野。
需要注意的是，具体的课程设置可能会根据学校的教学计划和学科发展进行调整和优化。
推荐书籍
智能视觉工程专业是一门结合了计算机视觉、图像处理、模式识别等多个领域的综合性学科。为了帮助学生更好地理解和掌握相关知识，这里推荐几本经典的课外书籍，这些书籍不仅涵盖了基础知识，还涉及了最新的研究成果和应用案例。
1. 《计算机视觉：算法与应用》（Computer Vision: Algorithms and Applications）
作者：Richard Szeliski
内容简介：这本书详细介绍了计算机视觉的基本概念、核心算法及其实际应用。适合初学者和有一定基础的学生阅读，书中包含大量的实例和代码示例，有助于读者深入理解各种算法。
2. 《数字图像处理》（Digital Image Processing）
作者：Rafael C. Gonzalez 和 Richard E. Woods
内容简介：这是一本经典的数字图像处理教材，内容丰富，涵盖了图像处理的基本概念、变换、滤波、分割、特征提取等多个方面。书中还有大量的练习题和项目，非常适合自学和课堂教学。
3. 《计算机视觉导论》（An Introduction to Computer Vision）
作者：E. R. Davies
内容简介：这本书适合初学者，从基础概念入手，逐步介绍计算机视觉的各种技术和方法。书中还包含了许多实际应用案例，帮助读者理解理论知识在实际中的应用。
4. 《深度学习》（Deep Learning）
作者：Ian Goodfellow, Yoshua Bengio 和 Aaron Courville
内容简介：虽然这本书主要关注深度学习，但它也涵盖了计算机视觉中的许多深度学习方法。适合对深度学习感兴趣的读者，特别是那些希望将深度学习应用于计算机视觉领域的学生。
5. 《机器视觉与控制 MATLAB算法基础》
作者：张志涌
内容简介：这本书结合了机器视觉和控制理论，使用MATLAB进行算法实现。适合希望在实际项目中应用机器视觉技术的学生和工程师。
6. 《工业机器视觉技术及应用》
作者：王树勋
内容简介：这本书主要面向工业应用，详细介绍了工业机器视觉的基本原理、关键技术以及典型应用。适合自动化专业、计算机专业的高年级学生和智能制造领域的从业人员。
7. 《视觉测量》（Visual Measurement）
作者：张广军
内容简介：这本书重点介绍了视觉测量的基本原理和技术，包括几何建模、标定方法、三维重建等内容。适合对视觉测量感兴趣的读者。
8. 《机器视觉算法与应用》（Machine Vision Algorithms and Applications）
作者：Hartmut Neven
内容简介：这本书详细介绍了机器视觉中的各种算法及其应用场景，适合有一定基础的学生和工程师阅读。书中还包括了大量的实例和代码，有助于读者实践和应用。
9. 《智能视觉技术及应用》
作者：西安电子科技大学出版社
内容简介：这本书系统地介绍了智能视觉技术的基本原理和应用，涵盖了图像处理、目标检测、人脸识别等多个方面。适合智能视觉技术的初学者和研究人员。
10. 《计算机视觉与深度学习实战：以MATLAB为例》
作者：李华
内容简介：这本书结合了计算机视觉和深度学习，使用MATLAB进行算法实现。适合希望在实际项目中应用计算机视觉和深度学习技术的学生和工程师。
这些书籍涵盖了从基础知识到高级应用的各个方面，可以帮助智能视觉工程专业的学生全面提升自己的理论水平和实践能力。希望这些建议对你有所帮助！
名人
以下是智能视觉工程专业领域内的一些名人：
胡事民：中国科学院院士，清华大学计算机科学与技术系教授。他是国家杰出青年科学基金获得者和创新群体的学术带头人，现任中国计算机学会副理事长、ACM SIGGRAPH执委、亚洲图形学会主席。主要研究领域为计算机图形学与人机交互、智能信息处理、系统软件等。在可视媒体智能处理的理论、方法和应用研究方面作出了系统性的贡献，成果应用于流程工厂的数字重建和大规模街景系统构建，还研制了我国空间站首个天地协同混合现实系统；创新性地提出元算子融合思想和统一计算图策略，研制并开源了自主深度学习框架“计图”。
沈建冰：北京理工大学计算机学院教授，博士生导师，目前兼任阿联酋起源人工智能研究院首席科学家，兼任四维图新自动驾驶研究院首席科学家。曾在美国普渡大学、瑞士苏黎世理工学院、美国加州大学洛杉矶分校、澳大利亚国立大学、新加坡国立大学等进行博士后与访问研究。主要研究方向是计算机视觉、计算摄影、视频理解、深度学习、智慧医疗与智能系统，擅长面向智能监控与自动驾驶的视觉分析方法研究。
张涛：清华大学自动化系系主任、信息科学技术学院副院长、智能无人系统研究中心主任，英国工程技术学会会士（IET Fellow），中国自动化学会会士。曾先后在美国麻省理工学院、德国慕尼黑工业大学、日本国立佐贺大学和日本国立信息学研究所学习和工作近8年，主要研究方向包括机器人学、智能控制、导航与控制技术、飞行器控制技术等。
张皓：SFU（西蒙菲莎大学）计算科学学院正教授、亚马逊学者，并拥有杰出大学教授职位。领导着世界上进行计算机图形和计算机视觉研究的顶级场所之一的GRUVI实验室，其研究领域是计算机图形学及视觉计算，已围绕几何建模、形状分析、3D视觉、几何深度学习以及计算设计和制造等主题发表了180多篇论文。
鲁继文：清华大学自动化系副主任，长聘副教授，博士生导师，国家杰出青年科学基金获得者，IAPR Fellow，国际期刊Pattern Recognition Letters主编。主要研究领域包括计算机视觉、模式识别、智能机器人。发表IEEE汇刊论文130余篇（其中PAMI论文36篇），CVPR、ICCV、ECCV论文120余篇，论文被引用24000余次，获授权国家发明专利50余项。
山世光：中国科学院计算技术研究所研究员、中科视拓联合创始人，研究领域为计算机视觉和机器学习。已在国内外刊物和学术会议上发表论文200余篇，其中CCF A类论文60余篇，论文被谷歌学术引用10000余次。曾应邀担任过ICCV、ACCV、ICPR、FG等国际会议领域主席，现任IEEE TIP、CVIU、PRL、Neurocomputing、FCS等国际学术刊物的编委（AE）。
申恒涛：ACM Fellow、OSA Fellow，现任电子科技大学教授、电子科技大学人工智能研究院执行院长，考拉悠然科技创始人。研究方向包括多媒体搜索、计算机视觉、人工智能和大数据管理，累计发表了300多篇高水平同行评审论文，获得了8个国际会议和期刊最佳论文奖。
杨睿刚：现任嬴彻科技CTO，美国肯塔基大学计算机系终身教授，曾任百度研究院机器人和自动驾驶实验室主任。在计算机视觉和图形学领域顶级期刊和会议上发表论文130余篇，Google Scholar引用超过万次，h指数50。
王井东：国际计算机协会杰出会员和国际模式识别学会会士，曾任微软亚洲研究院视觉计算组首席研究员。研究领域为计算机视觉、深度学习及多媒体，在相关领域发表了100余篇论文和1本个人专著。
徐晓刚：之江实验室研究员、浙江工商大学特聘教授、之江实验室智能视觉方向和浙江工商大学智能视觉实验室负责人。围绕城市安防、工业安全、生理健康等工程应用中的视觉问题开展科研攻关，提出了一系列创新、实用的算法模型，并取得了部分最新研究成果。
这些人在智能视觉工程领域取得了显著的成就，为该领域的发展做出了重要贡献。他们的研究成果和学术思想对智能视觉工程的理论研究和实际应用都具有重要的影响。
毕业要求
智能视觉工程专业的毕业生应具备多方面的知识和技能，以适应快速发展的智能视觉技术领域的需求。以下是该专业毕业生应具备的主要能力：
1. 基础知识与理论
数学基础：掌握高等数学、线性代数、概率论与数理统计等数学工具，用于解决复杂问题。
物理基础：了解光学、电磁学等物理原理，特别是在成像和传感器技术中的应用。
计算机科学基础：熟悉数据结构、算法设计、操作系统、数据库等计算机科学基本概念。
2. 专业技能
图像处理与分析：掌握图像增强、滤波、分割、特征提取等基本技术，能够处理和分析图像数据。
计算机视觉：熟悉目标检测、跟踪、识别、三维重建等计算机视觉核心技术，能够开发和优化视觉算法。
机器学习与深度学习：了解常用的机器学习算法和深度学习框架（如TensorFlow、PyTorch等），能够设计和训练模型解决实际问题。
模式识别：掌握模式识别的基本原理和方法，能够进行分类、聚类等任务。
3. 编程能力
编程语言：熟练掌握至少一种编程语言，如Python、C++、Java等，能够编写高效、可维护的代码。
工具与框架：熟悉OpenCV、Matplotlib、Scikit-learn等常用工具和框架，能够快速开发和测试视觉系统。
4. 工程实践能力
系统设计与实现：能够设计和实现完整的智能视觉系统，从需求分析到系统架构设计，再到具体模块的实现和调试。
实验与测试：具备设计实验、收集数据、分析结果的能力，能够对系统性能进行评估和优化。
项目管理：了解项目管理的基本流程和方法，能够有效协调团队成员，按时完成项目任务。
5. 创新与研究能力
科研能力：具备独立进行科学研究的能力，能够阅读和撰写学术论文，跟踪领域内的最新进展。
创新能力：具备创新思维，能够提出新的算法和解决方案，解决实际问题。
6. 综合素质
沟通与团队合作：具备良好的沟通能力和团队合作精神，能够在多学科团队中有效协作。
国际视野：了解国际上的最新技术和研究动态，具备一定的英语读写能力，能够参与国际合作与交流。
职业道德：具备良好的职业道德和社会责任感，遵守相关法律法规和行业规范。
7. 行业知识
应用领域知识：了解智能视觉技术在不同领域的应用，如自动驾驶、医疗影像、安防监控、工业检测等。
行业标准与规范：熟悉相关行业的标准和规范，能够确保开发的系统符合行业要求。
总结
智能视觉工程专业的毕业生应具备扎实的理论基础、专业的技术技能、较强的编程和工程实践能力，同时还要具备创新思维、良好的综合素质和广泛的行业知识。这些能力将使他们在智能视觉及相关领域中具备竞争力，能够胜任各种技术和管理岗位。
就业去向
智能视觉工程专业的毕业生具有广泛的就业去向，主要涵盖以下几个领域：
一、科技企业
毕业生可以在科技企业从事算法研发工作，设计和优化智能视觉算法，提高系统的性能和准确性。这些企业通常致力于人工智能、机器视觉等领域的技术研发和应用，对智能视觉工程专业的毕业生有较大需求。
二、互联网公司
毕业生也可以进入互联网公司，参与开发基于视觉的智能应用，如人脸识别登录、图像搜索等。随着互联网的快速发展，这些应用在日常生活中越来越普及，因此互联网公司对智能视觉工程专业的毕业生也有很高的需求。
三、智能制造企业
在智能制造企业中，毕业生可以负责视觉检测系统的集成和维护，确保生产线的高效运行。智能视觉技术在工业生产中的应用越来越广泛，如产品质量检测、自动化装配等，因此智能制造企业对智能视觉工程专业的毕业生也有很大的需求。
四、科研机构
毕业生还可以选择进入科研机构，从事前沿的视觉技术研究，推动行业的创新发展。这些科研机构可能涉及高校、研究所等，他们通常致力于推动智能视觉技术的理论研究和应用创新。
五、其他领域
除了以上几个主要领域外，智能视觉工程专业的毕业生还可以在其他领域找到就业机会，如：
医疗领域：利用智能视觉技术进行医学影像的诊断辅助，帮助医生更准确地发现病变；或者参与手术机器人视觉系统的开发等。
交通领域：实现自动驾驶中的环境感知和障碍物识别，提高交通安全和效率。
安防领域：利用智能视觉监控系统实时分析异常行为，保障公共安全。
影视娱乐行业：利用专业知识进行特效制作、虚拟场景构建等工作，为观众带来震撼的视觉体验。
六、创业与自主发展
随着创新创业环境的日益成熟，越来越多的技术创新型企业和创业项目正在寻找具有前瞻性和实践能力的年轻人才。智能视觉工程专业的毕业生凭借其创新意识和实践能力，也可以选择自主创业或加入创业团队，推动智能视觉技术的创新和应用。
综上所述，智能视觉工程专业的毕业生具有广泛的就业去向和发展前景。他们可以在科技企业、互联网公司、智能制造企业、科研机构以及其他多个领域找到适合自己的工作机会，并发挥自己的专业技能和创新能力。
大公司
智能视觉工程专业的毕业生凭借其专业技能和创新能力，可以进入众多大公司发展。以下是一些该专业毕业生可能选择的大公司类型及其具体示例：
一、科技企业
华为：作为全球领先的ICT（信息与通信技术）解决方案供应商，华为在智能视觉领域有着深厚的技术积累和丰富的应用场景。毕业生可以在这里从事智能视觉算法的研发、优化以及智能视觉系统的设计与实现等工作。
大疆：大疆创新是全球领先的无人机及影像技术公司，其产品在智能视觉领域有着广泛的应用。毕业生可以在大疆从事无人机视觉系统的研发、测试与优化等工作。
百度：百度作为全球最大的中文搜索引擎公司，也在积极布局人工智能和智能视觉领域。毕业生可以在百度从事智能视觉算法的研发、图像识别技术的优化以及智能视觉应用产品的设计与开发等工作。
阿里巴巴：阿里巴巴作为全球领先的电子商务公司，也在不断探索智能视觉技术在电商、物流等领域的应用。毕业生可以在阿里巴巴从事智能视觉算法的研发、商品图像识别与处理等工作。
二、互联网公司
腾讯：腾讯作为中国最大的互联网公司之一，在智能视觉领域也有着丰富的应用场景。毕业生可以在腾讯从事基于视觉的智能应用开发、人脸识别技术的优化等工作。
字节跳动：字节跳动作为全球知名的互联网公司，其旗下产品如抖音、今日头条等都在积极应用智能视觉技术。毕业生可以在字节跳动从事智能视觉算法的研发、视频内容识别与处理等工作。
三、智能制造与自动化设备企业
富士康：作为全球最大的电子制造服务商之一，富士康在智能制造领域有着丰富的经验和技术积累。毕业生可以在富士康从事智能视觉检测系统的集成、维护以及自动化设备的研发等工作。
西门子：西门子作为全球领先的自动化和数字化企业，也在积极探索智能视觉技术在工业制造中的应用。毕业生可以在西门子从事智能视觉算法的研发、工业检测系统的设计与实现等工作。
四、安防与监控企业
海康威视：海康威视是全球领先的安防监控产品和技术提供商，其产品在智能视觉领域有着广泛的应用。毕业生可以在海康威视从事智能视觉监控系统的研发、测试与优化等工作。
大华股份：大华股份也是国内知名的安防监控企业，毕业生可以在这里从事类似的智能视觉技术研发和应用工作。
五、科研机构与高校
中科院：中科院下属的多个研究所都在开展智能视觉技术的研发工作，毕业生可以在这里从事前沿的视觉技术研究。
清华大学：清华大学等国内顶尖高校也在积极布局智能视觉领域的研究和教育，毕业生可以选择在这里继续深造或从事科研工作。
此外，智能视觉工程专业的毕业生还可以选择进入航空航天、汽车制造、医学影像分析等领域的大公司或研究机构工作。这些领域对智能视觉技术的需求也在不断增长，为毕业生提供了更多的就业机会和发展空间。
总的来说，智能视觉工程专业的毕业生具有广泛的就业选择和发展前景，他们可以在科技、互联网、智能制造、安防监控以及科研机构等多个领域找到适合自己的工作机会。
知名企业
以下是智能视觉工程领域内的一些大公司：
国际公司：
基恩士（KEYENCE）：日本的知名企业，是传感器、测量系统、激光刻印机、显微系统以及单机式影像系统的全球领先供应商。其视觉产品具有高精度、高稳定性和高可靠性的特点，广泛应用于电子、汽车、机械制造等行业的自动化生产线上，用于检测产品的尺寸、形状、缺陷等。
康耐视（COGNEX）：美国的机器视觉公司，在全球范围内具有很高的知名度和市场份额。公司提供的视觉系统和视觉软件能够帮助企业实现自动化的质量检测、识别和定位等功能，应用领域涵盖汽车、电子、食品饮料、制药等行业。康耐视的产品以强大的算法和高性能的硬件著称，能够应对各种复杂的视觉检测任务。
欧姆龙（OMRON）：日本的自动化控制及电子设备制造厂商，在智能视觉领域也有较强的实力。其视觉产品包括视觉传感器、视觉系统等，可用于产品的检测、识别、分类等操作，在汽车零部件制造、电子设备制造、食品包装等行业有着广泛的应用。
国内公司：
海康机器人：是海康威视旗下的子公司，面向全球提供机器视觉和移动机器人产品及解决方案。业务聚焦于工业物联网、智慧物流和智能制造等领域，其视觉产品有着精简的结构设计和完善的功能，例如 SC2000E 系列视觉传感器和 SC6000 系列 AI 智能相机等，在市场上具有较高的竞争力。
凌云光技术股份有限公司：以光技术创新为基础，围绕机器视觉与光纤光学开展业务，是国内视觉人工智能与光电信息领域的领军企业。公司为苹果、华为、富士康、宁德时代、京东方等龙头客户提供服务，产品应用于消费电子、新能源、印刷包装、新型显示、文化元宇宙等多个行业。
奥比中光科技集团股份有限公司：国内领先的 3D 视觉感知技术方案提供商，拥有全栈式技术研发能力和全领域技术路线布局，在国内服务机器人视觉传感器中市占率较高，是英伟达机器人业务在 A 股唯一合作伙伴。
虹软科技股份有限公司：专注于计算机视觉技术的研发和应用，提供一站式视觉人工智能解决方案，其技术广泛应用于智能手机、智能汽车、智能家居等领域。
广东奥普特科技股份有限公司：是国内机器视觉领域的知名企业，其机器视觉系统产品具有较高的稳定性和易用性，涵盖了视觉开发包、智能相机等，为工业自动化生产提供了多种视觉检测解决方案。
易思维（杭州）科技有限公司：专注于工业智能视觉领域，是一家集机器视觉产品的设计、研发、制造及应用于一体的高新技术企业。在汽车制造和轨交运维领域取得了显著成果，成功打破了汽车制造机器视觉领域国外品牌的长期垄断。
大公司业务范围
欧姆龙公司基本信息：
公司起源：欧姆龙（omron）株式会社始创于1933年，最初是名为立石电机制作所的小型工厂，当时只有两名职员，主要产品为定时器和保护继电器。
公司规模：现有员工32583人（截至2023年数据）。
公司资本：资本金641亿日元（2012年3月31日数据）。
全球影响力：作为全球知名的自动化控制及电子设备制造厂商，其产品品种达几十万种，业务遍布世界各地。在2023年6月位列《2023世界物联网排行榜·金榜名单100强》第97位。
欧姆龙公司业务范围：
工业自动化领域：
自动化控制系统：提供各种自动化控制器，如机械自动化控制器 NX 系列、NJ 系列等，可实现对生产过程的精确控制和高效管理，广泛应用于汽车制造、电子设备生产、机械加工等行业的自动化生产线。
传感器技术：拥有光电传感器、接近传感器、温度传感器等多种类型的传感器产品。例如，TOF 型光电传感器 E3ZG 系列可实现非接触式的检测，在物流、包装、半导体制造等行业用于物体的位置、距离、颜色等信息的检测；接近传感器可用于检测金属、非金属等物体的接近情况，为设备的启停、定位等操作提供信号。
机器人技术：研发和生产工业机器人及相关控制系统，例如次世代 SCARA 机器人 I4L 系列等，可完成搬运、焊接、装配等任务，提高生产效率和质量，降低人工劳动强度和生产成本。
健康医疗领域：
家用健康监测设备：生产和销售血压计、血糖仪、体温计等家用健康监测仪器。例如，欧姆龙的电子血压计以其测量准确、操作方便等特点，受到消费者的广泛认可，可帮助人们在家中随时监测血压状况，为健康管理提供数据支持。
医用设备：提供医疗场所使用的专业设备，如雾化器、制氧机等，为患者的治疗和康复提供支持。此外，还致力于打造集监测、诊断、治疗为一体的综合性服务平台，改善患者诊疗体验，提升医疗资源触达效率。
器件与模块解决方案领域：提供各种电子元器件和模块，如继电器、开关电源、连接器端子台等。这些器件和模块广泛应用于电子设备、通信设备、电力设备等领域，为各类电子设备的正常运行提供基础组件。
从事岗位
智能视觉工程专业的毕业生可以从事多种岗位，这些岗位通常要求具备扎实的智能视觉工程基础理论及专业知识，同时还需要具备工程实践创新能力、组织领导能力及团队协作精神。以下是一些具体的岗位名称：
计算机视觉研发工程师：
负责计算机视觉算法的研发和优化，提高系统的性能和准确性。
参与智能视觉系统的设计和实现，确保系统能够满足实际应用需求。
视觉分析工程师：
利用视觉分析技术对图像和视频进行处理和分析，提取有用信息。
参与视觉分析算法的研发和优化，提高算法的效率和准确性。
算法工程师：
负责智能视觉算法的研发和实现，包括图像识别、目标检测、图像分割等。
对算法进行性能评估和优化，确保算法在实际应用中能够取得良好的效果。
程序开发工程师：
参与智能视觉系统的开发和维护，编写高质量的代码。
与算法工程师紧密合作，将算法转化为实际可用的软件系统。
人工智能运维工程师：
负责智能视觉系统的运维工作，确保系统的稳定运行和性能优化。
对系统进行监控和故障排查，及时解决系统出现的问题。
工业检测工程师：
利用智能视觉技术进行工业产品的质量检测，确保产品质量符合标准。
设计高精度的视觉检测系统，提高检测效率和准确性。
医学影像分析工程师：
利用智能视觉技术对医学影像进行分析和处理，辅助医生进行诊断和治疗。
参与医学影像分析算法的研发和优化，提高算法的准确性和可靠性。
智能机器人工程师：
负责智能机器人的视觉系统的设计和实现，提高机器人的感知和适应能力。
参与机器人的整体设计和开发，确保机器人能够完成各种复杂任务。
遥感卫星设计师（如在中国空间技术研究院工作）：
利用智能视觉技术进行遥感卫星的设计和研发，提高卫星的观测能力和数据处理能力。
参与遥感卫星的应用开发和推广，为灾害监测、资源调查等领域提供支持。
此外，智能视觉工程专业的毕业生还可以从事智能家居、智能交通、智能安防等领域的研发和应用工作。这些岗位通常要求毕业生具备跨学科的知识和技能，能够综合运用光学、信息科学、人工智能等领域的知识解决实际问题。
总的来说，智能视觉工程专业的毕业生具有广泛的就业选择和发展前景，他们可以在科技、工业、医疗、安防等多个领域找到适合自己的工作机会。
工作日常
计算机视觉研发工程师的工作日常会因公司业务方向、项目需求以及个人工作习惯的不同而有所差异，但通常包括以下几个方面：
项目规划与需求理解：
与团队沟通：每天工作开始，可能会与项目经理、产品经理或其他相关团队成员进行沟通，了解项目的整体规划、目标和具体需求。明确项目的应用场景，比如是用于安防监控、医疗影像分析、自动驾驶，还是其他领域，以便确定研发方向。
需求分析：仔细研究项目需求文档，对其中涉及到的计算机视觉任务进行拆解和分析。例如，在人脸识别项目中，需要确定识别的准确率要求、对不同光照和姿态下的适应性要求等。
数据收集与处理：
数据收集：花费大量时间收集相关的图像或视频数据。这可能包括从公司内部的数据库获取已有的数据，或者从公开数据集、第三方数据供应商处获取合适的数据。例如，在训练一个用于农作物病虫害检测的模型时，需要收集各种不同病虫害状态的农作物图像。
数据清洗：对收集到的数据进行清洗，去除噪声、重复数据和异常数据，以确保数据的质量和一致性。例如，去除图像中的模糊、失真或不相关的部分，对数据进行标注和分类，为后续的模型训练做好准备。
数据增强：通过数据增强技术来扩充数据集，提高模型的泛化能力。这包括对图像进行旋转、翻转、裁剪、缩放、颜色变换等操作，增加数据的多样性。
模型设计与开发：
算法选择：根据项目需求和数据特点，选择合适的计算机视觉算法和模型架构。例如，对于目标检测任务，可以选择 Faster R-CNN、YOLO 等算法；对于图像分类任务，可以选择 ResNet、VGG 等网络结构。
模型搭建：使用深度学习框架（如 TensorFlow、PyTorch 等）搭建和初始化模型。定义模型的层数、神经元数量、激活函数等参数，构建模型的训练和测试流程。
代码编写：编写代码实现模型的训练、验证和测试过程。这包括数据的加载、模型的前向传播和反向传播、损失函数的计算、优化器的更新等操作。同时，还需要编写代码对模型的性能进行评估和分析。
模型训练与调优：
训练模型：将准备好的数据输入到模型中进行训练，监控训练过程中的损失函数值、准确率等指标的变化情况。训练过程可能需要较长时间，需要不断调整超参数（如学习率、批次大小、训练轮数等）以获得最佳的模型性能。
调优改进：分析模型训练过程中出现的问题，如过拟合、欠拟合等，采取相应的措施进行改进。例如，增加数据量、添加正则化项、调整模型结构等。同时，还需要不断尝试新的技术和方法，提高模型的性能和效率。
模型测试与评估：
测试集评估：使用独立的测试集对训练好的模型进行评估，计算模型的准确率、召回率、F1 值等指标，评估模型的性能和泛化能力。
实际场景测试：在模拟或实际的应用场景中对模型进行测试，检查模型在实际环境中的表现是否符合预期。例如，在自动驾驶项目中，将模型部署到车辆上进行路测，观察模型对各种路况的识别和处理能力。
性能优化：根据测试结果，对模型进行性能优化，包括减少模型的计算量、提高模型的运行速度、降低模型的存储需求等。这可能涉及到模型的压缩、量化、剪枝等技术。
文档撰写与知识分享：
文档撰写：记录项目的进展情况、模型的设计和实现细节、实验结果等，撰写技术文档和报告。这些文档对于项目的后续维护、团队成员之间的交流以及知识的传承都非常重要。
知识分享：与团队成员分享自己的研究成果和经验，参加技术交流会议或内部培训，提高团队的整体技术水平。
协作与沟通：
内部协作：与其他部门的同事（如算法工程师、软件工程师、测试工程师等）进行密切协作，共同解决项目中遇到的问题。例如，与软件工程师合作将模型集成到系统中，与测试工程师一起制定测试方案。
外部沟通：与客户或合作伙伴进行沟通，了解他们的需求和反馈，根据他们的意见对模型进行改进和优化。
专业特点
智能视觉工程专业作为一个新兴且快速发展的领域，具有许多吸引人的优点，但也存在一些潜在的缺点。以下是该专业的优缺点分析：
优点
广阔的就业前景：
高需求：随着人工智能和机器视觉技术的快速发展，智能视觉工程专业的人才需求量大增。毕业生可以在互联网公司、科研机构、制造业、医疗健康等多个领域找到工作机会。
多样化的职业路径：智能视觉工程专业的毕业生可以选择从事技术研发、产品设计、系统集成、项目管理等多种职业路径。
高薪待遇：
高收入：由于专业性强且人才相对稀缺，智能视觉工程专业的毕业生往往能获得较高的起薪和良好的职业发展机会。
晋升空间：随着经验的积累和技术能力的提升，毕业生有较大的晋升空间，可以成为高级工程师、项目经理甚至创业公司的创始人。
跨学科融合：
多学科知识：该专业融合了计算机科学、电子工程、数学、物理等多个学科的知识，有助于培养学生的综合能力和创新思维。
前沿技术：智能视觉工程涉及许多前沿技术，如深度学习、计算机视觉、机器人技术等，为学生提供了丰富的学习和研究机会。
国家政策支持：
政策扶持：建设创新型国家是中国的一项重要战略，政府在政策、资金等方面给予智能视觉工程等高科技领域大力支持。
科研项目：许多高校和科研机构承担了国家和地方的重大科研项目，为学生提供了参与高水平科研的机会。
技术创新机会：
创新平台：许多企业和高校建立了创新实验室和研究中心，为学生提供了实践和创新的平台。
创业机会：智能视觉技术的应用场景广泛，为有志于创业的学生提供了丰富的市场机会。
缺点
专业门槛较高：
学习难度：智能视觉工程专业对学生的数学、物理等基础学科要求较高，需要较强的学习能力和逻辑思维能力。
课程强度：课程内容涉及多个学科，学习强度较大，需要学生投入大量时间和精力。
实践机会有限：
实验设备：由于相关设备和技术较为昂贵，学校和企业提供的实践平台可能有限，学生可能难以获得足够的实践机会。
项目经验：实际项目经验对于提高学生的就业竞争力非常重要，但获取这些经验可能需要额外的努力和机会。
竞争激烈：
高水平竞争：尽管市场需求大，但由于该专业较为新兴，竞争压力也可能较大，尤其是高水平的岗位竞争更为激烈。
持续学习：技术更新迅速，学生和从业者需要不断学习新的技术和理论，保持竞争力。
地域限制：
就业地域：智能视觉工程的工作机会主要集中在一线城市和科技发达地区，对于希望在其他地区发展的学生来说，可能面临一定的局限。
心理压力：
高强度工作：智能视觉工程项目通常时间紧迫、任务繁重，可能会给学生和从业者带来较大的心理压力。
不确定性：技术发展的不确定性和市场的波动性可能会影响职业规划和个人发展。
综合评价
智能视觉工程专业是一个充满挑战和机遇的选择，适合那些对计算机视觉和人工智能领域有浓厚兴趣，并且愿意为之付出努力的学生。尽管存在一些挑战，但该专业的广阔发展前景和良好的就业前景使其成为一个值得考虑的方向。如果你对智能视觉技术有热情，并且愿意投身于这一领域的研究和开发，那么智能视觉工程专业将为你提供一个实现梦想的舞台。
推荐学校
截止2024年只查到哈尔滨工业大学开设该专业
行业证书
智能视觉工程专业是一个融合了光学、电子、计算机科学和人工智能等多个学科的交叉领域，因此，对于该专业的毕业生来说，考取相关的行业证书不仅可以提升自己的专业素养，还可以增强在职场上的竞争力。以下是一些建议考取的行业证书：
一、工信部电子标准院颁发的人工智能证书
计算机视觉设计开发工程师（中级/高级）：
颁发单位：工业和信息化部电子工业标准化研究院（电子标准院）
证书价值：该证书基于电子标准院牵头研制的《人工智能从业人员能力要求》标准（SJ/T11805-2022），为人工智能专业人员的认证提供了权威依据。
适用人群：希望从事计算机视觉领域的研发、测试、实施等工作的专业人员。
自然语言处理设计开发工程师：
颁发单位：同样由电子标准院颁发
证书价值：该证书旨在认证自然语言处理领域的专业人员的能力和技术水平。
适用人群：对自然语言处理技术有深入研究或应用需求的专业人员。
二、其他权威机构颁发的证书
全球人工智能认证（Global AI Certification）：
颁发单位：全球知名的认证机构
证书价值：该证书在全球范围内具有较高的认可度和公信力，可以证明持证者在人工智能领域的专业知识和技能。
适用人群：希望在国际舞台上展示自己的专业能力的智能视觉工程专业毕业生。
中国人工智能协会认证（Chinese Association of Artificial Intelligence Certification）：
颁发单位：中国人工智能协会
证书价值：该证书在中国国内具有较高的认可度和影响力，可以证明持证者在人工智能领域的专业素养和实践能力。
适用人群：希望在中国国内从事人工智能相关工作的智能视觉工程专业毕业生。
三、其他相关证书
深度学习工程师认证：
颁发单位：可能由相关培训机构或行业协会颁发
证书价值：深度学习是智能视觉工程领域的重要技术之一，该证书可以证明持证者在深度学习方面的专业能力和实践经验。
机器学习工程师认证：
颁发单位：同样可能由相关培训机构或行业协会颁发
证书价值：机器学习是实现人工智能的重要途径，该证书可以证明持证者在机器学习方面的专业素养和实践能力。
需要注意的是，以上列举的证书仅为建议考取的部分证书，并非全部。在选择考取证书时，建议根据自己的职业规划、兴趣爱好以及市场需求等因素进行综合考虑。同时，也要注意选择正规、权威的认证机构和培训课程，以确保所考取的证书具有较高的认可度和公信力。
软件
智能视觉工程专业需要掌握一系列软件工具和技术，这些工具和技术涵盖了图像处理、计算机视觉、机器学习、编程等多个方面。以下是该专业学生应掌握的主要软件和工具：
1. 图像处理软件
OpenCV：开源计算机视觉库，支持多种编程语言（如C++、Python等），提供丰富的图像处理和计算机视觉功能。
MATLAB：强大的数学计算和图像处理工具，适合进行算法开发和实验验证。
ImageJ/Fiji：开源的图像处理软件，特别适合生物医学图像处理和分析。
2. 编程开发环境
Python：广泛用于数据科学和机器学习，有许多强大的库（如NumPy、Pandas、SciPy等）。
C++：高性能编程语言，适合开发高效的图像处理和计算机视觉应用程序。
Java：适用于大型企业级应用开发，也有一些图像处理库（如BoofCV）。
Visual Studio Code (VS Code)：轻量级但功能强大的源代码编辑器，支持多种编程语言。
PyCharm：专为Python开发设计的IDE，提供强大的代码编辑和调试功能。
3. 机器学习框架
TensorFlow：由Google开发的深度学习框架，支持多种编程语言，适用于大规模机器学习任务。
PyTorch：由Facebook开发的深度学习框架，以灵活性和动态图机制著称，适合研究和开发。
Keras：高级神经网络API，可以运行在TensorFlow、Theano等后端上，适合快速原型设计。
Scikit-Learn：Python中的机器学习库，提供了一系列经典的机器学习算法和工具。
4. 三维建模与仿真软件
Blender：开源的三维建模和动画软件，适用于创建复杂的三维场景和模型。
SolidWorks：专业的三维CAD软件，适合机械设计和工程应用。
Unity：游戏引擎，也可以用于创建虚拟现实和增强现实应用。
5. 相机及设备控制软件
HALCON：专业的工业视觉软件，提供丰富的视觉工具和算法库，适用于复杂的视觉检测任务。
VisionPro：由Cognex公司开发的工业视觉软件，支持多种工业相机和传感器。
LabVIEW：图形化编程环境，适合进行数据采集、仪器控制和自动化测试。
6. 数据可视化工具
Matplotlib：Python中的数据可视化库，适合绘制各种图表和图像。
Seaborn：基于Matplotlib的高级数据可视化库，提供更美观的图表样式。
Plotly：交互式数据可视化库，支持多种编程语言，适合创建动态图表和仪表盘。
7. 版本控制工具
Git：分布式版本控制系统，用于代码管理和协同开发。
GitHub/GitLab：在线代码托管平台，支持项目管理和协作开发。
8. 其他工具
Docker：容器化平台，用于构建、部署和运行应用程序，确保环境一致性。
Jupyter Notebook：交互式笔记本环境，适合进行数据分析和算法开发。
Anaconda：Python的数据科学发行版，包含了许多科学计算和数据处理库。
学习建议
基础知识：先从基础知识入手，掌握一门编程语言（如Python或C++），并熟悉基本的数学和物理概念。
实践项目：通过实际项目来巩固所学知识，可以从简单的图像处理任务开始，逐步过渡到复杂的计算机视觉项目。
在线资源：利用在线课程、教程和论坛资源，如Coursera、Udacity、Stack Overflow等，进行自主学习。
社区参与：加入相关的技术社区和论坛，如GitHub、Reddit等，与其他开发者交流经验和解决问题。
通过掌握这些软件和工具，智能视觉工程专业的学生将能够更好地应对学习和工作中遇到的各种挑战，为未来的职业发展打下坚实的基础。
编程语言
智能视觉工程专业通常需要掌握以下编程语言：
一、Python
数据处理与分析：
在智能视觉工程中，需要处理大量的图像和视频数据。Python 拥有丰富的数据分析和处理库，如 NumPy、Pandas 和 SciPy 等。使用这些库可以高效地进行数据读取、清洗、转换和分析。例如，可以使用 NumPy 进行图像数组的操作，实现图像的裁剪、缩放和旋转等预处理操作。
Python 的数据处理能力还可以用于提取图像特征，为后续的图像识别和分类任务做准备。例如，使用 Scikit-learn 库进行特征提取和选择，提高模型的性能和效率。
深度学习框架：
深度学习是智能视觉工程的核心技术之一。Python 有很多流行的深度学习框架，如 TensorFlow、PyTorch 和 Keras 等。这些框架提供了丰富的工具和函数，方便开发者构建、训练和优化深度神经网络模型。例如，使用 PyTorch 可以轻松地定义和训练卷积神经网络（CNN）、循环神经网络（RNN）等模型，用于图像分类、目标检测和语义分割等任务。
Python 的深度学习框架还支持分布式训练和 GPU 加速，能够大大提高模型的训练速度和效率。例如，在处理大规模图像数据集时，可以使用多个 GPU 进行并行训练，缩短训练时间。
可视化：
在智能视觉工程中，可视化是非常重要的一环。Python 有很多可视化库，如 Matplotlib、Seaborn 和 Plotly 等。使用这些库可以将图像数据和模型结果进行可视化展示，帮助开发者更好地理解数据和模型的性能。例如，可以使用 Matplotlib 绘制图像的直方图、散点图和热力图等，展示图像的特征分布和模型的预测结果。
Python 的可视化库还可以用于制作动画和交互界面，方便用户对图像数据进行探索和分析。例如，使用 Plotly 可以创建交互式的图像可视化界面，用户可以通过鼠标操作查看图像的不同部分和特征。
二、C++
高性能计算：
虽然 Python 在智能视觉工程中非常方便，但在一些对性能要求极高的场景下，C++仍然是首选语言。C++具有高效的内存管理和底层控制能力，可以实现高性能的计算和算法实现。例如，在实时视频处理和计算机视觉算法的优化中，C++可以充分发挥其性能优势，确保系统的实时性和稳定性。
C++还可以与硬件进行直接交互，如使用 GPU 进行加速计算。通过调用 GPU 的并行计算能力，可以大大提高计算机视觉算法的执行速度。例如，使用 NVIDIA 的 CUDA 库可以在 C++中实现 GPU 加速的图像处理和深度学习算法。
嵌入式系统开发：
在智能视觉工程中，很多应用需要在嵌入式系统上运行，如智能摄像头、机器人和自动驾驶汽车等。C++是嵌入式系统开发的常用语言之一，因为它可以直接操作硬件资源，并且具有高效的编译和执行效率。例如，在开发嵌入式视觉系统时，可以使用 C++编写底层的驱动程序和图像处理算法，实现实时的图像采集和处理功能。
C++还可以与其他嵌入式开发工具和技术结合使用，如 RTOS（实时操作系统）和硬件描述语言（HDL）等。这使得开发者可以在嵌入式系统上实现复杂的智能视觉应用，满足不同场景的需求。
三、Java
企业级应用开发：
在智能视觉工程中，除了算法和模型的开发，还需要开发企业级的应用系统，如图像管理系统、视频监控平台和智能视觉分析软件等。Java 是企业级应用开发的主流语言之一，具有强大的功能和广泛的应用生态。例如，可以使用 Java EE 框架开发分布式的图像存储和处理系统，实现高可用性和可扩展性。
Java 的面向对象编程特性和丰富的类库使得开发大型软件系统更加容易和高效。例如，使用 Spring Boot 框架可以快速构建基于微服务架构的智能视觉应用，提高开发效率和系统的可维护性。
跨平台应用开发：
Java 具有良好的跨平台性，可以在不同的操作系统上运行，无需进行大量的修改和适配。这对于智能视觉工程中的跨平台应用开发非常有利。例如，可以使用 Java 开发的图像识别软件可以在 Windows、Linux 和 macOS 等不同操作系统上运行，满足不同用户的需求。
Java 还可以与其他技术结合使用，实现跨平台的智能视觉应用。例如，使用 JavaFX 可以开发跨平台的图形用户界面，使用 Java Web Start 可以实现应用的自动更新和部署。
四、MATLAB
算法开发与验证：
MATLAB 是一种强大的数学计算和工程软件，在智能视觉工程中也有广泛的应用。MATLAB 提供了丰富的图像处理和计算机视觉工具箱，方便开发者快速实现和验证各种算法。例如，可以使用 MATLAB 的 Image Processing Toolbox 进行图像增强、滤波、分割和特征提取等操作，使用 Computer Vision System Toolbox 进行目标检测、跟踪和三维重建等任务。
MATLAB 的可视化功能也非常强大，可以将算法的结果以图像、动画和图表等形式展示出来，方便开发者进行分析和调试。例如，可以使用 MATLAB 的 plot 函数绘制图像的特征曲线，使用 imshow 函数显示处理后的图像结果。
学术研究与教学：
在智能视觉工程的学术研究和教学中，MATLAB 也是一种常用的工具。它提供了方便的编程环境和丰富的数学函数，可以帮助研究者快速实现和验证新的算法和理论。例如，在计算机视觉的研究中，可以使用 MATLAB 进行算法的仿真和性能评估，与其他研究人员共享代码和结果。
MATLAB 还可以用于教学，帮助学生更好地理解智能视觉工程的概念和算法。例如，使用 MATLAB 的 Live Script 可以创建交互式的教学文档，让学生在实践中学习和掌握计算机视觉的知识和技能。
德国海归点评
智能视觉工程专业被归入电子信息大类，其实，我觉得该专业和智能科学与技术专业，人工智能专业更相近。因为该专业所需要解决的核心问题，让机器人的摄像头能够实时的处理看到的图像，视频，并进行相应的处理，并根据图像和视频做出对应的反应。这个过程其实就是完全模拟人类的大脑。典型的应用就是无人驾驶汽车。汽车需要对拍摄到的图像和视频进行分析，决定什么时候刹车，什么时候需要急刹车，什么时候可以启动。
这里面需要的技术都是人工智能里面的技术，传统的图像算法已经无法解决这么复杂的问题。
提到人工智能，我曾经判定人工智能是目前我认知里面最难的专业，不是省级学霸不要学习，勉强毕业，只能做测试相关工作，无法真正做人工智能的研发岗位。
智能视觉工程专业我也是同样的建议，非真正的学霸不要报考。该专业毕业后的工作日常就是编程，研究各种算法，不喜欢编程的也不要碰。
推荐阅读：
大学专业咨询，联系有多年世界500强公司经验的德国海归，不要zhang xue feng的20000，只要一杯咖啡起！
您的点赞，转发是对我最大的支持，是鼓励我走下去的动力，谢谢！
扫一扫
2540
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
