什么是机器视觉? 和计算机视觉有什么区别？

        提到机器视觉时，机器视觉涉及了许多不同的技术、软件和硬件产品、集成系统、行动、方法和专业技能。机器视觉以新的方式和现有技术集成，并将其应用于解决现实世界工厂缺陷检测的问题。机器视觉是一门系统工程学科，可以认为与计算机视觉不同，计算机视觉是计算机科学的一种形式，而不是通过有形的硬件如视觉盒或机器人上的摄像机来完成的。

        计算机视觉是处理信息的大脑，没有了计算机视觉，机器视觉无法工作。值得注意的是，当计算机视觉技术进步时，机器视觉潜在应用的可能性也会增加。即计算机视觉可以处理的不是照片或视频的图像，而是来自热或红外传感器、运动探测器或其他来源的图像。

        机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够保证需要检测的特征突出于其他背景，对比度对机器视觉来说非常重要。机器视觉对光源的选择，当选择两种光源的时候，最佳的选择是选择更亮的那个。

        随着工业4.0和工业需求的增加，难度的增加，机器视觉的相关重要相机和算法也得到了更新。例如，相机倾向于在3D方向上开发，算法更倾向于智能算法，并且使用了机器学习中的相关算法。目前，工厂车间对机器视觉的传统用途没有改变，这是由于相关的技能和算法已经非常成熟，且目前的机器视觉成本效益对工厂而言相对友好。

        改进现有算法，或是研究更有效的算法，提高机器视觉系统的处理效率和鲁棒性，这仍然是机器视觉应用的未来和发展的重要前提。目前，numimag DLIA工业缺陷检测基于卷积神经网络的图像识别算法正处于研究阶段，经过训练的numimag DLIA工业缺陷检测卷积神经网络可以大大提高图像识别的准确性，使用numimag DLIA工业缺陷检测卷积神经网络模型的机器视觉系统是机器视觉的发展趋势。