机器视觉七大典型应用，为人工智能插上“慧眼”。

随着“阿尔法狗”和“阿尔法零”的横空出世，人工智能一度成为人们茶余饭后的讨论话题。近年，人工智能发展浪潮汹涌，正在成为人类下一个发展阶段的主旋律。很多人说人工智能时代，关键就在机器视觉技术。

机器视觉技术，就是用机器代替人眼来做测量和判断，其最大的特点是速度快、信息量大、功能多。机器视觉系统是通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

机器视觉作为全球智能的“慧眼”,很大程度上影响着人工智能的进步，无人驾驶、无人机、智能机器人等近期热点中的热点也以机器视觉的发展为前提。

作为人工智能发展前提的机器视觉技术，其主要有七大典型应用：

图像识别应用     
图像识别，是利用机器视觉对图像进行处理、分析和理解，以识别各种不同模式的目标和对象。图像识别在机器视觉工业领域中最典型的应用就是二维码的识别。将大量的数据信息存储在二维码中，通过条码对产品进行跟踪管理，通过机器视觉系统，可以方便的对各种材质表面的条码进行识别读取，大大提高了现代化生产的效率。

图像分类应用
一张图像中是否包含某种物体，对图像进行特征描述是物体分类的主要研究内容。一般说来，物体分类算法通过手工特征或者特征学习方法对整个图像进行全局描述，然后使用分类器判断是否存在某类物体。
图像分类问题就是给输入图像分配标签的任务，这是智能视觉的核心问题之一。这个过程往往与机器学习和深度学习不可分割。

图像检测应用    
检测是机器视觉工业领域最主要的应用之一。几乎所有产品都需要检测，而人工检测存在着较多的弊端，因此，具有诸多优点的机器视觉在图像检测的应用方面也非常的广泛，例如：2000年10月新发行的第五套人民币中，壹圆硬币的侧边增强了防伪功能，鉴于生产过程的严格控制要求，在造币的最后一道工序上安装了视觉检测系统。

图像分割应用
在图像处理过程中，有时会需要对图像进行分割来提取有价值的用于后续处理的部分，例如筛选特征点，或者分割一或多幅图片中含有特定目标的部分等。
图像分割指的是将数字图像细分为多个图像子区域（像素的集合，也被称作超像素）的过程。图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。更精确地说，图像分割是对图像中的每个像素加标签的一个过程，这一过程使得具有相同标签的像素具有某种共同视觉特性。

“图像分割”是一个像素级别的物体识别，即每个像素点都要判断它的类别。它和物体检测的区别是：检测是一个物体级别的，只需要一个框去框住物体的位置，而分割是比检测要更难的问题。

视觉定位应用    
视觉定位要求机器视觉系统能够快速准确的找到被测零件并确认其位置。在半导体封装领域，设备需要根据机器视觉取得的芯片位置信息调整拾取头，准确拾取芯片并进行绑定，这就是视觉定位在机器视觉工业领域最基本的应用。

物体测量应用    
机器视觉工业应用最大的特点就是其非接触测量技术，同样具有高精度和高速度的性能，但非接触无磨损，消除了接触测量可能造成的二次损伤隐患。常见的测量应用包括齿轮、接插件、汽车零部件、IC元件管脚、麻花钻、罗定螺纹检测等。

物体分拣应用     
实际上，物体分拣应用是建立在识别、检测之后一个环节，通过机器视觉系统将图像进行处理，实现分拣。在机器视觉工业应用中常用于食品分拣、零件表面瑕疵自动分拣、棉花纤维分拣等。