计算机技术发展水平 到目前发展到( ),目前机器视觉发展到什么水平？

满意答案

其实机器视觉的发展是相当缓慢的，因为近期计算机硬件发展的很快，CPU性能可以支持很大分辨率图像的计算和很复杂的算法，好像视觉技术也发展的很快一样，其实视觉发展的还是很慢的。

因为机器视觉使用计算机编程技术来模仿人类视觉，模仿人类的辨别能力，检测能力；只是在很粗的粒度上进行模拟，或者说在很浅显的水平上进行模拟，更深层次的东西大家都没弄明白。

比如说一张图画里面有若干条直线，需要数出来有几条，这个对于人来讲太容易了，是吧，但是对于计算机视觉来说，还摸不着头脑，因为计算机没有人类的理解能力，思考能力，他只是能很快的执行加减乘除(乘除也是用加法器凑出来的), 计算机的所有功能说白了，底层只是加减乘除而已，根本没有思维，没有意识，那他怎么去数直线的根数呢？

通过数学方法的霍夫变换来实现。霍夫变换是1960-1970年之间的Paul Hough 发明的，他把空间中的所有点的坐标，转换为许多直线方程，每个点都对应无数个直线方程，共线的点的直线方程就会重复，那么最后数出来那些直线方程的个数超过阈值，那么就是有多少条直线。

看明白了吧，即使数直线个数这么简单的任务也要用这么复杂的数学变化来实现，那么其他的比如玻璃表面的划伤检测呢，或者印刷品表面的漏印检测呢，再或者机器人自动抓取是怎么实现的的，背后都是数学算法在支撑着，讲穿了其实没有什么太深不可测的。

既然是有数学算法支撑，那么数学能解决的问题是有有限的，所以机器视觉能解决的问题也是有限的，本质上说跟人类的视觉是有根本性差别的。这些差别体现在，人类可以理解非常复杂的物体，可以在非常复杂的背景中，准确找出千变万化的物体(例如手绢，例如糖果)，这些对人来说毫不费力，但是机器视觉却做不出来，或者说做不好。因为它缺少理解力

一旦方程无法解决，那就没办法了。

虽然现在深度学习很火，好像遍地开花一样，但是深度学习也并没有产生人类的理解能力，它也只是一种复杂的分类器而已，它用几百万上千万个参数去迭代拟合复杂的图片，以便得到正确的分类结果，但是一旦系统训练好了，他遇到新的类别还是会分错，他没有自动学习能力，并且在复杂的有噪声的背景中，识别目标的能力还是远低于人，这都是数学方法的限制带来的。

那么回到主题，机器视觉是否已经无所不能，开始全面代替人工呢？ 答案是否定的。

但是可以替代那些简单重复性的人工劳动，比如在饮料灌装线上，挑出没有灌满的瓶子；在电缆生产车间，检查电缆表面是否有破损，或者在高速行进的单一颜色布匹上，检查出断丝。这些都是现在数学可以解决的问题，用机器视觉也是非常合适的。

如果面对的任务不是这些简单重复性的，例如灾区搜救，照看病人，捉拿罪犯，教育孩子这些需要一定智力的活动机器就做不好了。可能等以后真正的智能出来了，才能做好。

00分享举报