在从自然界获得的各种信息中，从机器视觉获得的信息量最高，约占总量的80%。 随着信息技术的发展，人类的视觉功能越来越多地被赋予计算机、机器人和其他智能机器。 现在机器视觉( MV )技术已经产品化了。 视觉传感器、镜头、高速摄像机、视觉软件、图像采集卡、视觉处理器等越来越完善。 在工业自动化环境中，机器视觉越来越受到业界的关注，多用于自动驾驶汽车、包装和物流、机器人和无人机等。
提到机器视觉，技术人员可能会有很多理解，本文试图从四个方面逐一说明关于机器视觉应该理解的真相。
真相1 )机器视觉计算机视觉
机器视觉是指通过光学仪器和非接触式传感器自动接收和处理实际物体图像，获取所需信息和控制机器人运动的装置。 20世纪50年代开始运行，20世纪80年至90年，该技术正式起飞，并逐渐开始普及。 经过几十年的发展，机器视觉已经对它是什么以及它如何工作积累了各种各样的定义。
自动化成像协会( AIA )给出了更广义上的定义。 也就是说，机器视觉包括所有工业APP应用和非工业APP应用，软硬件结合为设备执行基于图像捕获和处理的功能提供操作指导。 而SearchEnterpriseAI给出了机器视觉的狭义定义，称之为“计算机视觉能力”。 该系统使用一个或多个相机、模数转换器( ADC )或数字信号处理( DSP )将产生的数据传输到计算机或机器人控制器。
在实际应用中，机器视觉通常需要配合自然语言处理、机器人过程自动化( RPA )、人工智能( AI )、机器学习)等其他先进技术来实现自动化所需的“视觉”功能。 机器视觉可以被认为是自动化的眼睛。 AI和ML是大脑，RPA提供完成工作所需的“键盘手”。 近年来，自动化的采用速度加快，对企业保持行业竞争力很重要。 如果将自动化视为“数字化员工”在工作，如果不添加机器视觉，所有这些“数字化员工”将失明。
计算机视觉近年来也在业界很受欢迎，它与机器视觉有什么联系呢？ 从宏观上讲，机器视觉是一种以新的方式与现有技术集成并应用于解决现实世界问题的技术能力，是一门系统工程学科。 计算机视觉是计算机科学的一种形式，不是通过固定在机器人上的视觉设备，例如照相机等有形硬件来实现的。更具体地说，机器视觉是系统的主体，计算机视觉是系统的智能，是处理信息的大脑。 如果没有计算机视觉，机器视觉就不起作用。 机器学习、深度学习和神经网络是通过机器视觉系统更快处理项目的三种技术。 这三种技术可用于扩大对机器视觉定位内容的理解，使之成为机器视觉的宝贵资产。 随着计算机视觉技术的进步，机器视觉潜在应用的可能性也相应增加。
值得注意的是，机器视觉与图像处理同样是两个不同的概念，图像处理是输出图像的过程，机器视觉系统是汽车、电子与半导体、食品与饮料、道路与车辆交通或智能运输系统( ITS )、医疗图像、包装、标签与打印、制造* *
真相2 :软硬件的发展推动了机器视觉的进步
机器视觉是工业自动化的眼睛。 其主要工作流程是将通过相机、CMOS、CCD等机器视觉产品拍摄的物体转化为图像信号，并将图像信号传输到专用的图像处理系统。 根据像素分布、亮度、颜色等信息，将图像信号转换为数字信号，最终使机器(机器人和其他工业工具)能够完成制造和质量验证等工业任务。
机器视觉是工业4.0的重要元素，通过改善库存、检测故障产品、提高制造质量等多种方式支持工业自动化系统。 要准确模拟人类感知，机器视觉需要一系列设备和软件的帮助。 这些软硬件技术的发展进一步推动了机器视觉技术的发展。
