伴隨著工業(yè)發(fā)展進程及工業(yè)4.0時代的到來，機器智能化也逐漸成為現(xiàn)實。特別是近期工業(yè)自動化中機器視覺技術的發(fā)展，視覺技術的不斷更新迭代，使得其在智能制造中的地位也是日漸突顯，也推動了工業(yè)自動化、人工智能、智能制造等行業(yè)的進步，為各個領域都帶來更強勁的發(fā)展動力。

機器視覺發(fā)展到今天已經(jīng)有二十多年的歷史了，它實質(zhì)上是計算機學科中一個重要的分支。在起初的20世紀50年代，研究的是簡單的二維圖像統(tǒng)計模式識別；到了60年代，則開始研究三維機器視覺；70年代中期到80年代初期，機器視覺開始在全球范圍內(nèi)大范圍開啟研究，同時MIT人工智能實驗室開啟“機器視覺”課程，機器視覺在這個時期得到了蓬勃的發(fā)展。

其快速成長的優(yōu)勢條件

首先在于其可實現(xiàn)可靠性更高的產(chǎn)品質(zhì)量檢測及實時監(jiān)控，有效的避免了人工檢測過程中的主觀性和個體差異；

檢測精度可達到亞微米級別，突破了人眼的物理限制，在全生命產(chǎn)品周期內(nèi)對產(chǎn)品進行外形、標簽、完整度等方面的缺陷檢測；

數(shù)字圖像處理和計算機視覺算法不斷優(yōu)化，在軟件系統(tǒng)層面上提供更廣泛及高效的檢測功能，補充機器視覺硬件系統(tǒng)的檢測能力；

避免檢測人員與被檢測物件直接接觸，防止物件被人為損壞，避免了檢測系統(tǒng)機械部件的消耗程度以及維護成本；防止物件免受污染；

使用機器視覺技術的機器人或者機械臂可以根據(jù)機器視覺系統(tǒng)提供的位置和方向信息，對工件進行智能抓取，廣泛應用于食品，醫(yī)療制藥和包裝等行業(yè)，拓展了生產(chǎn)制造的柔性；

在安全上減少人在現(xiàn)場操作的時間，有效的避免了操作人員的聽力損害、身體機能下降等情況，保證了操作人員人身。

目前技術所帶來的局限性

但就其目前的整體技術水平，還是存在一些問題，將來有望一一解決。首先其容易受到環(huán)境光源的約束：不同的光源將造成不同的成像質(zhì)量和效果，直接干擾檢測算法的檢測，可能造成產(chǎn)品的誤判；單一的視覺引導技術不能保證路徑中障礙物檢測的精度，決策控制層往往需要融合多種傳感器采集的信息。

受到硬件設備性能的限制：攝像頭的鏡頭畸變矯正、標定差異性、視角范圍有限；安裝條件及場地限制，對傳感器融合方案的要求；每個像素的暗電流不同，對光子響應不一致，會造成攝像機中空間及模式噪聲；CCD線陣相機的參數(shù)設置的局限性。

受到端上計算資源的限制：工業(yè)產(chǎn)品大規(guī)模復雜的模型架構(gòu)需要依賴強大計算能力，當設備終端上內(nèi)存難以滿足時需要采用模型云端離線訓練再部署到設備終端；圖像數(shù)據(jù)傳輸時仍需要對特定的任務目標進行模型的參數(shù)調(diào)整、優(yōu)化，會產(chǎn)生額外的工程開銷，且實時性較差。

受到檢測對象多樣性的限制：物體表面缺陷種類繁多、缺陷產(chǎn)生機理不明、缺陷描述不充分；機器視覺系統(tǒng)難以從數(shù)據(jù)中提取特征。

受到成本和收益經(jīng)濟性的限制：視覺傳感器等工業(yè)相機核心零部件和底層視覺軟件的開發(fā)需較大投入成本。