人工智能應用正在迅速的發(fā)展，各方面各個領域都在人工智能的技術下變革。人工智能工程技術能讓機器設備具備仿人類的功能，還能夠從事專業(yè)許多精密的系統(tǒng)運算工作。在人工智能應用當中，機器視覺系統(tǒng)是重要的一個方面。機器視覺系統(tǒng)就是用機器設備代替肉眼來做精確測量和分析判斷。跟“聽覺”等方面的應用技術不同，機器視覺系統(tǒng)主要給工業(yè)設備組裝一副敏銳的“眼睛”，讓機器設備不但可以“視”，還能夠“覺”。

　　機器視覺系統(tǒng)主要運用于檢測一些繁雜的圖形識別工作。現(xiàn)在有很多行業(yè)都需要使用這樣的檢測，比如紡織和纖維、精密鑄造和注塑加工、汽車鋼板表面、印刷包裝等行業(yè)，這些行業(yè)都是機器視覺系統(tǒng)大有用途的地方。此外，隨著物聯(lián)網(wǎng)應用的持續(xù)發(fā)酵，機器視覺系統(tǒng)也獲得了寬闊的發(fā)展前景。

　　挑戰(zhàn)：行業(yè)特征影響機器視覺系統(tǒng)在生產(chǎn)環(huán)境的實施

　　近些年來，不少企業(yè)開始了基于機器視覺圖像識別技術的缺陷檢測研究，可是在實際應用情況下，傳統(tǒng)的機器設備視覺識別系統(tǒng)雖然能夠釋放一部分生產(chǎn)力，但也存有準確率低，復雜條件下無法完全取代人為檢測等一連串難題，這也使得目前的質(zhì)檢市場仍大批量采用人為目檢的形式，而機器視覺系統(tǒng)的覆蓋率不足5%，未來AI機器視覺系統(tǒng)將取代人檢填補工業(yè)質(zhì)檢的空白。

　　工業(yè)機器視覺系統(tǒng)挑戰(zhàn)首先反映在產(chǎn)品與技術層面：受到工業(yè)攝像頭的鏡頭畸變矯正、標定差異化、視角范圍、安裝條件及場所，以及自然環(huán)境光束的種類、角度、明暗度的影響，有可能導致不同的成像質(zhì)量與效果，直接干擾識別算法的檢測，可能導致產(chǎn)品的錯判。此外，部分工業(yè)機器視覺系統(tǒng)所使用的模式是將數(shù)據(jù)存儲到云端然后再進行離線模型訓練，再部署到終端設備的形式，云端模型參數(shù)的調(diào)整、優(yōu)化不會造成大批量的性能開銷，導致負載壓力，而且延遲較高，難以符合實時性相對較高的要求。

　　每一個種類的制造企業(yè)對于機器視覺系統(tǒng)的傳感器種類、性能負載、機器學習算法等都會有不同的要求，而且涉及到多學科交叉技術的整合，難以找到普遍性的機器視覺系統(tǒng)解決方案，機器視覺系統(tǒng)集成服務商需要根據(jù)企業(yè)的不同實際需求定制。此外，封閉式的工業(yè)圈導致核心關鍵技術很難分享，也進一步提高了方案的整合難度。