伴隨著工業(yè)發(fā)展進(jìn)程及工業(yè)4.0時代的到來，機(jī)器智能化也逐漸成為現(xiàn)實(shí)。特別是近期工業(yè)自動化中機(jī)器視覺技術(shù)的發(fā)展，視覺技術(shù)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(jìn)步，為各個領(lǐng)域都帶來更強(qiáng)勁的發(fā)展動力。

機(jī)器視覺發(fā)展到今天已經(jīng)有二十多年的歷史了，它實(shí)質(zhì)上是計(jì)算機(jī)學(xué)科中一個重要的分支。在起初的20世紀(jì)50年代，研究的是簡單的二維圖像統(tǒng)計(jì)模式識別；到了60年代，則開始研究三維機(jī)器視覺；70年代中期到80年代初期，機(jī)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(shí)驗(yàn)室開啟“機(jī)器視覺”課程，機(jī)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(shí)現(xiàn)可靠性更高的產(chǎn)品質(zhì)量檢測及實(shí)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(dá)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(jìn)行外形、標(biāo)簽、完整度等方面的缺陷檢測；

數(shù)字圖像處理和計(jì)算機(jī)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(bǔ)充機(jī)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(jī)械部件的消耗程度以及維護(hù)成本；防止物件免受污染；

使用機(jī)器視覺技術(shù)的機(jī)器人或者機(jī)械臂可以根據(jù)機(jī)器視覺系統(tǒng)提供的位置和方向信息，對工件進(jìn)行智能抓取，廣泛應(yīng)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(jī)能下降等情況，保證了操作人員人身。

目前技術(shù)所帶來的局限性

但就其目前的整體技術(shù)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(dǎo)技術(shù)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(shè)備性能的限制：攝像頭的鏡頭畸變矯正、標(biāo)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(yīng)不一致，會造成攝像機(jī)中空間及模式噪聲；CCD線陣相機(jī)的參數(shù)設(shè)置的局限性。

受到端上計(jì)算資源的限制：工業(yè)產(chǎn)品大規(guī)模復(fù)雜的模型架構(gòu)需要依賴強(qiáng)大計(jì)算能力，當(dāng)設(shè)備終端上內(nèi)存難以滿足時需要采用模型云端離線訓(xùn)練再部署到設(shè)備終端；圖像數(shù)據(jù)傳輸時仍需要對特定的任務(wù)目標(biāo)進(jìn)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(shí)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(jī)理不明、缺陷描述不充分；機(jī)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(jì)性的限制：視覺傳感器等工業(yè)相機(jī)核心零部件和底層視覺軟件的開發(fā)需較大投入成本。