機器視覺研發工程師8年工作總結

2021/04/29

編寫:adminBOSS

本人在機器視覺行業從事研發工作8年了，在此總結一下這個行業的技術特點，給入行的新人一點啟示和參考。

機器視覺，並不是視覺，他不具有人類的視覺理解能力，說穿了他只是圖像處理技術的工程應用，都是由工程師開發的算法和光學硬件設備來完成任務，並且是特定的算法完成特定的任務，互相之間沒有通用性。

有人說機器的智能已經超過人類等等觀點，那是過於樂觀了。現在技術還遠遠達不到這個水準，現在的技術只能解決一些規則的，簡單的檢測任務，因為有相應的數學模型參考，比如形狀匹配，邊緣，紋理的識別等等。

如果檢測的東西完全沒有規律可循，那就沒辦法開發視覺系統了，人一眼可以看出來的，認為簡單的東西，機器可能也做不了。因為人具有自主意識，真正能理解任務，哪怕在復雜的圖案和花紋裡面，要尋找一個特定的東西，比如釦子，手套都是容易的，但是機器就做不了，因為背景沒有規律，工程師無法找到有效的特徵來開發這個系統。

機器視覺的優勢

但是機器視覺也有他的優勢，那就是不知疲倦地檢測一些簡單的東西，比如玻璃上的划痕，屏幕上的疵點，可以做的非常準確，並且可以做到很高的精度。

機器視覺就是利用機器代替人眼做出測量和判斷，在應用層面上，目前主要用來做系統集成或二次開發的較多，可以概括為以下四個部分：

1、外觀缺陷檢查

外觀及缺陷檢測，主要利用模板匹配。

2、識別

生物特徵識別（人臉、語音、指紋、虹膜），目標識別（車牌識別，射頻識別等），條碼識別（一維碼、二維碼），字符識別，紋理識別等。識別的最終目的主要是為了分類，這裡需要利用大數據訓練學習，需要藉助深度學習。

3、尺寸測量

幾何尺寸測量（長、寬、高、周長、面積、體積等），圓或者橢圓（圓心、半徑、輪廓、角度、尺寸等）；測量必須先標定，這裡涉及到相機標定問題。

4、定位

工裝定位移位、裝配、碼垛機器人的定位等。機器視覺系統可以快速獲取大量信息，而且易於自動處理，也易於同設計信息以及加工控制信息集成，因此，在現代自動化生產過程中，人們將機器視覺系統廣泛地用於工況監視、成品檢驗和質量控制等領域。

再說說人工智能，目前的人工智能，也只是發現了自動提取模式的方法，收集了足夠多的，有代表性的樣本，然後用這套系統進行學習，再應用這套系統再分類圖像而已。其實也算不上什麼智能，只能算是技術，仍然屬於圖靈機的範疇。距離真正能理解圖像還相距甚遠。機器視覺，人工智能，目前不能做的，正是給科研人員以及碩士，博士們研究的空間。

上一篇:想要不被人工智能所替代需要提高哪些能力？

下一篇:瘋狂AI背後企業的真實生存狀況