机器视觉研发工程师8年工作总结-普密斯

机器视觉研发工程师8年工作总结

2021/04/29

作者:adminBOSS

本人在机器视觉行业从事研发工作8年了，在此总结一下这个行业的技术特点，给入行的新人一点启示和参考。

机器视觉，并不是视觉，他不具有人类的视觉理解能力，说穿了他只是图像处理技术的工程应用，都是由工程师开发的算法和光学硬件设备来完成任务，并且是特定的算法完成特定的任务，互相之间没有通用性。

有人说机器的智能已经超过人类等等观点，那是过于乐观了。现在技术还远远达不到这个水准，现在的技术只能解决一些规则的，简单的检测任务，因为有相应的数学模型参考，比如形状匹配，边缘，纹理的识别等等。

如果检测的东西完全没有规律可循，那就没办法开发视觉系统了，人一眼可以看出来的，认为简单的东西，机器可能也做不了。因为人具有自主意识，真正能理解任务，哪怕在复杂的图案和花纹里面，要寻找一个特定的东西，比如扣子，手套都是容易的，但是机器就做不了，因为背景没有规律，工程师无法找到有效的特征来开发这个系统。

机器视觉的优势

但是机器视觉也有他的优势，那就是不知疲倦地检测一些简单的东西，比如玻璃上的划痕，屏幕上的疵点，可以做的非常准确，并且可以做到很高的精度。

机器视觉就是利用机器代替人眼做出测量和判断，在应用层面上，目前主要用来做系统集成或二次开发的较多，可以概括为以下四个部分：

1、外观缺陷检查

外观及缺陷检测，主要利用模板匹配。

2、识别

生物特征识别（人脸、语音、指纹、虹膜），目标识别（车牌识别，射频识别等），条码识别（一维码、二维码），字符识别，纹理识别等。识别的最终目的主要是为了分类，这里需要利用大数据训练学习，需要借助深度学习。

3、尺寸测量

几何尺寸测量（长、宽、高、周长、面积、体积等），圆或者椭圆（圆心、半径、轮廓、角度、尺寸等）；测量必须先标定，这里涉及到相机标定问题。

4、定位

工装定位移位、装配、码垛机器人的定位等。机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。

再说说人工智能，目前的人工智能，也只是发现了自动提取模式的方法，收集了足够多的，有代表性的样本，然后用这套系统进行学习，再应用这套系统再分类图像而已。其实也算不上什么智能，只能算是技术，仍然属于图灵机的范畴。距离真正能理解图像还相距甚远。机器视觉，人工智能，目前不能做的，正是给科研人员以及硕士，博士们研究的空间。

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:疯狂AI背后企业的真实生存状况