在我们的世界，各种机器视觉模型已经广泛应用在物料加载与递送，在线检测，机器人等诸多应用领域。
什么是机器视觉？
机器视觉，就是给机器一双类似我们人一样的眼睛，取决于需要，可以判断物体的外貌，形状，大小，方位。
一般来讲，我们决定做一个机器视觉项目的时候，分为硬件供应商和软件供应商。
硬件供应商自不必言，包括各种智能相机，大部分硬件供应商会自带软件，不过功能不会太复杂，比如条码识别啦，模板匹配啦。一般情况下，供应商会要求用户按特定的环境配置相机，以发挥其软件的性能。这种介绍性的帖子特别多，我就不多写了。
软件供应商就五花八门，水准也千差万别。下面我重点介绍。
有过经验的都知道，当我们想选择一个合适的机器视觉供应商的时候，往往会碰到各种意想不到的难题。对于中小企业，限于资金和技术实力，问题更为严重。因为大家都不是行家，对视觉领域了解有限，是很难看出对方水平怎么样，所以在选择供应商的时候就有了很大的随机性，再加上报价往往因实力相差悬殊而大相径庭，为了节省成本，也极大地加大了这种选择的难度。
比如很多公司会根据公司规模选择供应商，其实这不一定可靠；首先，做视觉和公司规模关系不大。如果不是那种超大型公司，那么最关键的算法往往在公司里只有一两个人，因为软件是可以无限制拷贝的，一旦这个这个关键算法搞定了，那么以后的项目就可以依葫芦画瓢，项目基本也就定调了。其次，有的公司虽然人多，但基本都是机械电子工程师，这些东西其实多数自动化公司都能搞定，所以公司规模虽大，但对项目的水准影响并不大。
我自己是专业做视觉的，我根据自己的经验，把视觉工程师分为以下几种技术水准。当然，这个技术水准是很笼统的，没有截然的界限，更不是什么标准（本身也不存在标准）所以大家有个大概的概念就可以了。
L1:一般水平就是Halcon，采用开箱即用的算法或模型，训练几个月就是视觉工程师了，这些工程师不需了解算法本身，会用就行；
L2：接下来水平高一点的是能采用OpenCV的，起码了解各种算法，能写原创代码；
L3：再就是图像处理专家，比如能开发Photoshop中的专业功能，对图像算法有很深的了解。
L4:再往后是精通图像处理，也精通人工智能的专家，达到这个水准，估计岂码十年工作经验。
L5:再再往后就是精通图像处理，人工智能，并且在图像处理和人工智能的某个细分领域做到极致的专家。比如我自己所在的丝贝视像，是最早研究将机器学习应用于高精度工业定位的公司，在高精度定位识别方面是有自己独到的算法和优势的（可以在网上搜一下我们: 1-8-9-2-8-4-1-0-3-6-1）。
那么，当我们决定做一个视觉项目的时候，到底是走人工智能好呢？还是选择传统的视觉方案呢？
我根据息的经验，大概列述如下，也请大家注意，这个分类也不是绝对的，传统机器视觉和人工智能没有截然的分界线，很多人工智能模型，是可以追溯到传统视觉算法的。
传统机器视觉的优点
传统机器视觉在应对简单应用环境时有很多开箱即用的工具软件和算法；开发人员素质要求相对没有那么高，应用快，人工成本低。
不足之处是严重依赖环境，容易受光影等环境条件影响；需要有良好的光源，背景等附属设备；通常应用在只有一种简单形态物件的应用场合。
人工智能机器视觉的优点
人工智能适合复杂且精度要求较高的场合。稳定性和可靠性高，硬件成本低。
->识别能力强；例如，可以在不同零件中准确挑选出用户指定的零件。
->抗干扰，高稳定性和可靠性；人工智能不易受环境背景、光影，照度，颜色等条件的影响。可以应对各种复杂的工业环境。
->节省空间：在机械自动化中，可减少很多机械部署，节省了大量人力物力及附加的保养维护费用。例如，采用人工智能定位的嵌入式系统占用的空间极小，往往只需要配合一个机械手或吸盘就能准确提取物件，能在紧凑的流水线生产中节省大量的可操作空间。
->降低成本：由于去除了大量的机械定位装置，同时也不需要像传统机器视觉那样部署特殊光源和背景，因此，可节省大量的硬件成本和维护费用。
比如我们看下面这个简单的接线端子的胶壳识别，采用传统的办法，是没办法完全消除误判的，因为反面的外形和正面的外形是完全一样的。
其次，这个演示是在光线很暗淡的条件下做的，没有任何背景设置，那传统的视觉就做不了。
第三，在非中心部位，我们需要定位到上表面，那些相机拍到的高度部分其实不是我们想要的，受此影响，采用传统算法的时候，就很容易在定位时误判位置。
如果您有任何技术方面的疑问，欢迎随时联系我们（1-8-9-2-8-4-1-0-3-6-1，微信同号）免费为你答疑。
|
楼主
标题置顶
标题高亮
