如果您不知道什么是机器视觉或计算机视觉，只需看看您的智能手机即可。使用手机上的摄像头查看产品的详细信息或价格、扫描代码或在应用程序上以增强现实方式追逐口袋妖怪都是机器视觉的例子。这项技术的存在时间比很多人想象的要长。 

回顾过去 

• 20 世纪 50 年代：开始使用神经网络识别图像

• 20 世纪 70 年代：首次商业使用识别打字稿中的手写内容

• 20 世纪 80 年代：制造业开始使用更多的识别符号和标签

机器视觉用于什么？

早期的机器视觉令人印象深刻，因为当时的计算能力有限。例如，D一台数码相机于 1975 年左右发明，分辨率高达 0.01 MP。随着 90 年代计算能力的提高以及数字成像逐渐进入大众市场，这种情况发生了巨大变化。

影响机器视觉的很大驱动因素之一可能是智能手机。智能手机大大降低了传感器和摄像头的成本、尺寸和功耗。此外，智能手机还推动了移动网络技术的发展，因此视频和图像可以实时无线发送到其他设备。 

当今的机器视觉是什么样的？

如今，机器视觉和计算机视觉已应用于许多行业。从先进的自动驾驶工业机器人、汽车和拖拉机到安全摄像头或社交媒体上的面部识别。这项技术的市场正在增长。2019 年，《福布斯》发表了一篇文章，称该市场预计将在 2022 年扩大到 486 亿美元。  

2018 年，美通社发布报告称，“2018 年全球工业机器视觉市场规模为 84.4 亿美元，2019 年至 2025 年间的复合年增长率为 6.86%。”此外，报告还提到，仅 3D 成像的复合年增长率就达到 9.75%。 

然而，真正鼓舞人心的是推动这些市场发展的技术。随着相机、处理器和网络的发展，工程师们能够让相机发挥非凡的作用。从视觉技术诞生之初，一些目标就没有改变过。早期的应用和研究在寻找物体边缘方面投入了大量资金。寻找边缘仍然是机器视觉的根本；尽管操作保真度要高得多。

如今，相机的分辨率足以识别高级几何形状，从而确定相机正在“查看”的部件或产品，甚至可以检查组件的 GD&T。识别边缘、部件和扫描标签也有助于采用增强现实等其他技术。

该软件可以匹配边缘或扫描代码以识别物体，并将屏幕上的真实世界图像与模型对齐。将 CAD 图像或动画叠加在真实世界图像上可以帮助指导技术人员完成安装、故障排除和其他维护需求。这些视觉工具可以通过动画、蓝图等提供分步说明，从而减少现场培训和时间。

如今，另一种更常见的高级技术是扫描标签。制造、运输和包装生产线正变得更加动态和灵活。客户的要求比以往任何时候都高，因此产品必须快速移动到正确的位置。相机必须能够以高速率扫描可能部分撕裂的标签、各种角度以及多种尺寸、形状和高度的包装。对于具有固定焦点的相机来说，这可能会带来问题。

液体镜头是一种利用一层水或导电液体和油的技术，当施加小电压时，镜头的曲线就会发生变化。以毫瓦为单位改变电流可以在几万分之一秒的时间内改变镜头的焦点。2005 年的一次早期演示在一秒钟内处理了 250 张图像。 

未来：机器视觉的进步

展望未来，相机技术不断进步，能够收集的数据量也在不断增加。目前，每个像素都能够记录颜色或温度等数据（具体取决于相机）。随着软件的进步，相机开始以团队形式工作。拥有多个相机可以通过提供深度或距离等信息来增加数据量。

虽然液体镜头能够快速改变焦距，但多个摄像头的运行方式更接近人眼的运行方式，让我们获得深度感知。虽然一个潜在明显的例子可能是自动驾驶应用，但让我们考虑一些更简单的例子。

如果产品具有特定的位置、包装、形状、重量等，拾取和放置应用可能很简单。然而，随着生产线变得更加灵活并处理更复杂的自动化功能，机器人被要求伸手进入装满各种产品的箱子。机器视觉可以识别物体及其方向，但增加此应用的深度可以大大提高准确性。

3D 立体视觉等技术能够将来自不同角度的多幅图像组合在一起。这项技术可以继续应用于拾取和放置以及自动驾驶应用。但是，随着机器视觉、模拟和计算能力的进步，很难说机器视觉会在何时停止。