機器視覺伴隨計算機技術、現場匯流排技術的發展，技術日臻成熟，已是現代加工製造業不可或缺的產品，廣泛應用於食品和飲料、化妝品、製藥、建材和化工、金屬加工、電子製造、包裝、汽車製造等行業。機器視覺的引入，代替傳統的人工檢測方法，極大地提高了投放市場的產品質量，提高了生產效率。
機器視覺系統是指通過機器視覺產品（即影象攝取裝置，分cmos和ccd兩種工業相機）把影象抓取到，然後將該影象傳送至處理單元，通過數位化處理，根據畫素分布和亮度、顏色等資訊，來進行尺寸、形狀、顏色等的判別。進而根據判別的結果來控制現場的裝置動作。
在科技發達的今天，運輸系統逐漸朝著智慧型化（its）發展，而檢測的方法上亦漸漸趨向以高科技的檢測方式替代傳統人工調查的方式，可以避免漏記或調查員的投機取巧，並且精簡調查成本，在執法方面，各個城市大量採用了電子警察，使得在許多裝有電子警察的交*口和路段交通秩序要好於其它路段。所以，車輛檢測器的發展在現代計算機化的交通管理中扮演著非常重要的角色，其準確度常受到檢測方式、檢測器布設形式、數量與位置的影響。
現有的各種交通引數檢測方式中，只有影象檢測器（video image detector）是一種可以取得最豐富的交通資訊的面式檢測器。視覺為基礎的攝影系統在現今的發展已更加的成熟，而且，比那些點式的感應系統更為有用（例如：環形線圈與壓力式檢測器），因為影象檢測器所提供的資訊可以進行進一步的車輛跟蹤與分類，這對於執法是至關重要的。而其它檢測手段均有較大的限制，點式檢測器僅用於車流上的量測與計數，或是解決特定的子問題（如等候檢測或擁擠車流上的檢測），缺乏一般性的應用。
通常這種帶有高度重複性和智慧型性的工作只能由人工檢測來完成，我們經常在一些工廠的現代化流水線後面看到數以百計甚至逾千的檢測工人來執行這道工序，在給工廠增加巨大的人工成本和管理成本的同時，仍然不能保證100%的檢驗合格率（即「零缺陷」），而當今企業之間的競爭，已經不允許哪怕是0.1%的缺陷存在。有些時候，如微小尺寸的精確快速測量，形狀匹配，顏色辨識等，用人眼根本無法連續穩定地進行，其它物理量感測器也難有用武之地。這時，人們開始考慮把計算機的快速性、可靠性、結果的可重複性，與人類視覺的高度智慧型化和抽象能力相結合，由此產生了機器視覺的概念。
在現代工業自動化生產中，涉及到各種各樣的檢查、測量和零件識別應用，例如汽車零配件尺寸檢查和自動裝配的完整性檢查，電子裝配線的元件自動定位，飲料瓶蓋的印刷質量檢查，產品包裝上的條碼和字元識別等。這類應用的共同特點是連續大批量生產、對外觀質量的要求非常高。
隨著電腦的功能日益增強，**日益低廉，使得影象處理在各行各業的應用已經成為相當普遍的工具之一，舉凡在醫學工程、工業應用、交通領域應用等，近年來結合類神經網路加速影象處理速度形成乙個研究趨勢。
機器視覺中的目標檢測
今天撇去不同目標追蹤演算法的框架，比如kcf tld mean shift等，忽略它們繁瑣的公式，看了對目標檢測的基本理解。這裡做乙個簡單的總結，目標檢測的框架一般是下圖這樣的 目標檢測分為以下幾個步驟 1 訓練分類器所需樣本的建立 訓練樣本一般包括正樣本和負樣本，正樣本是指第一幀圖中框定的待檢測的...
結合了機器視覺和深度學習的人工智慧相機
相機對於我們來說並有什麼好奇，到處都有非常普及。其中乙個原因是晶元規模擴大，半導體製造商的關鍵部件允許裝置製造商製造1 4尺寸的相機，這種攝像頭在農業 汽車和工業市場上越來越普遍。現在，機器視覺相機製造商正在以影象處理的形式增加智慧型功能，根據一家 商的說法，這種功能將機器視覺相機應用帶入了人工智邊...
人工智慧視覺檢測的優勢有哪些
眾所周知，在人工智慧技術中視覺檢測的應用非常的廣泛。人工智慧視覺檢測裝置不但可以進行自主深度學習，並且還能夠感知周邊環境，根據感知出來的環境可以快速的滿足生產企業的檢測需求。提公升檢測效率 由於以前的自動化視覺檢測系統過度依賴於缺陷庫，為了確保資訊被準確的檢測到，人工智慧視覺檢測通過深度學習不需要通...