机器视觉主要研究用计算机来模拟人的视觉功能，通过摄像机等得到图像，然后将它转换成数字化图像信号，再送入计算机，利用软件从中获取所需信息，做出正确的计算和判断，通过数字图像处理算法和识别算法，对客观世界的三维景物和物体进行形态和运动识别，根据识别结果来控制现场的设备动作。从功能上来看，典型的机器视觉系统可以分为：图像采集部分、图像处理部分和运动控制部分，计算机视觉是研究试图建立从图像或者多维数据中获取“所需信息”的人工智能识别系统。正广泛地应用于医学、军事、工业、农业等诸多领域中。
视觉技术研究与应用的必要性
视觉技术在国内外发展极其必要。2008年经济危机极大冲击了美国至全球的各个领域。美国汽车制造业 “Big Three”频临破产，进一步自动化是唯一出路。美国政府推行“Made in US” 计划。出台多个政策刺激鼓励企业技术发明创新，视觉技术的应用就显得非常必要。近年在国内，劳动力工资成本大幅提高，很多生产企业迁移到人力资源更低廉的国家和区域，食品、医药质量事件不断。“Made in China”在世界声誉亟需提高，为提高质量保持竞争力，各领域的视觉检测及高度自动化势在必行。视觉检测对工业自动化的重要性与日俱增，工业自动化需求对视觉技术的推动高度集成化。
国外典型研究与应用
对于机器视觉技术，世界各国都在研究与应用。1994年S.T rika等研究了一种基于机器视觉的多面体零件特征提取技术，获得零件特征。1998年，J.Merlet等将机器视觉技术应用于部件装配。同年， Du-Ming Tsai等将机器视觉和神经网络技术相结合， 实现对机械零件表面粗糙度的非接触测量。2003年，Eladaw .iA.E将机器视觉技术用于数控铣加工中， 以获得实时加工数据。日本的视觉识别机器人研究，从数量或研究成果看都占据着明显的领先地位.美英德韩也都在开展相关研究。国外的卡耐基-梅隆M.A.Smith等提出了一种在视频帧中检测文字的方法。韩国Soongsil大学的Kim基于支持向量机和Camshift算法检测视频帧中的文字。
国内典型研究与应用
相对国外，国内计算机视觉技术应用研究起步较晚，与国外有差距，还需进一步在深度、广度及实践方面作出努力。国内的李留格等采用BP神经网络来进行轮胎胎号字符识别；李朝辉等利用形态算子提取视频帧的高频分量，把文本字符从复杂的视频中分离出来；周详等利用改进的BP神经网络对字符进行识别，提高了识别率和识别速度。字符识别技术是机器视觉领域的一个重要分支，在文字信息处理，办公自动化、实时监控系统等高技术领域，都有重要的使用价值和理论意义。
机器视觉识别技术应用实例
当前，机器视觉已成功地应用于工业检测领域，大幅度地提高了产品的质量和生产效率。譬如，企业中用于检测输血袋编号。在血袋生产过程中，血袋上的字符编号的正确和唯一是必不可少的检测信息。依靠工人的肉眼逐条检测带状转印薄膜上的字符串，来追踪血袋编号是否错印，劳动强度大，效率低，不能从根本上保证检测质量。一旦血袋编号出现重印、错印将会发生严重医疗事故，因此一种基于机器视觉技术的血袋编号字符的提取、识别与错误反馈于一体的检测系统就适时、必要的诞生了，用以提高一次性血袋出厂编号的检测精度和自动化水平，保证产品质量，解决生产实际问题。
字符在线识别系统组成
为达到识别目的，识别系统由硬件和软件构成。硬件系统主要有血袋编号检测台机械结构、LED阵列照明系统、血袋编号图像采集系统、摄像机和计算机等。软件部分是系统的核心，主要由图像预处理、字符定位、字符倾斜校正、字符分割、字符识别等部分组成。
识别系统的实现
系统基于labVIEW编程、图像处理、微型计算机接口技术等实现输血袋的文字在线识别。使用图像灰度化技术、平滑、校正、直方图均衡化等技术进行图像预处理。使用投影定位法等对字符进行定位。使用投影法、模版匹配等进行倾斜角度调整。使用垂直投影法对字符进行分割。使用了BP神经网络来识别分割后的字符。为提高识别率，设计训练了三个神经网络：字母网络、数字网络、字母与数字网络。
实验结果
利用该系统做过多次实验，测试了大量数据，整体看，系统稳定可靠，系统对输血袋文字识别程度非常高。本系统提高生产效率和生产过程的自动化程度，并为机器视觉系统应用于此种生产线，提供了成功的先例和经验。但由于各种原因，也会对识别的结果有一定的影响，因此，在识别率方面，尚有一定的差距。
机器视觉技术在应用中存在问题
虽然机器视觉技术目前已广泛应用到各领域，但由于其自身或配套技术上仍有不完善的地方，要广泛的应用还有一定限制。而图像处理算法的效率高低是计算机视觉成功应用的关键，尽管国内外都提出一些新的算法， 但是大部分仍处于实验阶段。特别是有复杂背景的工业现场，对视觉识别技术的识别率和精度降低。
机器视觉技术应用前景极为广阔，目前应用于生产生活各领域，但我国发展滞后，在工业检测中离实用化、商业化还有差距，因此亟待提高我国机器视觉技术的发展速度和水平，达到工业生产的智能化、现代化，为我国的现代化建设做出应有贡献。
钢铁制造厂运用机器视觉优化效率及质量
钢铁制造过程中，辨识及追溯其产品是一项困难的任务。要快速且精准地查询、追溯、检索品项，几乎每个产业都将条形码辨识看作一项非常重要的技术，使得库存及库存控制系统有重大的进步。当一家日本钢铁制造商寻求方法提升辨识及追踪自家产品质量时，The Imaging Source 映美精相机的机器视觉产品为他们提供了解决方案。
机器视觉与条形码追溯：使用机器视觉进行条形码辨识，能很容易地追踪及检视大型钢铁。
挑战：建立一套稳健的条形码辨识系统
线性（一维）条形码提供可靠的追踪及追溯功能已长达几十年。即使扫描条形码为非常简单且高度自动化的动作，但如果我们可精确地控制条形码在产品上的位置及方向，一维条形码仍为最稳健的扫描方式。然而，许多钢铁制品通常巨大笨重，增加扫描定位困难，许多钢铁工厂不得不选择以人工的方式追踪制品，例如快速喷漆、粉笔做记、人为辨别及手抄数据纪录等方式。而吵杂、繁忙、光线不足的工作环境、易耗损的卷标（记号）及其他人为因素（如工作疲乏等），皆可能导致产线出错，造成更多时间及金钱损失。
解决方案：变焦相机撷取条形码影像及可视化信息
钢铁工厂工程师选择The Imaging Source映美精相机的GigE 彩色变焦相机，搭配条形码辨识软件IC Barcode。变焦相机搭载全局及卷帘快门感光组件，提供130~500MP像素分辨率，包含电动变焦、聚焦及光圈控制，通过以太网络供电GigE接口驱动。安装于输送带上的相机，即便与物体的距离改变或没有定位于最佳位置，光学变焦功使其不仅能撷取条形码影像，还可以实时获得其他可视化信息，检查产品是否有瑕疵，把控产品质量。
变焦相机安装于生产线：即便不是定位在最准确的位置，也能撷取条形码影像与其他可视化信息，把控产品质量。
通过相机的GigE接口，影像数据便转换至主计算机。不同于激光扫描系统，图像式条形码辨识并不仅限于一维条形码，该系统使产线经理可以使用一维或二维条形码，甚或两者同时交替使用。例如，IC Barcode软件高效稳健的条形码辨识算法，能够迅速地侦测并辨识任何方位的一维与二维条形码。此外，也可设定只扫描特定条形码图形及方位，或设定感兴趣区域（ROI）来加速侦测及解码。同时，IC Barcode将条形码图像数据转换成可用的讯息并储存于主计算机中，供未来读取使用。
在质量管控上，钢铁制品常常出现各种表面瑕疵。因此，增设图像式条形码系统能够提升质量控制效益。The Imaging Source映美精相机的产品内置光学镜头，可快速调整以捕获钢铁制品图像，帮助品管经理通过机器视觉技术来检查产品。该视觉系统有助于减少高代价错误，提升管控效率，提高精准度及员工的安全性。
国内机器视觉发展如何实现逆风翻盘？
我国机器视觉产业发展起步晚，但增速迅猛，技术集中且升级较快。当下，国内机器视觉发展的重要任务，是深耕好电子和半导体领域主要市场，在此基础上不断开拓出更加智能化、数字化的细分市场。
全球机器视觉发展至今，已有三十余年历史，我国机器视觉从90年代末发展以来，也已经有了十余年的发展经验。在这个过程中，图像处理、光学成像、传感器、处理器等技术的飞速崛起带动了机器视觉的蓬勃发展，各种新概念、新理论的不断涌现，也使得机器视觉技术与时俱进、日久弥新。
随着生产逐渐从劳动密集型向技术密集型转移，我国对能提效增速、减少成本的机器视觉技术需求也愈发旺盛，在国际先进机器视觉企业和国内企业的共同作用下，如今，我国已经成为机器视觉技术的主要集散地，同时，国内市场也已成为全球机器视觉产业发展的主要市场之一。
国内机器视觉发展现状
一直以来，全球机器视觉市场都保持着稳定发展态势，从2015年至2017年，全球机器视觉市场规模从40多亿美元扩大到70多亿美元，年均增长率维持在两位数左右，相关机构预测，至2020年全球市场将突破百亿大关，2025年将争取达到200亿。
目前，美国和日本占据着全球机器视觉市场超过一半的份额，而我国因为起步较晚，与其差距较大。2015年我国机器视觉市场为3.5亿美元，仅占全球市场份额的8%左右。
不过，随着十三五规划对制造业技术创新的强调，和中国制造2025战略的持续推进，我国机器视觉迎来了爆发式增长。进入工业4.0时代以来，国内机器视觉市场常年以20%以上的增速飞速发展，并将继续维持这个全球领先的增速对前面国家实现追赶。
辰视智能在工业级机器视觉领域也有多年深耕，并研发出工业机器人3D视觉引导系统、二维定位以及检测等国内领先的技术。
市场在高速增长，持续扩大的同时，机器视觉先进技术也在不断向国内市场聚集。一方面缘于国外企业带来了先进系统和技术，另一方面主要得益于国内技术的自我发展。据了解，从2016年以来，国内机器视觉技术相关专利申请常年连续两年维持在1000项以上，为2010年以来的最大值，这个成绩相对于全球机器视觉专利的数量来说也很亮眼。
遗憾的是，虽然专利申请众多，技术发展迅猛，但商业化落地程度却远远不够。因为如此众多的专利之中，基本都是大学或研究机构申请居多，企业专利相对较少，这就意味着国内大部分机器视觉技术仍然停留在研究和试验阶段，距离真正商业化应用还有一定距离。
电子和半导体领域为国内机器视觉增长主力
从全球应用领域的演变来看，机器视觉最初在电子和半导体领域获得了广泛应用。不少专家认为，国际机器视觉的崛起在一定程度上得益于电子和半导体行业的发展。
机器视觉具有测量、检测、识别、定位上的强大功能，在电子和半导体领域扮演者不可或缺的角色。一方面，在半导体大规模集成电路的产业链中，从上游加工切割，到末端印刷、贴片，都需要依赖高精度的机器视觉组件进行引导和定位；另一方面，在电子制造领域，从小型元器件到大型硬件设备，也都对机器视觉系统有旺盛需求。
如今，在国家缺芯事件如火如荼的时间节点，电子和半导体领域的发展越来越受到国家和行业的重视。《中国半导体产业“十三五”发展规划》就对大力发展集成电路产业提供了政策支持，计划2020年市场规模达到9000亿，在这样千亿市场需求的带动下，初步预计将给机器视觉带来30亿的规模增长。
眼下，在国际市场上，电子和半导体领域已经成为了机器视觉增长的主力军，占到了全行业市场需求的40-50%，而我国起步较晚，机器视觉的发展阶段还未与国际步调一致。因此，从国际市场发挥样板作用的角度来说，提高机器视觉在电子和半导体领域的渗透率，牢牢把握住这个掘金行业，将成为当前我国机器视觉发展的重要任务之一。
智慧城市、无人模式将成为未来增长带动点
把握主要发展领域的同时，由于新的发展趋势也在不断繁衍，新技术和新标准在不断革新，国内机器视觉发展还需要紧跟时代潮流。如今，在智能化的趋势下，智慧城市和无人模式的出现有望成为机器视觉发展新的增长点。
不管是智慧城市建设下的智能交通管理、自动驾驶、智能安防，还是无人模式下的无人商店、无人物流，机器视觉技术都是这些新概念发展的前提，预计在未来3-5年内，不少企业和政府机构都将积极拥抱机器视觉技术。
当然，市场和需求的增加，同样也对机器视觉本身提出了更高的技术要求，数字化、智能化、实时化逐渐成为企业未来发展方向，与其他技术的融合和跨领域合作成为机器视觉必须要踏出的一步，只有做好了这些，才能在耕耘好主要市场的情况下，开拓出更多的增长点。
深圳辰视智能科技有限公司是一家集机器视觉、工业智能化于一体的高新技术企业，是由一支中国科学院机器视觉技术研究的精英团队在深圳创立。
辰视智能拥有基于深度学习的三维视觉引导、机器人运动控制、视觉检测、三维建模等方面的核心技术，并研发了机器人三维视觉引导系统 、机器人二维视觉引导系统、三维检测系统、产品外观检测系统等可根据客户需求定制化的智能产品。以高效·低成本·模块化的方式为自动化集成商、自动化设备厂商、机器人厂家提供机器视觉的相关解决方案。
