人工智能應(yīng)用正在迅速的發(fā)展，各方面各個(gè)領(lǐng)域都在人工智能的技術(shù)下變革。人工智能工程技術(shù)能讓機(jī)器設(shè)備具備仿人類的功能，還能夠從事專業(yè)許多精密的系統(tǒng)運(yùn)算工作。在人工智能應(yīng)用當(dāng)中，機(jī)器視覺(jué)系統(tǒng)是重要的一個(gè)方面。機(jī)器視覺(jué)系統(tǒng)就是用機(jī)器設(shè)備代替肉眼來(lái)做精確測(cè)量和分析判斷。跟“聽(tīng)覺(jué)”等方面的應(yīng)用技術(shù)不同，機(jī)器視覺(jué)系統(tǒng)主要給工業(yè)設(shè)備組裝一副敏銳的“眼睛”，讓機(jī)器設(shè)備不但可以“視”，還能夠“覺(jué)”。

　　機(jī)器視覺(jué)系統(tǒng)主要運(yùn)用于檢測(cè)一些繁雜的圖形識(shí)別工作。現(xiàn)在有很多行業(yè)都需要使用這樣的檢測(cè)，比如紡織和纖維、精密鑄造和注塑加工、汽車(chē)鋼板表面、印刷包裝等行業(yè)，這些行業(yè)都是機(jī)器視覺(jué)系統(tǒng)大有用途的地方。此外，隨著物聯(lián)網(wǎng)應(yīng)用的持續(xù)發(fā)酵，機(jī)器視覺(jué)系統(tǒng)也獲得了寬闊的發(fā)展前景。

　　挑戰(zhàn)：行業(yè)特征影響機(jī)器視覺(jué)系統(tǒng)在生產(chǎn)環(huán)境的實(shí)施

　　近些年來(lái)，不少企業(yè)開(kāi)始了基于機(jī)器視覺(jué)圖像識(shí)別技術(shù)的缺陷檢測(cè)研究，可是在實(shí)際應(yīng)用情況下，傳統(tǒng)的機(jī)器設(shè)備視覺(jué)識(shí)別系統(tǒng)雖然能夠釋放一部分生產(chǎn)力，但也存有準(zhǔn)確率低，復(fù)雜條件下無(wú)法完全取代人為檢測(cè)等一連串難題，這也使得目前的質(zhì)檢市場(chǎng)仍大批量采用人為目檢的形式，而機(jī)器視覺(jué)系統(tǒng)的覆蓋率不足5%，未來(lái)AI機(jī)器視覺(jué)系統(tǒng)將取代人檢填補(bǔ)工業(yè)質(zhì)檢的空白。

　　工業(yè)機(jī)器視覺(jué)系統(tǒng)挑戰(zhàn)首先反映在產(chǎn)品與技術(shù)層面：受到工業(yè)攝像頭的鏡頭畸變矯正、標(biāo)定差異化、視角范圍、安裝條件及場(chǎng)所，以及自然環(huán)境光束的種類、角度、明暗度的影響，有可能導(dǎo)致不同的成像質(zhì)量與效果，直接干擾識(shí)別算法的檢測(cè)，可能導(dǎo)致產(chǎn)品的錯(cuò)判。此外，部分工業(yè)機(jī)器視覺(jué)系統(tǒng)所使用的模式是將數(shù)據(jù)存儲(chǔ)到云端然后再進(jìn)行離線模型訓(xùn)練，再部署到終端設(shè)備的形式，云端模型參數(shù)的調(diào)整、優(yōu)化不會(huì)造成大批量的性能開(kāi)銷，導(dǎo)致負(fù)載壓力，而且延遲較高，難以符合實(shí)時(shí)性相對(duì)較高的要求。

　　每一個(gè)種類的制造企業(yè)對(duì)于機(jī)器視覺(jué)系統(tǒng)的傳感器種類、性能負(fù)載、機(jī)器學(xué)習(xí)算法等都會(huì)有不同的要求，而且涉及到多學(xué)科交叉技術(shù)的整合，難以找到普遍性的機(jī)器視覺(jué)系統(tǒng)解決方案，機(jī)器視覺(jué)系統(tǒng)集成服務(wù)商需要根據(jù)企業(yè)的不同實(shí)際需求定制。此外，封閉式的工業(yè)圈導(dǎo)致核心關(guān)鍵技術(shù)很難分享，也進(jìn)一步提高了方案的整合難度。