随着普通人工成本的增加，苹果产品的大量销售以及由此带来的硬件成本的降低，机器视觉已从应用程序的层面得到了极大的发展。在这种“繁荣”的背后，有许多被忽视或忽视的问题。场景：1.人才匮乏。目前，真正的从业者缺乏学术背景，也缺乏对图像处理基础理论的理解和理解。图像处理是机器视觉中极为重要的部分。目前，大多数从业人员是本科生或大专毕业生，或者是新的电气工程师。他们基本上缺乏图像处理的基本理论。 “这是对比度”，“视觉，它是二值化”。和其他认知方面。治疗。尽管与普通自动化从业人员相比，机器视觉工程师的待遇仍然不错，但是很难吸引具有图像处理和学术培训的硕士学位或博士学位的人加入，因为您可以加入大型互联网公司要做图像相关工作。报酬会使自动化工程师流连忘返。另外，机器视觉的更多应用属于该自动化设备。自动化是一个涉及机器视觉的相对交叉学科。需要理解的事物包括电气，运动控制，力学，光学，软件编程等。要理解这些学科中的一些基本知识并不难，但是要全面，有效地全面应用它们则变得更加困难。 2.图像处理的不确定性。以我的理解，机器视觉只是计算机视觉的一小部分，因此机器视觉主要是指工业应用。当前工业应用的主要要求是：测量，外观检查，条形码，字符识别和定位。但是，机器视觉的这些方面都不能真正实现批量检查，同时又要保证极高的准确率，极低的误检率并消除漏检。该目标无法实现，从而降低了机器视觉的应用期望。由于机器视觉设备无法完全解决，因此除非客户标准不是很高，否则仍需要对其进行审查。另外，目前有几种应用程序类型存在问题：（1）测量。当前不可能给出明确的测量精度要求或指标。例如，要测量尺寸，使用千分尺或游标卡尺可以提供0.001mm或0.01mm的标准测量精度，但是视觉效果如何？只能给出具有参考意义的0.01mm / pixl。 / pixl多一个，差异很大，因为不同的外部照明环境，产品轮廓或边界以及不同的软件算法结果可能会导致重复测量结果有所不同。另外，随着产品尺寸的扩大，均匀照明，透镜畸变和单位像素尺寸大大降低了精度范围。 （2）外观检查。外观检查是当前最迫切的需求，也是最难实现和推广的应用领域。由于产品的外观缺陷变化很大，因此受影响的可能性非常高。例如，弧形表面，划痕的深度和方向，材料的反射，不同材料表面上不同光的反射等。总而言之，它受到各种类型的缺陷和无法控制的约束的限制。由于视觉系统的原因，很少有人期望只检测一种类型。 （3）条形码。目前，标准条形码枪仍然是条形码使用最多的工具。 （4）字符识别。标准印刷相对容易实现，如果是金属蚀刻，雕刻等字体，则很难识别。 （5）定位应用相当好，相对稳定可靠。自身的应用特性和技术瓶颈限制了该行业的发展。 3.对行业发展趋势的限制。有人认为视觉行业正在赚钱，而且他们都蜂拥而至，表面上降低了该行业的应用成本，但是刚进入视觉行业的人却忽略了行业不确定性带来的技术支持或服务。劳动力成本已导致行业中一些恶性竞争或通过低成本的竞争逐渐出现。对于客户而言，降低成本是件好事，但最终结果可能会导致项目识别。视觉行业项目开发可能具有较长的调试周期，并且项目失败的影响不如连续失败那么令人震惊。同时，在某些人看来，一年或两个项目是可以接受的。 Ť