机器视觉

根据2016年嵌入式视觉联盟进行的嵌入式视觉开发者调查2，77%的受访者表示目前正在或计划将要利用神经网络来处理分类工作。卷积神经网络并不是一个最近才出现的新概念。但是随着机器视觉的发展,卷积神经网络的应用也变得越来越重要了。

2016年，由谷歌DeepMind开发的AlphaGo围棋程序依靠深度学习和强化学习的强大能力，在围棋人机大战中以3:1战胜了韩国顶级棋手李世乭。伴随着电子信息技术的高速发展以及各类摄像头的广泛应用，全球图像视频数据爆炸式增长，人类社会正在进入视觉信息的大数据时代。目前大多数机器视觉处理系统可以很好地采集、传输和存储图像视频，但是缺乏对其图像视频内容高效准确的分析、识别和挖掘方法。

一套完整的视觉检测系统主要包含图像采集部分和图像分析部分，所有信息均来源于图像之中，图像本身的质量对整个视觉系统极为关键。而光源则是影响机器视觉系统图像水平的重要因素，通过恰当的光源照明设计，可以使图像中的目标信息与背景信息得到最佳分离，这样不仅大大降低图像处理的算法难度，同时提高系统的精度和可靠性。

欣维视觉针对冲压机冲压件尺寸、缺陷视觉检测开发了一套自动视觉检测系统平台，解决了客户检测效率慢、漏检等问题。

机器视觉系统最早应用于汽车生产线的成套车体生产机器人上。随着科学技术的不断进步，具有类似于人类视力的机器人系统不再是科幻小说中的梦想。尤其是在机器人领域，今后，3D机器视觉系统将成为机器人系统的标准附加设备，携手机器人共同打造梦幻般视觉。

早在20世纪80年代，美国国家标准局就曾预计未来90％的检测任务将由视觉测试系统来完成,机器视觉测试技术在国外得到了快速发展. 仅在80年代，美国就有100多家公司跻身于视觉测试系统的经营市场，可见视觉测试系统确实很有发展前途。

现代视觉理论和技术的发展，不仅在于模拟人眼能完成的功能，更重要的是它能完成人眼所不能胜任的工作。机器视觉系统的特点是提高生产的柔性和自动化程度，在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合，采用机器视觉来替代人工视觉；

康耐视先进的机器视觉技术很好的解决了赋码关联系统在读码上的应用，为医药行业在赋码关联和三级监管码应用上提供了经典案列。

远心镜头区别于其他光学镜头，有着自己独有的一些参数，我们应该怎么去在项目方案阶段选择适合自己的远心镜头呢？如果市面上找不到适合自己需要的远心镜头该怎么办呢？这一节，主要针对这两个问题我们来做详细的说明。

由于传统光学系统的局限性在检测过程中会遇到很多无法克服的困难，造成人力、物力的很大浪费，BTOS远心公司结合多年的视觉检测经验，对机器视觉细分领域做了专业的成像检测方案，逐渐替代传统手工作业方式，减少人力成本开支，达到高精度瑕疵检测要求。