隨著工業(yè)攝像頭硬件的普及，機器視覺近幾年在工業(yè)上的應(yīng)用日益廣泛。但傳統(tǒng)機器視覺和基于人工智能的機器視覺有很大的不同，傳統(tǒng)的機器視覺基本上依靠各種算子來對圖像進行公式化的預(yù)處理，提取固定的模式，進行識別或定位，所以非常依賴圖像的成像質(zhì)量比如光照，角度，相機分辨率等等，需要大量手工編程和現(xiàn)場調(diào)試，而且一旦條件稍有變化就難以自動適應(yīng)。

基于人工智能的機器視覺依賴深度學(xué)習(xí)強大的自動特征提取和泛化能力，不需要人工編程，可以訓(xùn)練計算機自動提取圖像特征，同時對光照，分辨率，拍攝角度和圖像畸變之類的外部條件都能自適應(yīng)。這種機器視覺的實現(xiàn)一方面有較高的識別率和魯棒性，一方面節(jié)省項目開發(fā)成本，在工業(yè)上的應(yīng)用非常有前景

以下是兩個典型的工業(yè)場景：

工業(yè)鑄鐵件的標記文字識別，工件表面粗糙，標記比較模糊，通過傳統(tǒng)的圖像算法無法做識別，但經(jīng)過深度學(xué)習(xí)訓(xùn)練，可以得到較好的效果：

竹節(jié)識別，流水線工藝是竹子進行切割，需要定位竹節(jié)所在位置，但竹節(jié)外觀和顏色不規(guī)則，傳統(tǒng)視覺檢測難以定位，通過深度學(xué)習(xí)進行目標檢測，可以達到比較高精度的檢測和定位