隨著科技一日千里的發展，機器視覺漸漸的被人所熟悉，那么用工業相機和視覺軟件作為主體組成的機器視覺檢測體系，究竟能否全面取代人工目視檢測？假如能，可運用的規模有哪些？假如不能，是缺少什么條件，難度在哪里？
 

 

觀念一：
       代替？精確來說只能是能夠代替一部份?，F在中小型企業生存空間有限，自動化晉級需求資金、人才，由于各種局限性，不情愿投入很多資金，所以機器視覺檢測仍是在實力雄厚的大型企業里才會呈現。 現在人工本錢最大，企業也在高本錢運營，資金壓力大，除非是有必要要買，否則都將就著過著。
 
觀念二：
       在各種缺點檢測的運用中，打光是個難點。假如取得的圖片讓人看還要細心酌量才干給出成果，那么算法就太難做了。反之假如前期搞好打光，杰出所要檢測的特征，算法并不是困難的東西。
 
       可是，問題也有，并不是說算法現已夠好了，機器視覺和人類的間隔仍是十分巨大的！這里面最大的間隔就是智能。沒錯，智能相機間隔智能兩個字還很遠，首要體現在：關于非預期的缺點的辨認。
 
       在運用中，往往是給定一些詳細的缺點形式，運用機器視覺來辨認它們究竟有沒有發作。但常常遇到的狀況是，許多顯著的缺點，由于之前沒有發作過，或者發作的形式過火多樣，而被漏檢。假如換做是人，盡管在操作流程文件中沒讓他去檢測這個缺點，可是他會注意到，然后有較大幾率捉住它。
 
       當時有許多智能相機供貨商，也有許多剖析軟件供貨商，盡管各自發布的軟件算法各有特點，其實用起來大同小異，功用十分雷同。但都是依照固定的形式和步驟去處理相機取得的圖片，從圖片上去剖析某個預期中的特征，然后給出判別成果，沒有一家有革命性的智能算法。
 
       歸納來說，短時間（10年）內，咱們可能見不到有如人類般才智的圖畫剖析算法，由于相關的理論都還沒有準備好。
 
       可是機器視覺檢測依然很有商場，由于它處理了人類的一個十分嚴峻的問題：不穩定。人工目檢的作業員，無論你規劃怎樣的獎懲制度，都會發作比較高的漏檢率?？墒菣C器視覺檢測設備沒問題，只要是你在算法中寫好的東西，每一次都會認真執行。關于工廠的質量操控來說，咱們更情愿放棄人工目檢所帶來的才智的好處，而挑選盡管比較傻可是一絲不茍作業的機器視覺。由于關于工廠而言，最重要的是“受控”，咱們能夠承受有個別特別的未發作過的缺點被漏出，但有必要知道有一些常常發作的不行承受的缺點必定能夠被發現。
 
       本錢方面，機器視覺比人力本錢廉價。一般的工廠都是四個班次，四個操作員的本錢年均超越20萬。而20萬基本上夠搞一套機器視覺了。所以，能夠這樣下結論：視覺檢測體系短期內不能徹底取代人工目檢，首要原因是不行智能。 可是關于工廠的質量操控來講，機器視覺比人靠譜。