在現(xiàn)代自動(dòng)化生產(chǎn)過(guò)程中，機(jī)器視覺(jué)已經(jīng)開始慢慢取代人工視覺(jué)，尤其是在工況檢測(cè)、成品檢驗(yàn)、質(zhì)量控制等領(lǐng)域，應(yīng)用廣泛，隨著工業(yè)4.0時(shí)代的到來(lái)，這一趨勢(shì)不可逆轉(zhuǎn)。那人們?yōu)橐脵C(jī)器視覺(jué)替代人工視覺(jué)呢？原因有很多，以下列出較主要的幾點(diǎn):1、從生產(chǎn)效率的角度來(lái)說(shuō)，由于操作工在長(zhǎng)時(shí)間工作下容易疲憊，人工視覺(jué)質(zhì)量效率低下且精度不高，而機(jī)器視覺(jué)可以大大提高生產(chǎn)效率和自動(dòng)化程度。2、從成本控制的角度來(lái)說(shuō)，培訓(xùn)一個(gè)合格的操作工需要企業(yè)管理者花費(fèi)大量的人力物力，然而單的培訓(xùn)還遠(yuǎn)遠(yuǎn)不夠，后續(xù)還需要花費(fèi)大量的時(shí)間，使操作工的水平在實(shí)踐中得到提升。而機(jī)器視覺(jué)系統(tǒng)只要設(shè)計(jì)、調(diào)試和操作得當(dāng)，可以在很長(zhǎng)一段時(shí)間內(nèi)不間斷使用，同時(shí)確保生產(chǎn)效果。3、在某些特殊工業(yè)環(huán)境中實(shí)施工況檢測(cè)，如焊接、huo藥制造等，人工視覺(jué)可能會(huì)對(duì)操作工的人身安全造成威脅，而機(jī)器視覺(jué)從某種程度上有效地規(guī)避了這些風(fēng)險(xiǎn)。機(jī)器視覺(jué)是人工智能正在快速發(fā)展的一個(gè)分支。簡(jiǎn)單說(shuō)來(lái)，機(jī)器視覺(jué)就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷。機(jī)器視覺(jué)系統(tǒng)是通過(guò)機(jī)器視覺(jué)產(chǎn)品(即圖像攝取裝置，分CMOS和CCD兩種)將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào)，傳送給專用的圖像處理系統(tǒng)，得到被攝目標(biāo)的形態(tài)信息，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號(hào);圖像系統(tǒng)對(duì)這些信號(hào)進(jìn)行各種運(yùn)算來(lái)抽取目標(biāo)的特征，進(jìn)而根據(jù)判別的結(jié)果來(lái)控制現(xiàn)場(chǎng)的設(shè)備動(dòng)作。機(jī)器視覺(jué)的研究是從20世紀(jì)60年代中期美國(guó)學(xué)者L.R.羅伯茲關(guān)于理解多面體組成的積木世界研究開始的。當(dāng)時(shí)運(yùn)用的預(yù)處理、邊緣檢測(cè)、輪廓線構(gòu)成、對(duì)象建模、匹配等技術(shù)，后來(lái)一直在機(jī)器視覺(jué)中應(yīng)用。羅伯茲在圖像分析過(guò)程中，采用了自底向上的方法。用邊緣檢測(cè)技術(shù)來(lái)確定輪廓線，用區(qū)域分析技術(shù)將圖像劃分為由灰度相近的像素組成的區(qū)域，這些技術(shù)統(tǒng)稱為圖像分割。其目的在于用輪廓線和區(qū)域?qū)λ治龅膱D像進(jìn)行描述，以便同機(jī)內(nèi)存儲(chǔ)的模型進(jìn)行比較匹配。實(shí)踐表明，只用自底向上的分析太困難，必須同時(shí)采用自頂向下，即把目標(biāo)分為若干子目標(biāo)的分析方法，運(yùn)用啟發(fā)式知識(shí)對(duì)對(duì)象進(jìn)行預(yù)測(cè)。這同言語(yǔ)理解中采用的自底向上和自頂向下相結(jié)合的方法是一致的。在圖像理解研究中，A.古茲曼提出運(yùn)用啟發(fā)式知識(shí)，表明用符號(hào)過(guò)程來(lái)解釋輪廓畫的方法不必求助于諸如zui小二乘法匹配之類的數(shù)值計(jì)算程序。70年代，機(jī)器視覺(jué)形成幾個(gè)重要研究分支：①目標(biāo)制導(dǎo)的圖像處理；②圖像處理和分析的并行算法；③從二維圖像提取三維信息；④序列圖像分析和運(yùn)動(dòng)參量求值；⑤視覺(jué)知識(shí)的表示；⑥視覺(jué)系統(tǒng)的知識(shí)庫(kù)等。