机器视觉（AOI）外观检测面临的挑战

智能传感器，智能相机和可配置视觉系统已大大消除了开发视觉检测系统的需求。当今最常见的应用是通过即用型即插即用技术完成的。在过去的十年中，智能相机变得越来越强大，照明公司提供的产品范围也不断扩大。但是，随着软件功能的增强和价格的不断下降，软件包的互联和标准化仍然存在问题。

不同的公司对同一事物使用不同的术语。甚至像以太网这样的标准化通信在公司之间也存在巨大差异，并且在视觉行业也没有真正推动开放软件标准的推动。

当今的视觉产品可以满足大多数应用的需求。随着技术和客户需求的发展，系统集成商必须保持清醒。例如，在3D影像市场中，硬件创新先于软件创新。

尽管有很多3D传感器和摄像机可供使用，例如激光三角测量，带有伪随机码型发生器的立体声传感器等，但是为了实现快速的系统开发，开发工具链有很大差距。

例如，许多OEM当前使用开放式标准3D传感器，从头开始编写程序应用程序，或使用“封闭式”系统进行工具配置，这通常很昂贵。高速机载图像处理可能需要具有现场可编程门阵列（FPGA）的3D传感器，从而使非FPGA程序员可以在软件包中部署3D图像处理算法。

另一个挑战是从人工智能和深度学习中获取信息的能力。最大的挑战是区分炒作与实质。现实情况是“许多人工智能和深度学习算法有时太麻烦了。

尽管视觉检测应用程序受益于深度学习算法，但是这些算法不能解决所有问题。与传统编程相比，当人们想达到99％以上的准确性所需的努力时，这一点尤其明显。尽管如此，这项技术确实占有一席之地，并将在未来几年继续发挥重要作用。

郑重声明：

1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。