核心部件自主化进行中
国内机器视觉行业研发投入从 2016 年的 5.6 亿元增长至 2018 年的 11.7 亿元， 年均复合增长率达 44.8%。国内机器视觉代理商企业的销售额在 2018 年占行业 销售额的 32.4%；国内机器视觉企业早期依靠国际供应商的产品代理，缺乏扎 实的自主研发基础和具有自主知识产权的核心技术。相比国际龙头企业，国内企 业经营时间短，积累薄弱，加大研发是实现进口替代的必由之路。
机器视觉算法是对获取的图像信息进行处理的关键步骤，也是视觉控制系统的 重要基础。国内视觉处理分析软件大多建立在 OpenCV 等开源视觉算法库中， 或以 Halcon、Vision Pro 等第三方商业算法库为基础进行二次开发，只有少数 企业具有独立自主的底层算法库。独立底层算法需要经历漫长的研发周期和巨大 的资金投入，是未来国内机器视觉企业自主化的主要技术支持。
深度学习拓宽应用场景。目前主流的机器视觉技术仍采用传统方式，即首先将数 据表示为一组特征，分析特征或输入模型后，输出得到预测结果，在结构化场景 下定量检测具有高速、高准确率、可重复性等优势。但随着机器视觉的应用领域 扩大，传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。深度学 习对原始数据通过多步特征转换，得到更高层次、更加抽象的特征表示，并输入 预测函数得到最终结果。深度学习可以将机器视觉的效率和鲁棒性与人类视觉 的灵活性相结合，完成复杂环境下的检测，特别是涉及偏差和未知缺陷的情形， 极大地拓展了机器视觉的应用场景。
高精度成像和互联互通技术助力。高精度成像技术要求新型光源、更全面的波长 覆盖和创新的光源布局等光源技术，以及提供更大靶面和更小像元的新型镜头和 相机产品，是机器视觉行业始终追求的技术发展目标。行业内企业、协会和产业 联盟不断合作，制定数据接口、通讯协议等基础共性标准，旨在打通视觉和各信 息系统的通道，实现系统间的互联互通，是工业发展的必然趋势。
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。
2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。