浅谈机器视觉与计算机视觉的共同点与差异

作者:Tigervs    发布时间:2019-08-02    浏览量:

研究人员早在20世纪50年代就开始开发计算机视觉技术,从简单的二维成像开始,用于统计模式识别。直到1978年,麻省理工学院人工智能实验室的研究人员开发了一种自下而上的方法,用二维计算机创建的“草图”推断出3D模型,CV的实际应用变得明显。从那时起,图像识别技术通过一般用例分为不同的类别。

无论计算机视觉和机器视觉中使用的图像采集和分析的速度和准确性人眼所不能比拟的执行任务。考虑到这一点,通过它们的共性来描述这些密切相关的技术可能更有成效 - 通过它们的具体用例而不是它们的差异来区分它们。

计算机视觉和机器视觉系统共享大部分相同的组件和要求:

一种包含图像传感器和镜头的成像装置

机器视觉摄像机

可以使用图像捕获板或帧抓取器(在一些使用现代接口的数码相机中,不需要帧抓取器)

适用于视觉的照明

机器视觉照明

通过计算机或内部系统处理图像的软件,如许多“智能”相机等。

那么实际的区别是什么?计算机视觉是指图像捕获和处理的自动化,重点是图像分析。换句话说,CV的目标不仅仅是看,而且还要根据观察结果处理并提供有用的结果。机器视觉是指在工业环境中使用计算机视觉,使其成为计算机视觉的子类别。

计算机视觉在进化

计算机视觉系统

2019年,计算机视觉在许多行业中发挥着越来越大的作用。在数字营销领域,公司开始使用图像识别技术来推动更好的广告投放和业务成果。由于CV技术的准确性和效率不断提高,营销人员现在可以绕过传统的人口统计研究(根据数据隐私问题可能存在问题),并快速准确地梳理数百万的在线图像。然后,他们可以在适当的背景下进行有针对性的营销,而人们只需要花费一小部分时间来获得相同的结果。

此外,最近的一项研究表明,59%的采用计算机视觉的营销机构正在使用它来在线检测不安全的品牌内容。没有什么比在一篇关于大肠杆菌爆发的文章旁边的手工肉类送货服务中找到客户的广告一样,对吗?在2019年消费电子峰会(CES)上展示的CV的其他趋势用例包括各种自动驾驶汽车应用,安全和安全支持等。

机器视觉和智能工厂

机器视觉和智能工厂

能够直观地识别产品缺陷和流程效率低下等问题的能力对于制造商限制成本和提高客户满意度至关重要。自90年代以来,机器视觉系统已安装在全球数千家工厂中,用于自动化许多基本的质量保证和效率功能。凭借增强的数据共享功能和由创新云技术提供的更高精度,MV驱动系统在制造业中的使用已开始加速。2017年,在北美,机器视觉和机器人系统及部件的销售额创下历史新高,金融交易额比上一年增长14.6%,达到26.33亿美元。制造商意识到机器视觉系统是实现质量,成本和速度目标的重要投资。

相关新闻推荐

关注官方微信

微信二维码
版权所有 深圳市如虎科技有限公司 Copyright © 2018-2019 Tigervs.Com All Rights Reserved 粤ICP备19029139号-1