1、機(jī)器視覺(jué)部件發(fā)展迅速

CCD、CMOS是工業(yè)相機(jī)的核心固件，近年來(lái)越來(lái)越成熟。圖像傳感器件尺寸不斷縮小，像元數(shù)量和數(shù)據(jù)率有了很大提高，分辨率和幀率的提升，產(chǎn)品系列也越來(lái)越豐富，在增益、快門(mén)和信噪比等參數(shù)上不斷優(yōu)化，通過(guò)核心測(cè)試指標(biāo)來(lái)對(duì)光源、鏡頭和相機(jī)進(jìn)行綜合選擇，使得很多以前成像上的難點(diǎn)問(wèn)題得以不斷突破。

2、圖像處理和模式識(shí)別發(fā)展迅速

圖像處理上，隨著圖像高精度的邊緣信息的提取，很多原本混合在背景噪聲中難以直接檢測(cè)的低對(duì)比度瑕疵開(kāi)始得到分辨。

模式識(shí)別上，本身可以看作一個(gè)標(biāo)記過(guò)程，在一定量度或觀測(cè)的基礎(chǔ)上，把待識(shí)模式劃分到各自的模式中去。圖像識(shí)別中運(yùn)用得較多的主要是決策理論和結(jié)構(gòu)方法。決策理論方法的基礎(chǔ)是決策函數(shù)，利用它對(duì)模式向量進(jìn)行分類(lèi)識(shí)別，是以定時(shí)描述為基礎(chǔ)的；結(jié)構(gòu)方法的核心是將物體分解成了模式或模式基元，而不同的物體結(jié)構(gòu)有不同的基元串，通過(guò)對(duì)未知物體利用給定的模式基元求出編碼邊界，得到字符串，再根據(jù)字符串判斷它的屬類(lèi)。在特征生成上，很多新算法不斷出現(xiàn)，包括基于小波、小波包、分形的特征，以及獨(dú)二分量分析；還有關(guān)子支持向量機(jī)，變形模板匹配，線性以及非線性分類(lèi)器的設(shè)計(jì)等都在不斷延展。

3、深度學(xué)習(xí)帶來(lái)的突破

傳統(tǒng)的機(jī)器學(xué)習(xí)在特征提取上主要依靠人來(lái)分析和建立邏輯，而深度學(xué)習(xí)則通過(guò)多層感知機(jī)模擬大腦工作，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)（如卷積神經(jīng)網(wǎng)絡(luò)等）來(lái)學(xué)習(xí)簡(jiǎn)單特征、建立復(fù)雜特征、學(xué)習(xí)映射并輸出，訓(xùn)練過(guò)程中所有層級(jí)都會(huì)被不斷優(yōu)化。在具體的應(yīng)用上，例如自動(dòng)ROI區(qū)域分割；標(biāo)點(diǎn)定位（通過(guò)防真視覺(jué)可靈活檢測(cè)未知瑕疵）；從重噪聲圖像重檢測(cè)無(wú)法描述或量化的瑕疵如橘皮瑕疵；分辨玻璃蓋板檢測(cè)中的真假瑕疵等。隨著越來(lái)越多的基于深度學(xué)習(xí)的機(jī)器視覺(jué)軟件推向市場(chǎng)（包括瑞士的vidi，韓國(guó)的SUALAB，香港的應(yīng)科院等），深度學(xué)習(xí)給機(jī)器視覺(jué)的賦能會(huì)越來(lái)越明顯。

4、3d視覺(jué)的發(fā)展

3D視覺(jué)還處于起步階段，許多應(yīng)用程序都在使用3D表面重構(gòu)，包括導(dǎo)航、工業(yè)檢測(cè)、逆向工程、測(cè)繪、物體識(shí)別、測(cè)量與分級(jí)等，但精度問(wèn)題限制了3D視覺(jué)在很多場(chǎng)景的應(yīng)用，目前工程上先鋪開(kāi)的應(yīng)用是物流里的標(biāo)準(zhǔn)件體積測(cè)量，相信未來(lái)這塊潛力巨大。