
机器视觉(Machine Vision,MV)和计算机视觉(Computer Vision,CV)从学科分类上,二者都被认为是人工智能的下属科目,两者既有联系又有区别。
计算机视觉是采用图像处理、模式识别、人工智能技术相结合的手段,着重于一幅或多幅图像的计算机分析。机器视觉则偏重于计算机视觉技术工程化,能够自动获取和分析特定的图像,以控制相应的行为。具体的说,计算机视觉为机器视觉提供图像和景物分析的理论和算法基础,机器视觉为计算机视觉的实现提供传感器模型、系统构造和实现手段。
从应用领域上,机器视觉大多应用在工业领域上,工业级的机器视觉通过光源、工业镜头、工业相机、工业视觉系统方案等产品生产出视觉检测装备、视觉识别装备、视觉测量装备、视觉引导装备以及工业机器人等,并用于工业生产或制造过程中的检测、测量等过程。由于工业机器视觉可以克服人眼标准的不一致性,可以制定更高的行业品质管控的数字标准,还能在高速、高光谱、高分辨率、高灵敏度、高可靠性等方面全面超越人眼极限。目前工业机器视觉系统已广泛应用于电子制造、包装印刷、汽车制造、食品饮料等众多生产性行业和服务性行业。
计算机视觉应用在广泛应用于智能手机、智能家居、安防监控等消费领域的众多场景中,如在智能手机上,通过人脸识别、手势识别等功能,用户可以实现更加便捷的解锁、支付等操作。在智能家居中,计算机视觉技术可以实现智能安防、智能照明等功能,提升家庭生活的舒适度和安全性。在安防监控领域,计算机视觉技术可以实现对监控视频的智能分析,提高监控效率和准确性。
工业级机器视觉VS消费级计算机视觉
类目 | 工业级机器视觉MV | 消费级计算机视觉CV |
所属范畴 | 人工智能 | 人工智能 |
所属学科 | 系统工程 | 计算机科学 |
构成 | 硬件+软件 | 软件主导 |
感知方式 | 单一传感器为主,正在向多传感器融合 | 多传感器融合 |
应用侧重点 | 更注重广义图像信号(激光、摄像头)与自动化控制(生产线) | 更注重(2d/3d)图像信号本身的研究以及和图像相关的交叉学科研究 |
主要内容 | 图像采集、镜头控制、图像处理等算法 | 图像处理算法 |
可控性 | 更加可控 | 不确定性更大 |
核心 | 让机器人按照资深任务进行识别的技术 | 如何进行图像分析的技术 |
对相机的要求 | 工业类相机、高精度 | 摄像头 |
数据存储调度 | 数据一产线终端为主,正在云化 | 以云端为主 |
*资料来源:前瞻产业研究院