工业4.0时代，我国各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内机器视觉行业将迎来规模化快速发展黄金期。

　　随着机器视觉行业的发展，这也对机器视觉执行标准也提出了更高的要求。无论是工业互联网，还是智能制造、柔性制造等热门话题，其核心都在于生产流程的数字化以及智能化升级。

　　传统机器视觉在解决问题时，通常需要专业人才根据实际情况设计图像处理算法，对调试人员水平依赖性强，且稳定性差。而现如今深度学习已被广泛的运用在机器视觉领域，通过卷积运算，使用大量数据训练自动生成最适合产品的检测逻辑，做到了对传统算法检测能力的补充。

　　PART1
　　机器视觉应用场景

　　测量应用

　　主要用于测量零部件以及各类产品的尺寸否合格。除了利用工业相机进行二维的尺寸测量外，目前可利用结构光、3D TOF等技术实现三维尺寸测量。对产品的基本特征尺寸、装配效果、提供高精度监控。

　　视觉在测量上的应用，一方面减少了人力测量的需求，降低了人力成本；另一方面，视觉测量具有高精度的特性，误测误判的可能性极低。

　　图像识别

　　图像识别，简单讲就是使用机器视觉处理、分析和理解图像，识别各种各样的的对象和目标，功能非常强大。目前主要识别的内容有人、车辆等各类目标物。在工业领域对带有明确信息的标识，OCR、一维码、二维码等常有识别需求。

　　对明确信息的标识进行识别，有助于提高生产效率、降低生产成本。图像识别大多商用场景还属于蓝海，潜力有待开发。同时，图片数据大多被大型互联网企业所掌握，创业公司数据资源稀少。

　　定位应用

　　在工业应用中，利用机器视觉对部件或产品进行定位。这种定位应用多会辅助机器人或者其他执行机构以实现相关的动作。一般来说，定位可协助机器人实现喷漆、涂胶、抓取、焊接等动作。

　　物体分拣

　　在机器视觉应用环节中，物体分拣应用是建立在识别、检测之后的一个环节，通过机器视觉系统将图像进行处理，结合机械臂的使用实现产品分拣。

　　在过去的产线上，是用人工的方法将物料安放到注塑机里，再进行下一步工序。现在则是使用自动化设备分料，其中使用机器视觉系统进行产品图像抓取、图像分析、输出结果，再通过机器人把对应的物料放到固定的位置上，从而实现工业生产的智能化、现代化、自动化。