机器视觉技术概述

机器视觉系统一般包括光源系统、图像捕捉系统、图像数字化模块、图像处理系统和控制执行模块。首先采用CCD（CMOS）摄像机获取图像，经采样量化后将模拟图像转换为数字影像或数字信号传送到图像处理系统。图像处理系统对这些信号运用各种运算进行目标特征的提取，如目标的颜色、位置、大小等，最后根据预设的判定标准输出所需结果、显示数据或控制执行模块完成预定操作。

 

 

现在机器视觉技术已经发展成为一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。随着基于统计学模型的机器学习的快速发展，各种浅层机器学习模型相继被提出。结合机器学习相关统计学特征的算法使得机器视觉系统的精度和效率都有了很大提升。近年来，深度学习在特征提取方面表现出来的独特优势，成为人工智能领域最热门的学习方法。其中，卷积神经网络模型（CNN）是专门用于视觉领域的学习方法，极大地推动了机器视觉技术的发展。