工业视觉也称机器视觉，是人工智能正在快速发展的一个分支，是在工业上为自动检 查、过程控制和机器人引导等应用提供基于图像的自动检查和分析的技术及方法。
机 器视觉系统是通过机器视觉产品（CMOS 和CCD）将被摄取目标转换成图像信号，传 送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等 信息，转变成数字化信号; 图像系统对这些信号进行各种运算来抽取目标的特征，进而 根据判别的结果来控制现场的设备动作。
如果我们将1969年CCD芯片的产生作为机器视觉技术的起点，该项技术的发展已经有 半个世纪的历史，经过长时间的发展，机器视觉技术日益取得重大突破和广泛应用， 当前已经遍布工业生产的各个环节，在一些不适合于人工作业的危险工作环境或人工 视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过 程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提 高生产效率和生产的自动化程度。而且机器视觉易于实现自动化集成，软件集成，是 实现智能制造的基础技术。根据不完全统计，目前广泛应用工业视觉的工业生产行业 包括：半导体、电子、汽车、光伏、能源、交通、印刷、食品、医药、物流、轻工等。 中国的机器视觉市场需求近几年处于持续高速增长阶段，年复合增长率保持在23%。截 至2021年，国内机器视觉市场规模达163.8亿元。
机器视觉在工业领域应用广泛，按功能和场景主要分为四大类：识别、定位、测量、 检测。 识别包括有无、颜色和条码/二维码识别，主要通过甄别目标物体的物体特征来进行判 定，在工业应用场景中占比约24%。 定位功能是在识别出物体的基础上，经过测量准确的给出目标物体的坐标位置，制造 业自动生产装配过程中，机器人需要知道来料的位置，才能完成后续的加工、装配、 搬运等一系列动作。在工业应用场景中，定位需求占比约为16%。 测量泛指利用被测物体特征进行全局或局部尺寸数据获取的应用，包括：长度、平行 度、角度、圆弧长、圆直径、半径、点到线的距离、点点距离等等，尺寸测量既可以 用于产品生产过程中的尺寸数据管控，也可以用于数据的获取，在工业应用场景中占 比约为10%。
检测指的是对目标物体表面的缺陷进行检出。产品生产制造过程中产生的表面缺陷会 影响其性能及客户体验，传统人工检测的方法需要耗费大量的人力，且无法满足现代 生产工艺和节奏的要求，利用机器视觉的方法进行智能化检测可以有效的解决这一问 题，同时节省成本、提高产能。因此，表面缺陷检测是机器视觉最重要的应用方向之 一，在整个工业应用场景中占比约为50%。
总体来说，工业视觉在定位、测量、识别、检测等各个方向上的应用都面临着精度越 来越高、速度越来越快、准确率要求越来越高的挑战。这其中的部分问题随时硬件水 平的提高得到了有效的解决，比如采集硬件的分辨率、传输带宽、运算效率方面，但 是也有一部分问题，需要长周期的实践和迭代升级才有解决的可能，这其中的典型代 表，就是复杂场景下的缺陷检测。
此类问题在工业现场是普遍存在且用户需求迫切希望得到解决的，这为工业视觉的算 法发展提出了新的挑战。同时，如果这些问题得到解决，那么工业视觉的应用边界， 将会得到极大的拓展，由原来只能在产品标准化、一致性极高的场景，变成几乎可以 替代人眼进行任意场景下的视觉检测应用，而且不止是工业生产方面，在农业、民用 等领域也可以取得良好的应用效果。 解决这一问题的最核心关键点，就是深度学习技术的发展和应用。
