WongLab_UMac
机器视觉系统的优点有：1、非接触测量，对于观测者与被观测者都不会产生任何损伤，从而提高系统的可靠性。2、具有较宽的光谱响应范围，例如使用人眼看不见的红外测量，扩展了人眼的视觉范围。3、长时间稳定工作，人类难以长时间对同一对象进行观察，而机器视觉则可以长时间地作测量、分析和识别任务。机器视觉系统的应用领域越来越广泛。在工业、农业、国防、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用，可以说已经深入到我们的生活、生产和工作的方方面面。 
根据我在广东粤为工业机器人学院学习的知识所知：视觉龙有很多机器视觉技术的应用实例视觉检测在电子元件的应用：此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。通过对每个元器件定位后，使用斑点工具检测产品固定区域的灰度值，来判断此区域有无缺胶情况。该应用采用了视觉龙的DragonVision视觉系统方案，使用两个相机及光源配合机械设备，达到每次检测双面8个产品，每分钟检测大约1500个。当出现产品不良时，立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。
深度学习是人工智能的热点发展方向之一，将推动我们步入控制设计和工业物联网的新台阶。机器视觉在工业控制领域极其重要，借助这些技术，使用数据驱动部署复杂的机器和设备。为了比竞争对手更好地服务其目标客户，当今的嵌入式设计团队正在寻求机器学习（ML）和深度学习（DL）等新技术，以便在有限的资源下按时向市场开发和部署复杂的机器和设备。借助这些技术，团队可以使用数据驱动的方法构建复杂的单系统或多系统模型。 ML和DL算法不是使用基于物理学的模型来描述系统的行为，而是透过数据推断出系统的模型。 传统ML算法适用于处理数据量相对较小且问题的复杂度较低的情况。 但如果是像自动驾驶汽车这样的大数据问题呢？ 解决这个挑战需要采用DL技术。 本文介绍了这种新兴技术将如何推动我们进入控制设计和工业物联网（IIoT）应用的下一个时代。
机器视觉系统的目得就是通过机器视觉产品（即光源、镜头、相机、采集卡）将被拍摄的目标转换为图像信号，传送给机器视觉软件（即图像处理系统），来代替人眼的测量、检测和判断。其原理是由计算机、图像处理器以及相关设备来模拟人的视觉行为，完成得到人的视觉系统所得到的信息
机器人视觉技术机器人在建筑行业相关部件产线推进过程中，发现传统的机器人应用方法不能很好的满足实际生产的需求。例如建筑行业的钢结构部件，都是些大型，公差范围比较大的部件，通过专用夹具等技术手段也很难达到国内大部份企业的生产需求。为了解决这问题，机器人视觉技术就在这种需求下在建筑行业相关部件产线有了广泛应用，特别是钢结构部件生产线。 机器人视觉系统能实现机器人“眼睛”的功能，一般由如下几部分组成：相机、镜头、光源、图像采集卡、视觉处理器(软件)。机器人视觉系统把物体的需要特征识别出来，把相应数据传送给机器人系统，机器人再做出相应的调整，例如焊缝位置，可实现焊缝位置的修正，解决公差范围大引起的不可焊接问题。技术应用机器人视觉系统在建筑行业相关部件生产中，可应用板料的加工、板料上下料、工件的组立、焊缝跟踪、焊缝品质的检测、工件表面处理、喷漆工件位置识别、喷漆质量的检测等许多工序。
