作為計算機科學的分支，如今計算機視覺（Computer Vision，簡稱CV）已成為人工智能重要研究領域和發展方向，逐漸形成完整的產業鏈。

顧名思義，計算機視覺就是讓計算機能夠像人一樣“看見”，獲得對客觀世界的感知、識別和理解的能力。

其背后還包含機器學習、深度學習等相關算法，從而讓計算機掌握人臉識別、圖像識別、圖像分割、圖像重構、圖像生成、目標檢測等技能，在一些特定的危險場景和重復性的生產作業中替代人，以節省人力，并提升效率。

與此同時，另一個熱門概念——機器視覺（Machine Vision，簡稱MV）也越來越受到關注。甚至，有人將其與計算機視覺畫上等號。

事實上，從兩者概念的差異來看，就能讀懂計算機視覺產業鏈的全局。

計算機視覺：硬件＋計算

無論是計算機視覺，還是機器視覺，都是要從圖像或圖像序列中獲取對世界的描述。

計算機視覺，基于計算機，即讓計算機模仿人的視覺功能，并關注從感知到認知，再到理解的過程，自然就離不開計算。

機器視覺，圍繞機器設備，即讓機器代替人眼來實現檢測和判斷，側重于相機、攝像設備等基礎硬件的選擇，強調的是精度和圖像分析能力。

然而，隨著人工智能技術的不斷深入和應用，對計算機視覺和機器視覺都帶來了巨大的影響，兩者的邊界正在逐漸消失，形成了計算和硬件相融合的全新發展趨勢。

此外，從領域劃分來看，計算機視覺側重在學術，機器視覺則面向工業、工程方面。因此，現在機器視覺主要指工業制造領域的視覺應用，是計算機視覺的重要應用場景之一。

理清了計算機視覺與機器視覺的差異之后，就能清晰地發現，計算機視覺由基礎硬件和計算單元兩大板塊組成。其中，基礎硬件包括光源、鏡頭、工業相機、圖像采集卡、圖像處理單元、視覺處理軟件等軟硬件，負責圖像采集和處理等相關工作。而計算單元包含技術、應用和基礎三個層面，是整個計算機視覺的核心。

技術層包括各類算法，而基礎層分為硬件和計算平臺，也就是整個解決方案的基礎設施，承載了所有算法和應用。應用層就是應用場景，主要有安防、泛金融、手機、零售、自動駕駛、醫療影像、工業制造、廣告營銷八大應用場景，并對應各自領域的廠商。其中的工業制造就是機器視覺在工業領域的應用。

返回列表