機器視覺是人工智能正在快速發展的一個分支，在智能制造領域，機器視覺可謂是“大功臣”。不論是工業機器人、無人機、自動駕駛應用，還是智能醫療、安防智能監管領域，機器視覺都有著獨一無二、舉足輕重的地位。

機器視覺“青出于藍而勝于藍”

機器視覺系統是通過機器視覺產品(即圖像攝取裝置，分CMOS和CCD兩種)將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，得到被攝目標的形態信息，根據像素分布和亮度、顏色等信息，轉變成數字化信號;圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。人的肉眼只能進行一些簡單的識別，機器視覺卻能在細微處體現出“大”智慧。

視覺，就是擁有人眼一般，可以清楚地分辨。但機器視覺所具備的決不僅止于肉眼的單一功能，它的“神通廣大”可是肉眼所無法比擬的。

相比于人眼觀測，機器視覺具有靈活性、自動化、客觀、非接觸和高精度等特點。尤其是在工業生產領域，機器視覺強調生產的精度和速度，以及工業現場環境下的可靠性。在一些不適于人工作業的危險工作環境或者人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺進行工作。

人們希望機器擁有視覺，甚至在某些應用中能夠超越人類能力的極限完成人不能完成的工作。在商業應用中，機器視覺技術可以幫助機器人廠商打造高端交互性強的智能機器人，隨著人工智能深入發展，以及云計算、大數據應用深化，智能機器人將擁有人工智能“大腦”，能夠在非結構化的環境中自主完成識別、思考和決策。

加拿大傳播學者麥克盧漢在《理解媒介：論人的延伸》中提出：媒介即人的延伸。廣播是人的聽覺能力的延伸，而機器視覺，毫無疑問，則是人的視覺能力的延伸?？茖W技術催生了機器視覺的誕生，但機器視覺卻“青出于藍而勝于藍”，實力不容小覷?。?/p>

市場利好，行業加速布局

人工智能領域的融資總額一直在逐年穩步增長，從2010年時的2億美元到2013年時的6億美元，再到2015年時的12億美元。在2016年的第一季度，人工智能領域已經融到逾4億美元的資金，這個水平跟2015年同期旗鼓相當，而全年甚至有望更上一層樓。

據美國媒體報道，蘋果在大肆收購機器學習公司。繼去年底收購Perceptio和數月前收購Turi后，蘋果近期又收購了印度機器學習公司Tuplejump。蘋果代表未證實也未否認此消息，這是該公司事實上收購了的標準做法。

據悉蘋果對Tuplejump開發的開源項目FiloDB特別感興趣，該技術可將應用機器學習概念和分析有效應用到大量復雜數據中。FiloDB主要由伊凡·陳（EvanChan）負責，他的LinkedIn資料頁面顯示，他是在2015年8月加入Tuplejump。

不僅是智能機巨頭蘋果，各大企業也在竭盡所能進軍機器視覺。今年5月，美國亞馬遜公司收購了一支歐洲頂級機器視覺團隊用于無人機領域研究；同樣在5月，英特爾集成電路公司收購了俄羅斯計算機視覺公司Itseez，用于無人駕駛領域；6月初，俄羅斯計算機視覺公司VisionLabs開發了一個通用的開源計算機視覺開發平臺，Facebook與谷歌為其提供資金并測試開發成果······行業加速布局機器視覺無疑是看中了該行業廣闊的應用前景，想要在未來機器視覺市場上分一杯羹。

機器視覺的“阿喀琉斯之踵”

據麻省理工《技術評論》報道，來自谷歌和OpenAI研究所的研究人員發現了機器視覺算法的一個弱點：機器視覺會被一些經過修改的圖像干擾，而人類可以很容易地發現這些圖像的修改之處。

研究人員指出：“一例子是對人臉圖像打上非常細微的標記，人類依然可以正確地識別出圖像中人物的身份，但機器學習系統會把他們識別成其他人”。研究人員對此進行了系統的研究，揭示了機器視覺系統的弱點。

這項研究揭示了機器視覺的阿喀琉斯之踵，未來還有很多值得研究的內容。研究人員希望為其他類型的視覺系統開發比較圖像，從而使這些系統更有效率。

金無足赤，人無完人，機器視覺也不例外。隨著工業自動化及機器視覺應用領域的多元化發展，識別率、成本和速度將成為機器視覺系統的核心競爭力。在注重實效的工業應用中，復雜多樣的應用場景將對機器視覺的識別率、處理速度、計算機硬件提出更多的需求。

就目前來看，機器視覺“利大于弊”得到廣泛認可，雖有“短板”，但這正揭示了其還有進步之處，需要研究人員不斷地去探索。

更多資訊請關注機器視覺頻道

（本文由中國傳動網整理發布，部分資料來源于騰訊財經、賽迪網、網易科技、經濟學人、中國報告大廳、上海證券報）