隨著處理效能、內存密度和系統整合度的提升，嵌入式視覺逐漸擴增到新興應用領域，市場規模在十年內必有顯著增長。而伴隨著應用領域越來越多元化，嵌入式視覺系統有沒有面臨怎樣的挑戰？

所謂嵌入式視覺系統包含從所選的影像傳感器接收光子到系統輸出的整個訊號鏈。從接收端的影像中擷取處理或未處理的影像或信息，并提供予下游系統，為嵌入式系統架構師則負責根據系統要求確保接收到輸出過程的效能。

首先，我們必須熟悉電磁波譜及期望肉眼可辨識的范圍僅390nm（藍光）至700nm（紅光）波長間的光譜，亦為可見光譜；而根據選用影像設備的不同，我們卻能捕捉到更廣泛的波長影像包括X光、紫外線、紅外線以及可見光譜。針對近紅外光及以下的光譜范圍，我們可以選用電荷耦合組件（CCD）或互補金屬氧化物半導體（CMOS1）影像傳感器（CIS）；到了紅外光譜范圍，則須使用專用的紅外光檢測器。紅外光譜之所以需要專用的傳感器，部分原因在于芯片影像傳感器如CCD或CIS需要激發能。這些組件通常需要1eV的光子能量來激發一個電子，然而在紅外光譜范圍，光子能量介于1.7eV至1.24meV之間，因此紅外影像傳感器應基于HgCdTe或InSb。這些低激發能的傳感器，經常與CMOS的讀取IC（ROIC）配合使用，以利傳感器的控制與讀取。

最常見的兩種傳感器技術分別是CCD和CIS：

電荷耦合組件（CCD）被視為最好的仿真組件，因此若需與數字系統整合，就需要在一定的模擬電壓下外加ADC及頻率生成功能。每個像素儲存由光子產生的電荷，且多數的應用是由2D數組排列成行，每行由多個像素組成。讀取CCD時，需透過行與行之間的傳輸，將每行平行傳遞到讀取緩存器，再透過讀取緩存器將每行串行讀取。這個緩存器的讀取過程中，會將電荷轉換為電壓。

CMOS影像傳感器能讓ADC、偏壓和驅動電路在同一個芯片上做更緊密的整合，可大幅降低系統對整合的需求，并同時提高CIS設計的復雜度。主動像素傳感器（APS）是CIS的核心，其中與CCD的不同在于CIS的每個像素中同時包含一組光電二極管及讀取放大器，并能單獨讀取數組中的任一個像素。盡管多數的嵌入式視覺皆采用CIS組件，但CCD仍是高端科學研究應用領域中主要采用的傳感器。

作為系統的輸入CMOS和CCD是目前圖像采集采用的兩種領先技術，CCD能夠提供更高的圖像質量，但是經過過去10年的發展CMOS與其的差距越來越小，在功耗和成本方面大有超過CCD之勢。此外很多應用都需要高效的并行處理系統，因此需要采用專用的硬件處理器比如GPU、DSP、FPGA和多核（mulTI-core）SoC，但是這無疑會增加系統的成本、功耗和PCB尺寸等，因此一款經濟高效的處理器也是行業所需。當然在實際應用中我們要根據系統的實時性能、功耗、圖像精度和算法復雜度來選擇適合的處理器。為了協助用戶搭建自己的嵌入式視覺平臺和產品，Avnet推出了一系列視覺應用解決方案，比如PicoZed嵌入式視覺開發套件，其中，PicoZedSoM集成的是XilinxZynq-7030AllProgammableSoC，此外還包括PicoZed擴展板卡V2.0、HDMIFMC擴展板卡（集成攝像頭接口）和一個python-1300-CSXGA（1280x1024）攝像頭模塊。這款PicoZed嵌入式視覺開發套件fiche適合開發技巧視覺應用，除了硬件、軟件工具和豐富的授權IP核資源，它還支持reVISIONStack技術棧，reVISONStack包括豐富的設計資源，比如算法、硬件加速OpenCV函數庫以及目前流行的神經網絡訓練數據集。嵌入式視覺系統還在不斷的發展，在各大產商和工程師們的努力下將會突破各種瓶頸，在集群視覺、人工智能、物聯網和工業自動化等領域獲得更多的應用。

面臨瓶頸和挑戰并不可怕，可怕的是原地踏步，沒有向前發展。伴隨著技術的發展，嵌入式視覺系統越來越多元化。