机器视觉是指利用相机、摄像机等传感器，配合机器视觉算法赋予智能设备人眼的功能，从而进行物体的识别、检测、测量等功能。按照应用的领域与细分技术的特点，机器视觉进一步可以分为工业视觉、计算机视觉两类，相应地，其应用领域可以划分为智能制造和智能生活两类。
工业视觉和计算机视觉在功能目标、硬件需求、算法侧重、产业成熟度上有一定差异。
在功能目标上，工业视觉主要解决以往需要人眼进行的工件的定位、测量、检测等重复性劳动；计算机视觉的主要任务是赋予智能机器人视觉，利用测距、物体标定与识别等功能实现对于外界位置信息、图像信息等的识别与判断。
在硬件需求上，工业视觉相对较高，需要对工业相机的帧频、分辨率等指标依据自身的需求进行筛选；而计算机视觉则除少部分特殊情况外，大部分对于相机或摄像头的要求并不高。
在算法侧重上，工业视觉的算法往往侧重于精确度的提高；而计算机视觉的算法难度相对较高，侧重于或采用数学逻辑或采用深度学习方法进行物体的标定与识别。
在产业成熟度上，工业视觉已经相对较为成熟，在半导体、包装等行业的测量检测已有较为广泛的应用；而计算机视觉整体来讲还是一个刚起步的状态，初创企业层出不穷。
事实上，机器视觉作为人工智能领域的重要分支，已经协同其他技术开始对社会产生重大影响。虽然人工智能领域内的各个前沿技术存在着不同程度的交叉，难以细分，但依据主要采用的技术类别，可以将人工智能行业分为：深度学习、机器视觉、自然语言处理、语音识别、情境感知计算、模式识别等等。其中，深度学习、机器视觉、自然语言处理是优质企业参与最多的三大领域，也是人们在人工智能领域付诸探索实践最多、获得应用成果最为丰厚的主要领域。
深度学习、机器视觉、自然语言处理这三大方向是计算机智能化发展的三大功能，分别代表着教会机器思考、教会机器观察外界、教会机器理解文字。机器视觉作为一种基础功能性技术，是机器人自主行动的前提，能够实现计算机系统对于外界环境的观察、识别以及判断等功能，相当于赋予了机器人视觉，对于人工智能的发展具有极其重要的作用。
本文转自：小白学视觉，转载此文目的在于传递更多信息，版权归原作者所有。如不支持转载，请联系小编demi@eetrend.com删除。
