机器视觉是通过光学装置和非接触式的传感器，自动地接受和处理一个真实物体的图像，以获得所需信息或 用于控制机器人运动的装置。工业视觉具备极强的机器特性，如极高的速度、精度、重复性等，这些特性成为工业机器视觉 产品的重要参数。与此同时，工业机器视觉拥有采集大量现场数据的能力，数据是驱动行业快速迭代、获取信息 的重要来源，这也将成为工业机器视觉未来的巨大可能。

技术趋势

传感端:部分应用场景由基于PC的传统系统转向集成度高的智能相机

智能相机是传统基于PC系统的集合体，有集成度高、成本低、运用灵活的特性，目前机器视觉方案商、工业相机的生产商、自动化设备生产商都正研发或已推出智能相机产品

传感端:由2D视觉逐步迈入3D视觉

3D视觉有助于拓宽2D视觉无法触及的领域，拉高行业的整体天花板:相较于2D视觉，3D视觉可以更好地进行多传感器融合，检测快速移动目标并获得形状、对比度、空间坐标信息等深度信息，应用领域远 多于2D视觉;国际巨头与国内上市公司都已将3D视觉作为未来重要的研发方向之一，一级市场的相关投 融资愈发活跃。根据MarketsandMarkets的研究，全球3D视觉传感器市场将在2025年达到100亿美元，实现27.6%的年复合增长。

算法端:由传统的机器学习进入深度学习阶段

深度学习将机器视觉的效率和鲁棒性与人类视觉的灵活性结合，能完成更复杂的环境中的检测:对于随 机出现的复杂外观检测，传统的机器学习无法保障其稳定性，而深度学习是对传统机器学习算法的颠覆。深度学习将融入智能相机、3D视觉之中。康耐视已在2020年4月推出集成了深度学习功能的工业智能相机 In-Sight D900。

网络端:万物互联互通，工业互联的未来

机器视觉作为智能制造的大脑和眼睛，是工业互联网边缘层的重要数据入口:工业互联的趋势要求生产控制系统集成到上层的制造管理系统，并最终接入企业管理系统，实现信息从生产现场到管理层的贯通，行业内的企业、行业协会、产业联盟在机器视觉互联互通方面，正在不断合作和投入，制定数据接口、通讯协议等基础共性标准。