機器視覺和計算機視覺有區別嗎?

2022-05-24 | 來源: 無錫貝斯勒電子科技有限公司

  專業的人清楚機器視覺和計算機視覺的區別,但對于剛入行的人來說,就很不了解這兩者有什么區別,這兩者的作用是什么?帶著這兩個疑問,我們現在就一起來了解下吧!

  機器視覺 Machine Vision, MV,

  計算機視覺 Computer Vision, CV。

  從學科分類上, 二者都被認為是 Artificial Intelligence,下屬科目簡單來說區別首先是應用場景不一樣,MV眼睛對著機器,CV眼睛對著人。計算機視覺學術一些,更偏軟件;機器視覺軟硬件都包括(采集設備,光源,鏡頭,控制,機構,算法等),指的是系統,更偏實際應用。因此更多的是把機器視覺,叫做機器視覺系統。

  主觀感覺上:

  MV 機器視覺更多注重廣義圖像信號(激光,攝像頭)與自動化控制(生產線)方面的應用。

  CV 計算機視覺更多注重(2D, 3D)圖像信號本身的研究以及和圖像相關的交叉學科研究(醫學圖像分析,地圖導航)。

  其次,比較大的區別,在于技術要求的側重點不一樣,甚至差別很大。

  計算機視覺,主要是對質的分析,比如分類識別,這是一個杯子那是一條狗。或者做身份確認,比如人臉識別,車牌識別。或者做行為分析,比如人員入侵,徘徊,遺留物,人群聚集等。

  機器視覺,主要側重對量的分析,比如通過視覺去測量一個零件的直徑,一般來說,對準確度要求很高。

  當然,也不能完全按質或量一刀切,有些計算機視覺應用也需要分析量,比如商場的人數統計。有些機器視覺也需要分析質,比如零件自動分揀。但計算機視覺一般來說對量的要求不會很高,商場人數統計誤差個百分之幾死不了人的,但機器視覺真的會,比如道岔缺口測量。

  既然要求這么高,是不是機器視覺就比計算機視覺難呢?也不是的,應該說各有各的難處。

  計算機視覺的應用場景相對復雜,要識別的物體類型也多,形狀不規則,規律性不強。有些時候甚至很難用客觀量作為識別的依據,比如識別年齡,性別。所以深度學習比較適合計算機視覺。而且光線,距離,角度等前提條件,往往是動態的,所以對于準確度要求,一般來說要低一些。

  機器視覺則剛好相反,場景相對簡單固定,識別的類型少(在同一個應用中),規則且有規律,但對準確度,處理速度要求都比較高。關于速度,一般機器視覺的分辨率遠高于計算機視覺,而且往往要求實時,所以處理速度很關鍵,目前基本上不適合采用深度學習。

  以上討論的是技術,商業方面,計算機視覺的應用面更廣一些,畢竟很多業務是跟人相關,比如人臉識別,行為分析等,很多垂直領域都有計算機視覺潛在需求,相對來說,更適合創業;而機器視覺顧名思義,業務主要跟機器相關,而且對準確度甚至安全性要求很高,也就在資質品牌方面有較高的門檻,所以寡頭壟斷嚴重,一般來說,更適合上班而不是創業。

  機器視覺與計算機視覺的主要區別應該是應用上的不同,機器視覺側重于工業視覺,計算機視覺側重于商用視覺應用。另外是在計算能力上,在計算機和機器人的計算能力中,前者幾乎可以是無限的,而后者的算法必須考慮控制計算規模。

    通過以上的分析,相信您已經對機器視覺與計算機視覺的區別有所了解,如果您還有疑問,可聯系我們!

大香伊中文字幕无码,中文字幕大乳少妇,亚洲 中文字幕 在线 日本,亚洲中文字幕无码中文