在應用中，往往是給定一些具體的缺陷模式，使用機器視覺來識別它們到底有沒有發(fā)生。但經(jīng)常遇到的情況是，許多明顯的缺陷，因為之前沒有發(fā)生過，或者發(fā)生的模式過分多樣，而被漏檢。

隨著科技日新月異的發(fā)展，機器視覺慢慢的被人所熟悉，那么用工業(yè)相機和分析軟件作為主體組成的機器視覺檢測系統(tǒng)，到底能否全面取代人工目視檢測？如果能，可應用的范圍有哪些？如果不能，是缺少什么條件，難度在哪里？

觀點一：

替代？準確來說只能是可以替代一部份。目前中小型企業(yè)生存空間有限，自動化升級需要資金、人才，由于各種局限性，不愿意投入大量資金，所以機器視覺檢測還是在實力雄厚的大型企業(yè)里才會出現(xiàn)。 目前人工成本最大，企業(yè)也在高成本運營，資金壓力大，除非是必須要買，不然都將就著過著。

觀點二：

在各種缺陷檢測的應用中，打光是個難點。如果獲得的圖片讓人看還要仔細斟酌才能給出結果，那么算法就太難做了。反之如果前期搞好打光，突出所要檢測的特征，算法并不是困難的東西。

但是，問題也有，并不是說算法已經(jīng)夠好了，機器視覺和人類的差距還是非常巨大的！這里面最大的差距就是智能。沒錯，智能相機距離智能兩個字還很遠，主要體現(xiàn)在：對于非預期的缺陷的識別。

在應用中，往往是給定一些具體的缺陷模式，使用機器視覺來識別它們到底有沒有發(fā)生。但經(jīng)常遇到的情況是，許多明顯的缺陷，因為之前沒有發(fā)生過，或者發(fā)生的模式過分多樣，而被漏檢。如果換做是人，雖然在操作流程文件中沒讓他去檢測這個缺陷，但是他會注意到，從而有較大幾率抓住它。

當前有許多智能相機供應商，也有許多分析軟件供應商，雖然各自發(fā)布的軟件算法各有特點，其實用起來大同小異，功能非常雷同。但都是按照固定的模式和步驟去處理相機獲得的圖片，從圖片上去分析某個預期中的特征，從而給出判別結果，沒有一家有革命性的智能算法。

綜合來說，短時間（10年）內(nèi)，我們可能見不到有如人類般智慧的圖像分析算法，因為相關的理論都還沒有準備好。

但是機器視覺檢測仍然很有市場，因為它解決了人類的一個非常嚴重的問題：不穩(wěn)定。人工目檢的作業(yè)員，無論你設計怎樣的獎懲制度，都會發(fā)生比較高的漏檢率。但是機器視覺檢測設備沒問題，只要是你在算法中寫好的東西，每一次都會認真執(zhí)行。對于工廠的質量控制來說，我們更愿意舍棄人工目檢所帶來的智慧的好處，而選擇雖然比較傻但是一絲不茍工作的機器視覺。因為對于工廠而言，最重要的是“受控”，我們可以接受有個別特殊的未發(fā)生過的缺陷被漏出，但必須知道有一些經(jīng)常發(fā)生的不可接受的缺陷一定能夠被發(fā)現(xiàn)。

成本方面，機器視覺比人力成本便宜。一般的工廠都是四個班次，四個操作員的成本年均超過20萬。而20萬基本上夠搞一套機器視覺了。所以，可以這樣下結論：視覺檢測系統(tǒng)短期內(nèi)不能完全取代人工目檢，主要原因是不夠智能。 但是對于工廠的質量控制來講，機器視覺比人靠譜。