Question

目前机器视觉发展到什么水平？

是不是可以代替所有的人眼检测？

Answer 1

其实机器视觉的发展是相当缓慢的，因为近期计算机硬件发展的很快，CPU性能可以支持很大分辨率图像的计算和很复杂的算法，好像视觉技术也发展的很快一样，其实视觉发展的还是很慢的。
因为机器视觉使用计算机编程技术来模仿人类视觉，模仿人类的辨别能力，检测能力；只是在很粗的粒度上进行模拟，或者说在很浅显的水平上进行模拟，更深层次的东西大家都没弄明白。
比如说一张图画里面有若干条直线，需要数出来有几条，这个对于人来讲太容易了，是吧，但是对于计算机视觉来说，还摸不着头脑，因为计算机没有人类的理解能力，思考能力，他只是能很快的执行加减乘除(乘除也是用加法器凑出来的), 计算机的所有功能说白了，底层只是加减乘除而已，根本没有思维，没有意识，那他怎么去数直线的根数呢？
通过数学方法的霍夫变换来实现。霍夫变换是1960-1970年之间的Paul Hough 发明的，他把空间中的所有点的坐标，转换为许多直线方程，每个点都对应无数个直线方程，共线的点的直线方程就会重复，那么最后数出来那些直线方程的个数超过阈值，那么就是有多少条直线。
看明白了吧，即使数直线个数这么简单的任务也要用这么复杂的数学变化来实现，那么其他的比如玻璃表面的划伤检测呢，或者印刷品表面的漏印检测呢，再或者机器人自动抓取是怎么实现的的，背后都是数学算法在支撑着，讲穿了其实没有什么太深不可测的。
既然是有数学算法支撑，那么数学能解决的问题是有有限的，所以机器视觉能解决的问题也是有限的，本质上说跟人类的视觉是有根本性差别的。这些差别体现在，人类可以理解非常复杂的物体，可以在非常复杂的背景中，准确找出千变万化的物体（例如手绢，例如糖果），这些对人来说毫不费力，但是机器视觉却做不出来，或者说做不好。因为它缺少理解力
一旦方程无法解决，那就没办法了。
虽然现在深度学习很火，好像遍地开花一样，但是深度学习也并没有产生人类的理解能力，它也只是一种复杂的分类器而已，它用几百万上千万个参数去迭代拟合复杂的图片，以便得到正确的分类结果，但是一旦系统训练好了，他遇到新的类别还是会分错，他没有自动学习能力，并且在复杂的有噪声的背景中，识别目标的能力还是远低于人，这都是数学方法的限制带来的。
那么回到主题，机器视觉是否已经无所不能，开始全面代替人工呢？ 答案是否定的。
但是可以替代那些简单重复性的人工劳动，比如在饮料灌装线上，挑出没有灌满的瓶子；在电缆生产车间，检查电缆表面是否有破损，或者在高速行进的单一颜色布匹上，检查出断丝。这些都是现在数学可以解决的问题，用机器视觉也是非常合适的。
如果面对的任务不是这些简单重复性的，例如灾区搜救，照看病人，捉拿罪犯，教育孩子这些需要一定智力的活动机器就做不好了。可能等以后真正的智能出来了，才能做好。

Answer 2

机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。
机器视觉系统是通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术（图像增强和分析算法、图像卡、I/O卡等）。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。
机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。机器视觉让机器拥有了像人一样的视觉功能，能更好地实现各种检测、测量、识别和判断功能。
随着各类技术的不断完善，机器视觉下游应用领域也不断拓宽，从最开始主要用于电子装配检测，已发展到在识别、检测、测量和机械手定位等越来越广泛的工业应用领域。速度快、信息量大、功能多也日益成为机器视觉技术的主要特点。

Answer 3