在目前的制造業(yè)環(huán)境中，機(jī)器視覺可謂是其中重中之重，但是行業(yè)的高速發(fā)展，出現(xiàn)一些制約視覺技術(shù)突破的技術(shù)瓶頸，目前我們遇到的瓶頸可以分成以下三個(gè)方面：計(jì)算能力不足，認(rèn)知理論不夠，及準(zhǔn)確識(shí)別與模糊特征之間的矛盾。
我們可以看到的是，機(jī)器視覺目前研究對(duì)象主要是圖像，當(dāng)然了也有視頻的部分，這里不做贅述，圖片具有信息量大，信息冗余，特征空間維度高等特點(diǎn)，而且檢測目標(biāo)也具有多樣性，單一的算法很難滿足項(xiàng)目通用性需求，如計(jì)算顏色，方向等等，我們?cè)诖罱ㄋ柰ㄓ盟惴〞r(shí)，必然會(huì)帶來巨大計(jì)算量，這將為項(xiàng)目成本帶來巨大的提升。
讓設(shè)備認(rèn)識(shí)世界，雖然這是我們最初的設(shè)想，但是目前依然沒有得到完整的解決方案，而人工智能的發(fā)展也帶來了符號(hào)學(xué)派、行為主義學(xué)派和連接主義學(xué)派等體系，依然未找到合適的答案，目前的想法時(shí)，我們可以從模擬人腦信息功能處理上手，制作一個(gè)智能的機(jī)器視覺檢測系統(tǒng)，但是神經(jīng)學(xué)的制約我們只能模擬大腦的一分部分！
最后便是我們頭疼的準(zhǔn)確性，以我們耳熟能詳?shù)娜四樧R(shí)別來說，雖然好的算法層出不窮，但是現(xiàn)實(shí)中識(shí)別的精度依然差強(qiáng)人意，當(dāng)然了這個(gè)問題出現(xiàn)也并非偶然，因?yàn)闄z測東西越復(fù)雜，信息量越大，就越可能帶來不確定性，我們之所以現(xiàn)在能識(shí)別人臉，其實(shí)也是有一定缺陷的，機(jī)器視覺一方面需要從龐大的信息流進(jìn)行學(xué)習(xí)，另一方面卻要克服龐大信息流帶來的準(zhǔn)確性不足！
