作为计算机科学的分支，如今计算机视觉（Computer Vision，简称CV）已成为人工智能重要研究领域和发展方向，逐渐形成完整的产业链。

顾名思义，计算机视觉就是让计算机能够像人一样“看见”，获得对客观世界的感知、识别和理解的能力。

其背后还包含机器学习、深度学习等相关算法，从而让计算机掌握人脸识别、图像识别、图像分割、图像重构、图像生成、目标检测等技能，在一些特定的危险场景和重复性的生产作业中替代人，以节省人力，并提升效率。

与此同时，另一个热门概念——机器视觉（Machine Vision，简称MV）也越来越受到关注。甚至，有人将其与计算机视觉画上等号。

事实上，从两者概念的差异来看，就能读懂计算机视觉产业链的全局。

计算机视觉：硬件＋计算

无论是计算机视觉，还是机器视觉，都是要从图像或图像序列中获取对世界的描述。

计算机视觉，基于计算机，即让计算机模仿人的视觉功能，并关注从感知到认知，再到理解的过程，自然就离不开计算。

机器视觉，围绕机器设备，即让机器代替人眼来实现检测和判断，侧重于相机、摄像设备等基础硬件的选择，强调的是精度和图像分析能力。

然而，随着人工智能技术的不断深入和应用，对计算机视觉和机器视觉都带来了巨大的影响，两者的边界正在逐渐消失，形成了计算和硬件相融合的全新发展趋势。

此外，从领域划分来看，计算机视觉侧重在学术，机器视觉则面向工业、工程方面。因此，现在机器视觉主要指工业制造领域的视觉应用，是计算机视觉的重要应用场景之一。

理清了计算机视觉与机器视觉的差异之后，就能清晰地发现，计算机视觉由基础硬件和计算单元两大板块组成。其中，基础硬件包括光源、镜头、工业相机、图像采集卡、图像处理单元、视觉处理软件等软硬件，负责图像采集和处理等相关工作。而计算单元包含技术、应用和基础三个层面，是整个计算机视觉的核心。

技术层包括各类算法，而基础层分为硬件和计算平台，也就是整个解决方案的基础设施，承载了所有算法和应用。应用层就是应用场景，主要有安防、泛金融、手机、零售、自动驾驶、医疗影像、工业制造、广告营销八大应用场景，并对应各自领域的厂商。其中的工业制造就是机器视觉在工业领域的应用。

Returns List