【簡介：】學(xué)校一般 專業(yè)在北方比較底薪 傳統(tǒng)行業(yè)沒什么太大發(fā)展
單從專業(yè)的角度看，沈航的這個專業(yè)確實不錯，無論是專業(yè)課的設(shè)置還是就業(yè)與社會的銜接性都比較好。沈陽是老工業(yè)基地，機械

學(xué)校一般 專業(yè)在北方比較底薪 傳統(tǒng)行業(yè)沒什么太大發(fā)展

單從專業(yè)的角度看，沈航的這個專業(yè)確實不錯，無論是專業(yè)課的設(shè)置還是就業(yè)與社會的銜接性都比較好。沈陽是老工業(yè)基地，機械技術(shù)的沉淀和積累優(yōu)于南方。這個專業(yè)的就業(yè)前景是機械設(shè)計師，目前集中在自動化行業(yè)的機械設(shè)計師前景看好，特別是既能從事機械又能從事電氣設(shè)計的人才稀缺。面對當(dāng)前工業(yè)企業(yè)人力用工成本不斷增加，很多南方企業(yè)已將人力用自動化替代掉了。但從這個專業(yè)畢業(yè)后進入到工作崗位具備獨立機械與電氣設(shè)計能力，至少要歷練5至10年的時間才會顯有成效。另外這個專業(yè)與未來的人工智能產(chǎn)業(yè)關(guān)聯(lián)性極大。工業(yè)是一個國家的支柱性產(chǎn)業(yè)，從長遠發(fā)展眼光來看，這個專業(yè)沉淀時間越長體現(xiàn)價值也越顯著。

機器視覺前景如何？

未來社會的發(fā)展，必定是解放勞動力，提高生產(chǎn)力，實現(xiàn)高度的自動化。

我用機器視覺技術(shù)有十多年了，十多年前也用機器視覺技術(shù)設(shè)計了一些設(shè)備，這些設(shè)備也一直在生產(chǎn)線上沿用至今。從一開始我就沒用現(xiàn)成的國外的產(chǎn)品，主要原因還是因為版權(quán)成本。所有的應(yīng)用都是在PC架構(gòu)的基礎(chǔ)上用VC和自己的算法去控制下位機完成的。實際上機器視覺技術(shù)應(yīng)用可以很簡單也可以很復(fù)雜。在工業(yè)應(yīng)用上，不是所有的場景都會用到很復(fù)雜的算法，更多時候是識別定點的灰度和顏色值就可以滿足不少的應(yīng)用。

實際上很多復(fù)雜的算法并不適用一線的生產(chǎn)，主要是復(fù)雜的算法耗時都較多，如果硬件跟不上，響應(yīng)慢。有時間簡單的定點識別在生產(chǎn)線應(yīng)用更靈活，易于維護。機器視覺技術(shù)應(yīng)用在工業(yè)確實會給產(chǎn)品品質(zhì)和效率帶來不可思議的進步。我最早的視覺技術(shù)是應(yīng)用在包裝工序的防錯和防漏。一舉解決了產(chǎn)品到日本后因漏件客戶要求反復(fù)返工的產(chǎn)生高額費用的困擾。后來又設(shè)計了一些產(chǎn)品綜合測試中心，把外觀，機械，電性能，一鍵實現(xiàn)全測試的功能。最經(jīng)典的設(shè)備應(yīng)用是用視覺技術(shù)實現(xiàn)了熱轉(zhuǎn)印機的實時糾偏，解決了行業(yè)中傳統(tǒng)印刷精度 1.0毫米提升到0.1毫米，成為行業(yè)首批全數(shù)字化控制的熱轉(zhuǎn)印機，不良品率也由傳統(tǒng)30%降到1%。

這幾十臺設(shè)備己經(jīng)用了十多年至今仍在運行。后來這十幾年我并沒太熱衷去推視覺技術(shù)，原因是維護很艱辛。視覺技術(shù)是光學(xué)傳感器，被識別的物體光源控制很重要，不好的視覺控制，往往會因早上，下午，夜晚的光線變化而影響使用。為了光源穩(wěn)定，不得不增設(shè)了遮光體，用高感光相機，但這些裝置都很占地方。很多時候為了伺服一個小相機，把光源，遮光罩，電腦機箱，整整占了一大塊地方。更麻煩的是，自己編寫的視覺程序，維護自己也難以脫身，有了問題或產(chǎn)品換了顏色，配置，幾乎沒人能處理，深更半夜都得爬起來。我很少用板卡去驅(qū)動相機，幾乎都是掛個USB相機就用了。但經(jīng)過十幾年的實際應(yīng)用，發(fā)現(xiàn)這并不是好的方法，不僅常規(guī)PC占空間，這些設(shè)備的USB端口長年高速運行，不管什么品牌的電腦，幾乎都是兩年就要報廢，主要USB端口老化，帶寬上不去，圖像分辯率也就完蛋，這樣這些出了問題的PC自然也沒法再服役下去。

我們在最初的設(shè)計往往期待都很高，用了自以為很先進的模板匹配和輪廓算法去智能化識別。但常常事與愿違，這些東西不好用，誤識別概率很高，倒不如用簡單的機械方式去管制產(chǎn)品在合理的識別范圍更可靠和快捷，在工業(yè)應(yīng)用上，穩(wěn)定可靠壓倒一切！

不少人用開源的算法去做視覺產(chǎn)品，例如 opencv。

但實踐上告訴我們，這些開源的算法只能用來學(xué)習(xí)，他的速度和精度就不太好，例如你用直接opencv實現(xiàn)一個高效和高精度的旋轉(zhuǎn)匹配是很困難的。在機器視覺領(lǐng)域里旋轉(zhuǎn)匹配技術(shù)是應(yīng)用最廣也是最困難的技術(shù)，目前能做得很好都是一些美國和德國的視覺技術(shù)產(chǎn)品。這些算法都是不公開的，例如康耐視的輪廓匹配速度和精度是很驚人的效果。

現(xiàn)在的中國，要推行工業(yè)4.0，機器視覺是核心之一。但現(xiàn)在在中國的視覺界里，也亂像紛然。一眼看上去，中國也來了個大躍進，很多公司也推出了體積小巧的智能相機，個個都標(biāo)稱是自主技術(shù)，但實際上有不少是直接用卡片式主板，裝個微軟的操作系統(tǒng)，掛個相機，更把開源的視覺庫封裝下就說是自主核心技術(shù)了，這很可悲。事實上微軟的操作系統(tǒng)不太適合高速實時的視覺技術(shù)應(yīng)用，這是因為分時架構(gòu)問題，光驅(qū)動高分辯率相機，就己經(jīng)很吃力，更別提算法。這樣的產(chǎn)品長期使用也很快出現(xiàn)老化問題。國外不少智能相機是基于自研實時系統(tǒng)。所以國內(nèi)很多產(chǎn)品的響應(yīng)速率和可靠性和國外比差距不小。

有人問我，為什么我近些年來很少去什視覺設(shè)備了，我根本原因是怕維護。但少做并沒意味停了下來，開始嘗試自己去設(shè)計視覺硬件，自己搭操作系統(tǒng)，自己做嵌入式組態(tài)軟件，為了實現(xiàn)高效率運行，榨干每個機器周期，撇開了常見的操作系統(tǒng)內(nèi)建自己做旋轉(zhuǎn)匹配算法，這些事情需要時候毅力和時間，浮躁不得。

再談及3D識別，個人認(rèn)為目前還是個噱頭。首先目前精度能做到 0.2毫米的實時三維相機很罕見，就算有也是天價！而且高密度的點云處理也很耗時，用常規(guī)PC要做到毫秒級別的識別幾乎不可能。所以我們在展會上能見到的所謂的3D分檢都是傻大粗的東西。可以負(fù)責(zé)任地說，這些技術(shù)目前也只能停留在概念階段。