从2017年到2018年上半年，据不完全统计，有将近20起机器视觉企业融资事件，机器视觉市场不断升温，目前国内专业的视觉系统集成商也有100多家。现如今，视觉系统集成商的产品选择众多，包括有：现成的镜头，照明，相机，相机借口板和软件。但随着市场需求不断增加，各行业自动化、智能化程度的加深，机器视觉的渗透率不断上升，未来供应商将不断更新产品，推出更实惠更实用的产品，而取代曾经价格高昂的系统，集成商的选择也在随着市场的发展而不断变更。

 

2D机器视觉向3D迈进

现在，机器视觉集成商发现越来越难以通过普通的2D机器视觉系统来增值。2D机器视觉距今已发展了30余年，技术较为成熟，在自动化领域和产品质量控制过程中被广泛的使用，而现在由于对精确度的要求越来越高,3D机器视觉变得更为受欢迎，3D测量能够产生2D系统不能产生的形状信息，因此其使用范围更广，可以测量与形状相关的特征，例如物体平直度，表面积和体积。

此外，3D机器视觉系统中传感器的所有组件都被牢固地安装在单个关机械组上，以确保重复性，焦距相对于发射器和成像器平面锁定在位，包括温度补偿功能等，3D机器视觉提供的测量信息更加精度，还能够使用已知的伪像将来自相对较少的多个扫描仪的3D点云拼接在一起，从而校准到通用坐标系。

深度学习是发展趋势

随着人工智能的更多应用落地，深度学习成为机器视觉的热门发展趋势，深度学习是机器学习的一个领域，它使计算机能够通过卷积神经网络等体系结构进行训练和学习。它通过处理数据和创建用于决策的模式来模仿人类大脑的工作方式。一些机器视觉软件公司已经在其产品中部署了该技术，深度学习技术发展在2018年得到突出体现。深度学习代表了机器视觉领域的一个新的增长领域。未来几年深度学习技术将会继续发挥重要作用

嵌入式视觉与深度学习相辅相成

虽然嵌入照明、软件和I / O接口的智能相机的可用性大大降低了许多系统集成的难度，但新兴技术将为机器视觉系统带来更多难题。 例如，在开发多光谱成像系统时，需要专门的照明来照亮特定波长的产品。对于高光谱成像，宽频LED照明将取代目前使用的基于卤素的系统。

在数据融合应用中，使用了许多不同的传感器，如超声波，可见光，红外线和激光雷达，还需要定制复杂的成像软件，以便在高性能图形处理器上高效执行。 随着基于CMOS的高速摄像机的出现，系统集成商将不得不支持光纤网络将数据从摄像机传输到计算机。 将这一点结合在一起，基于边缘的视觉系统将需要与基于云的计算系统协同工作，将分析的捕获数据与工厂管理和机器人系统相结合，以实现制造流程的完全自动化。

深度学习和嵌入式视觉相互交叉，因为许多公司正在部署嵌入式设备的深度学习。包括支持MVTec HALCON软件深度学习推理的NVIDIAJetson TX2嵌入式主板，以及SiliconSoftware即将推出的在FPGA上的VisualApplets环境中运行深度学习。

机器视觉系统集成商本质上是解决问题，所以未来他们会做他们一直所做的事情，客服任何障碍，找到最佳的解决方案，去适应这个市场。