视觉检测设备在工厂自动化系统中一直扮演着非常重要的角色。它刚推出时，只是作为人类感知的替代品。但是随着技能的提高，机器视觉在生产线上的应用也逐渐深入。现在，这种技能的识别速度和准确率已经可以和非人眼媲美了。据研究机构预测，到2022年，全球机器视觉产量将超过140亿美元。就其而言，未来几年的关键技能将包括工业传感器、印象处理技能、机器人控制软件或算法、机器人、3D视觉、人工智能技能等。在这些技能中，3D视觉和机器人将是最重要的。 　　视觉检测设备初期，台湾省大部分厂商采用进口机器视觉产品，然后根据客户需求进行系统集成。后期工业计算机产业兴起，台湾省相关厂商开始重点发展机器视觉。此外，商场增加了工业智能摄像头、图片捕捉设备、印象处理等产品和应用需求，视觉检测设备在技能和应用方面都有了很大的增长。目视检查设备 　　然而，近年来，mainland China的相关产业也是敏捷繁荣。据相关资料测算，目前国内已有机器视觉企业150余家，机器视觉产品代理商200余家，专业机器视觉系统集成商50余家，光源、工业相机、工业镜头、印象捕捉卡、处理软件等所有视觉检测设备的产业链逐渐完备。 　　随着智能化生产趋势的加快，机器视觉产品将逐渐成为企业实施协同生产的关键技能，但与此同时，另一个问题也随之出现，那就是当机器视觉产品开始成为生产线的信息采集物时，为了兼容不同的视觉系统，除了选择标准化的技能外，相关的视觉检测设备也必须满足企业二次开发的需求，需求的变化推动产业转型。因此，未来的机器视觉厂商将不再提供单一的产品，而是逐渐转变为集成所有的加工方案和系统。 　　从领域来看，根据研究机构的查询，40％ ~ 50％的机器视觉市场需求将集中在半导体和电子行业，包括PCB印刷电路板、电子封装技能、SMT外观组装等。首要原因是半导体行业需要高精度的视觉设备和高质量的技能做后盾，机器视觉完全可以应对这些问题；此外，机器视觉系统在质量检测中得到了广泛的应用，在生产线上有着重要的地位。其应用深度与其自动化系统的程度成正比，如制药、印刷、食品包装检验等。此外，在政策要素的影响下，高水平创新品类、智能交通等品类也将是视觉检测设备未来使用的重点方向。

 　　综合市场上机器视觉设备的销售模式一般有三种。第一家是具有R＆D实力的产销一体化公司，第二家转型为机器视觉，第三家是代理商在产品销售上完全代表其他公司。 　　目前市场上销售机器视觉筛选机的厂家就是这些。我们从技术、服务、产品升级三个方面介绍这三类销售企业。 　　第一类R＆D生产销售厂家：这类企业在本行业已有5年以上，有一定的生产销售规模。一般来说，选择这样的企业购买不会出现重大失误。这样的企业在技术、服务、产品升级上都有自己成熟的流程：1、在技术层面上，机器视觉筛选机器软件的每一行代码都是由他们自己的R＆D团队编写的，每一个配件都是由R＆D团队根据软件和设备的特点进行绘制、加工和采购的。保证了设备的稳定性和可靠性。2、服务水平，面对设备故障快速响应并解决。机器视觉设备使用中最常见的问题其实是软件问题，其次是兼容性问题。这些问题大多是工作人员误操作造成的。由于软件拥有自主知识产权，这些问题很容易解决。3、产品升级。作为一家独立的R＆D企业，后期软件升级和设备升级作为售后保障写入合同。包括后期产品升级费用，可以在前期沟通，并相应地写入合同。比如产品测试兼容性的范围和类别，可以根据自己的开发需求与机器视觉企业协商，写入合同或补充条款。 　　第二种以生产为导向的转型视觉工厂：我们行业的拼凑设备，价格便宜，稳定性差，什么都能检测出来。这类设备的软件根据其功能从第三方或淘宝盗版软件购买。机械机构向第四方采购，电气控制部分向第五方采购。买回这些光学筛选机模块，回来找几个工人组装机器。这些配件的采购过程中，兼容性和品牌都没有保证。这次购买后有几个问题：1、设备稳定性的准确性令人担忧；2、软件按一套购买，功能全部定制。以后很难改进测试项目或者升级软件。这样的厂商对软件的理解只停留在表面，很难做出大的改变。即使能改，也要求助第三方，成本高。如果找不到第三方对该设备进行改装，基本可以宣布报废。 　　第三代理：代理其他厂家的机器视觉筛选机器设备，只自己卖，售后扔给生产企业。可能同时代表几家制造企业的机器视觉设备。在办公室放了几个原型后，开始到处宣传。选择这样的机器视觉筛选合作伙伴将面临几大问题：1、由于缺乏专业技能，难以深入沟通，测试项目难以界定。设备购买后发现有些细节沟通不清楚很麻烦。2、售后服务难，因为它不是机器视觉自行研发的筛选机，光学检测时，一旦出现技能故障，你只能求助于他，他会求助于生产企业，不会争论或拖延，极大地影响了心态；3、后续升级困难，代理不具备升级能力。如果找厂家，收费高，反应不及时。机器视觉行业作为现阶段的热门行业，逐步取代人工检测是必然趋势，是我国产业升级的趋势。但作为生产型企业，面对新事物不可能盲目行动，先学习再行动。同时希望机器视觉避坑指南能对企业有所帮助。

 　　机器视觉作为光电技术应用的一个特定领域，已经发展成为一个备受瞩目的行业。随着工业4.0的到来，机器视觉将摆脱原有的辅助工具，成为生产系统的“眼睛”和“大脑”。近年来，机器视觉已广泛应用于零件分拣、外观检测、产品装配、产品尺寸测量、图像识别等领域。 　　机器视觉检测在现代工业生产中非常常见，因为机器视觉可以更好地检测生产过程中的误差，更好地检测产品质量问题，提高工业生产的效率和自动化程度，提高工业生产的准确性，从而加快工作进程，节省时间。然而，人工视觉检测的错误率很高。在现代工业生产中，很多人都不看好人工视觉检查，因为人用肉眼会感到疲劳，瞬间疲劳可能会造成。 　　机器视觉可以在更危险的环境中检测产品，而人工检测则不行。机器视觉检测可以更好地保护检测人员的人身安全，而人工检测危险环境下的产品可能会产生不可磨灭的影响。那么机器视觉就容易实现信息集成，这是实现计算机集成制造的基础技术。 　　利用车载智能技术开发的机器视觉工业检测系统是一套实时、高性价比的视觉捕获和跟踪系统。它利用三维图像跟踪技术，通过布置在空间的多个摄像头，实时分析和采集目标的六个自由度（位置XYZ、航向角、滚转角和俯仰角）的数据。 　　作为一家专业从事3D机器视觉的高科技企业，星尚威智能科技拥有13年的机器视觉系统定制经验，根据客户的实际需求量身定制。现在，星尚威科技将对机器视觉检测和人工检测进行详细的对比分析： 　　机器视觉在线自动检测相对于人工检测的优势； 　　1、非接触、无损检测，不会损坏或划伤产品。 　　2.速度快，可与生产线速度匹配，不耽误生产时间。 　　3.检测效率大大提高，产品检测准确率高，改善了人工检测漏检、误检的缺陷。 　　4.24小时长时间工作，无视觉疲劳，工作稳定，工作效率高。 　　5.成本降低，机器自动检测节省大量人工成本，为企业带来可观的效益。 　　6.适用性强，灵活性高，可在一些不适合人工操作的危险环境下工作，如辐射、高温、高压、有毒气体、流体等危险环境。使用机器视觉设备可以避免危及人身安全的事故。 　　车载机器视觉利用机器检测产品错误，比人工检测更经济。使用人工检查不仅降低了工业生产的效率和自动化程度，而且降低了生产的准确性，使工作更加复杂。机器视觉检测改善了人工检测的粗糙点。机器视觉可以快速获取信息并自动处理，大大提高了生产力、主动性和信息集成能力。因此，外观检查设备可以说是爆炸后的人工检查，这也将成为大势所趋。

 　　如今，随着时代的快速发展，机器视觉的工业视觉检测也发生了很大的变化，具体的变化趋势也从人工视觉转变为机器的工业视觉。这种转变有以下几点。 　　第一，从人工质检到机器视觉的转变。 　　自动视觉检测开始慢慢取代人工检测，领域开始扩大，不仅在以前的流水线，在医疗行业、汽车零部件、塑料样品等领域也是如此，人工质检过渡到机器视觉工业检测。逐步提高工作效率，提高产品质量。 　　第二，空间维度的变化：从2D到3D。 　　工业基本上是三维组件，毕竟二维成像是对三维空间实际情况的病态数据采集，所以围绕3D的各种探测、测量、机器人引导等项目层出不穷，类似于计算机视觉的情况，拥有结构光、ToF、双目等技术的公司数不胜数。 　　第三，由于许多原因，该系统的实施受到限制 　　如果你问我机器视觉检测项目中最重要的是什么，我肯定会说我能得到高质量的图片。要得到这样的画面，需要考虑的因素有：光源的选择、节奏、安装布局、镜头、传感器、自动化集成、环境因素、工件状态变化等等。问题的哪一部分会影响你的画质？如果你没有足够好的照片，那么一个更强大的算法是没有用的，因为生产线有很好的生产力和节拍要求，而整个视觉检测系统又不快速可靠，那么你的错误检测率会很高，这是无数厂商需要面对的问题。例如，我需要测试一个有几个孔的铝壳区域。当你的供应商给你一批又一批，表面颜色不一样或者不均匀，再等。您将不可避免地停止新参数并重新验证产品，这几乎是无法避免的。 　　第四，随着核心技术的发展，算法更新速度慢于硬件更新速度。 　　从系统的角度来看，硬件正在向移动嵌入式系统发展，软件智能化还远远不够。目前，计算机视觉领域的深度学习神经网络很少应用于机器视觉领域。这个比较简单。当函数复杂、目标对象多变、样本数量不足时，就没有机会使用深度学习，或者应该回到传统路径，考虑实时性的严格要求。机器视觉很特别。我们需要一种新的智能，这种智能通常用于大多数应用领域，无论是改进、集成还是创新。 　　这是机器视觉行业视觉检测发展的总趋势，随着时间的推移会慢慢改善。但有一点可以肯定，机器视觉肯定会取代人工视觉，大部分地方的生产质量都会提高。

 　　随着社会生产自动化要求的不断提高，普通检测数据仪器组成的检测环节需要大量的人力物力，不适合快速检测。因此，真正能满足客户需求的自动检测设备才真正出现。它是结合机械、电子、控制工程、信息处理等多学科，根据当前和未来长期科技发展战略而设计的综合性仪器设备。该自动化检测设备广泛应用于电力、交通、冶金、化工等行业。 　　自动化检测设备，简单来说就是用机械代替人眼来检测和区分产品的好坏。其中，机器视觉自动检测设备的特点是速度更快、数据量更大、功能更多。在一些不适合人工作业的高风险办公环境中，或者人工视觉无法满足要求的地方，往往采用基于机器视觉的自动巡检设备来代替人工巡检。此外，在大量可重复的工业生产全过程中，使用自动检测设备可以大大提高生产效率。 　　机器视觉进入中国几十年，取得了很大的进步。现在来说说机器视觉在自动检测设备中的发展方向。 　　机器视觉主要有四个发展方向：精确定位、检测、识别和测量。 　　1.精确定位 　　精确定位的关键是工业机械手的应用。工业机械手在装配、分类或运输时，必须视觉反馈到智能机器人的室内空间坐标，显示零件的精确固定位置和方向，以保证智能机器人能够准确抓取零件。 　　2.测试 　　机器视觉用于自动检测生产线，检测产品是否存在质量问题。这个阶段是机器视觉应用最多的阶段。此外，机器视觉还应用于其他阶段，如印刷品的质量检验、是否存在漏装和产品缺陷检验等，是机器视觉的应用方向之一。 　　3.识别 　　机器视觉使用颜色识别、代码读取、自动驾驶汽车和纹理识别。 　　4.尺寸 　　它主要测量产品的长度和视角。此外，有些产品精度很高，超过0.01mm甚至um级别，人眼无法检测，必须通过机器视觉检测。 　　如今，我国机器视觉技术已经广泛应用于电子设备和半导体设备、汽车工业、工业生产检测、药品检测、食品包装材料、包装印刷检测、铁路公路检测、信息安全、金融行业、塑料五金、国防等行业。自动检测设备取代人工，基于机器视觉的自动检测设备将在工业制造应用中达到较高水平。

 　　机器视觉技术的应用已经贯穿了整个车身制造过程，包括从最初的原材料质量检验到汽车零部件100％在线测量的发展，再到制造过程中涂胶、冲孔、焊接等工艺过程的控制，最后到车身总成和整车出厂的质量。 　　机器视觉引入非接触测量技术，逐步发展为固定在线测量站、机器人柔性在线测量站等在线测量系统，能够严格监控人体尺寸波动，提供数据支持。 　　视觉检测引导技术已经逐渐渗透到汽车制造的整个全过程，如引导机器人进行优化匹配安装、焊缝引导与跟踪、喷涂引导、精密制孔、挡风玻璃加载、引导等。 　　机器视觉检测系统可以对产品进行制造过程检测、自动跟踪、追溯和控制，包括通过光学字符识别（OCR）技术获取车身零件编码，保证零件在整个制造过程中的可追溯性，识别零件的有无，保证零部件装配的完整性，通过视觉技术识别产品的表面缺陷或加工工具的缺陷，保证生产质量。 　　机器视觉主要应用于工业生产中人工视觉难以满足要求或一些不适合人工操作的危险工作环境。此外，在大规模工业生产过程中，人工检测产品质量准确率低、效率低，而机器视觉检测的使用可以大大提高自动化程度和生产效率。 　　在工业4.0的大背景下，制造业智能化水平不断提升、整体规模不断扩大，下游行业对机器视觉的需求和认知逐渐增强，为中国机器视觉市场的稳步增长驱动基础。 　　目前机器视觉主要应用于食品包装、医药行业、汽车制造、消费电子等领域，其中汽车制造和消费电子是主要领域。

 　　随着技术的发展，机器视觉技术的发展趋势是什么？下面，我们简单分析下载器未来可能的发展方向。 　　1.三维成像和机械手的应用将继续扩大 　　工业自动化正在推动工厂生产线变得更加智能化，可以减少劳动力，替代劳动力。机器视觉已经广泛应用于质量控制检测，但是随着3D传感器和机器人拾取集成解决方案的出现，新的市场正在被打开。无论零件的位置和零件方向如何，机器人拣选系统都能随机抓取物体。3D视觉系统可以识别大量随机放置的零件，如零件箱和行李箱。由于机器人的动态处理，可以在不同的方向和堆栈中选择复杂的对象。将人工智能（AI）与拣选作业相结合，可以实现零件的自主选择，提高生产率和周期时间，减少过程中人机交互的需要。 　　2.深度学习应用增加了 　　5G数据网络时代的到来，为自动驾驶汽车提供了基于云计算进行机器视觉计算的能力。海量机器类型通信（mMTC）允许在云中为机器视觉应用处理大量数据。使用卷积神经网络分类器的深度学习算法可以快速地对图像进行分类、目标检测和分割。在未来的一年里，这些新的人工智能和深度学习系统的开发将会增加。 　　3.大量的机器人增加了 　　根据国际机器人联合会的数据，2020年是机器人销量再创新高的一年，工业机器人销量不断增长。人类协作机器人、简化使用和过程学习的趋势有助于促进机器人在工业自动化中的使用。未来，工业机器人的界面编程将更容易、更快，更直观。人机协作将支持高复杂性、小批量的柔性生产。随着复杂性的降低，机器人和视觉系统在中长期得到广泛应用。 　　4.高光谱成像分析与检测技术 　　新一代模块化高光谱成像系统在工业环境中提供化学材料性能分析。化学彩色成像通过不同颜色的结果图像来可视化材料的分子结构。这允许在标准机器视觉软件中分析化学成分。典型应用包括肉类产品生产中的塑料检验、不同可回收材料的检验、气泡检验的质量控制。这类系统的主要障碍是数据处理的速度和数量，但更好的算法、更快的处理和摄像机标定的发展仍然使其成为近年来的热门话题。 　　5.热成像工业检测越来越受欢迎 　　热成像摄像机传统上用于国防、安全和公共安全，热成像技术广泛应用于检测。对于许多工业应用，例如电子工业的零件生产，汽车的零件生产、热数据相当重要的。虽然机器视觉可以看到生产问题，但它无法检测热异常。热成像和机器视觉的结合是一个正在发展的领域，它使制造商能够发现肉眼或标准相机系统看不到的问题。热成像技术提供非接触式精密测温和无损检测，是机器视觉和自动化控制领域的发展方向。与机器视觉相关的工业自动化技术产业正在推动制造业发生更多的变化。机器视觉适用于所有行业，但在制药、医疗器械制造、食品饮料等高监管、高标准的行业非常重要。企业转向工厂自动化技术的原因有很多。企业招人难，迫使企业将生产线自动化，实现机器替代劳动力，包括有效的提高生产线效率，更有效地利用资源，提高生产率。据推测，预计随着Industry 4.0的推进，各领域对机器视觉相关技术的需求将持续深化和增长。机器视觉检测行业将迎来一波红利。

 　　工业镜头，顾名思义，用于工业生产。与普通镜头相比，工业镜头产品种类更多，性能参数不同。可用于不同的工业生产环境，适用性强，适用范围广。在目前热门的机器视觉检测系统中，工业镜头是不可缺少的组成部分，发挥着重要的作用。以下主要是整理介绍工业镜头的一些重要参数，让大家对工业镜头有一个初步的了解。 　　机器视觉工业镜头 　　工业镜头的常见参数如下： 　　1.视场：或视场角，图像采集设备可以覆盖的范围，即目标表面上图像对应的物面大小。 　   2.分辨率：分辨率是评价镜头质量的一个重要参数，是指镜头在像面上单位毫米内可以分辨的黑白条纹数。 　   3.工作距离：一般指镜头前端到被测物体的距离。如果小于最小工作距离，系统无法清晰成像。 　　4.光圈：用f表示，以镜头焦距f与通光光圈d之比来衡量，每个镜头都标有最大f值，例如8mm /F1.4表示最大光圈为5.7mm.f值越小，光圈越大，f值越大，光圈越小。 　　5.相对孔径：指的是入射孔径直径（用D表示）与透镜焦距（用F表示）的比值，即D/F。 　　6.最大相对光圈：一般标注在镜头上，如1:1.2或f/1.2。 　　7.景深：是指物体清晰聚焦前后一定距离内图像仍然清晰的范围。景深随镜头的光圈值、焦距、拍摄距离而变化。孔径越大，景深越小；光圈越小，景深越大。焦距越长，景深越小。焦距越短，景深越大。离主体越近，景深越小。离主体越远，景深越大。 　　8.焦距：焦距也是镜头的重要参数之一，指的是主点到焦点的距离，称为光学系统的焦距，决定了图像与实际物体的比例。在一定物距的情况下，要获得大比例的图像，需要选择长焦距的镜头。 　　9.数值孔径：数值孔径等于物体与物镜之间介质的折射率N与物镜孔径角一半（a\2）的正弦值的乘积，计算公式为N.A=n*sin a/2。数值孔径与其他光学参数密切相关，与分辨率和放大倍数成正比。也就是说，数值孔径直接决定了镜头分辨率。数值孔径越大，分辨率越高，反之亦然。 　　10.物理接口：镜头的物理接口是指镜头与摄像头连接的物理接口方式。工业镜头常见的接口形式有：C口、CS口、F口等。其中，C/CS是工业领域专用的国际标准接口，以摄像头的物理接口为准。

 　　机器视觉在工业领域越来越受欢迎，自动质量检测技术也越来越成熟。主要有导向定位、外观检测、高精度检测识别四大功能。随着市场对产品质量检验和控制要求的不断提高，工厂对目视检验设备的能力越来越高。在机器视觉中，用于图像采集的软硬件，如光源、镜头、工业相机、图像采集卡、图像处理软件、人机界面、工业计算机，以及电气单元、机械单元等核心部件，都需要高密度、海量的控制器、传感器、执行器通过无线网络连接起来，形成一个自动控制系统。控制系统能够以更高的速度、更精确、更准确、更稳定地传输和处理数据已经成为进一步的要求，5G将满足这一要求。 　　对于5G，华为提出了几个特点：容量方面，5G通信技术将比4G增加单位面积移动数据流量1000倍；传输速率方面，单个用户典型数据速率提高10到100倍，峰值传输速率可达10Gbps（相当于4G网络速率的100倍）；端到端延迟缩短5倍；可达性方面：联网设备数量增加了10到100倍；在可靠性和能耗方面，每比特能耗要降低到千分之一，小功率电池的续航时间要提高10倍。 　　除了网速快，还具有低延迟、海量连接支持、高速移动支持等特点。 　　5G对机器视觉的哪些具体领域有帮助？ 　　主要探索方向为AGV通信控制和工业无线摄像机自动化控制。 　　1、工业无线摄像机和自动导引车工业控制 　　传统工业摄像机和AGV依靠有线网络或WiFi进行数据传输和动作执行控制，而有线网络存在生产线布局受限、工业AP频段开放、干扰不稳定严重等诸多问题。5G技术作为新一代移动通信技术，不仅可以有效解决生产线的有线部署问题，还可以节省运营商的成本。 　　WiFi不稳定的情况会导致生产线运行效率低下，对追求高效率的检验生产线布局形成一定的约束。目前，不同的市场对产品多样性和个性化的需求越来越高。5G网络进厂，有助于目测行业的大规模普及，使AGV在各种场景下持续工作，工作内容切换顺畅。 　　2、自动控制 　　自动控制是视觉检测设备中的关键应用，其核心是运动控制系统。在系统的控制周期内，各传感器连续测量，然后需要将数据传输到系统的执行装置（如机械臂、电子阀门等）。）来完成对高精度生产作业的控制，而网络在整个过程中需要极高的可靠性来保证生产过程的安全性和高效性。典型的闭环控制过程周期低至ms级，因此系统通信延迟需要达到ms级甚至更低，以保证控制系统实现精确控制。如果检测过程中时间延迟过长，或者数据传输中控制信息错误，可能会导致设备停机，生产延迟。 　　5G超高的大带宽、无线速度、宽连接特性，低延迟、完全可以满足工厂工业控制、信息采集、先进人机交互的应用需求；会带来量变质变带来的巨大社会变革。

  致力于工业自动化“深度成像”的Akasha Imaging公司今天宣布已完成1050万美元的A轮融资。Akasha Imaging表示，这笔资金将使其能够基于人工智能将其专有技术商业化，从而聘请更多工程师并支持公司的上市活动。  Akasha的创始团队包括一些世界顶尖的计算成像科学家，包括联合创始人兼首席科学家Achuta Kadambi博士，他为开发麻省理工学院媒体实验室的技术进行了大量工作。Kadambi目前是加州大学洛杉矶分校的助理教授，并入选了2019年福布斯“科学界30位30岁以下”名单。  创始科学家Ramesh Raskar博士是MIT教授和知名企业家，曾在Google X和Facebook工作过。首席执行官Kartik Venkataraman博士位居第二，他是Pelican Imaging（被Xperi收购）的首席技术官兼创始人，并拥有100多项成像专利。 Akasha Imaging表示，它结合了计算成像、极化技术和深度学习，可提供高分辨率3D图像。深度成像技术正在制造业、供应链和物流市场中应用，以改善机器人视觉，Akasha表示，这可以提高效率，增强工人安全性并减少工人疲劳。  该公司开发了Akasha ClearSight深度成像系统，该系统表示可以在非结构化环境中生成极限3D图像。Akasha声称，其技术可以使机器人以极高的精度处理各种物品，而不管尺寸、材料或照明条件如何，从而使装配线上的机器人视野提高10倍。Akasha说，ClearSight将使单调、危险和昂贵的制造，供应链和物流中的更多任务自动化成为可能。通过使机器人能够高效，准确地处理精密工作，该公司的深层成像系统可以通过减少错误和减少装配线停机时间来提高产品质量。  Venkataraman说：“在这个充满不确定的经济时代，当许多制造工厂由于安全规定和社会疏远准则而面临缩减规模时，Akasha处于有利位置，可以帮助保持装配线的运转并生产高质量的产品。” “我们期待与专注于人工智能和机器人技术的投资者合作，以解决当今制造、供应链和物流部门面临的一些最大挑战。”  自2019年成立以来，Akasha已从Khosla Ventures，Sierra Ventures，Orbital Ventures和个人投资者筹集了超过1200万美元的资金。Khosla Ventures领导了A轮融资。Khosla Ventures的创始人Vinod Khosla表示：“ Akasha Imaging具有独特的DNA，其创始人塑造了计算成像领域，现在正将该技术推向市场，以应对现实中的挑战。”   “我们相信，Akasha的深度成像技术和全新的传感器技术在机器人自动化中具有巨大的开发潜力，可用来改善制造流程并增强工人的安全性，COVID-19大流行对全球供应链的影响进一步暴露了市场需求。这是一支具备将深层成像增强型机器人视觉推向市场的团队。”（文章来源于机器人在线网）