苏州工业机器视觉检测机构-姜堰机器视觉定制-致科自动化科技

致科自动化科技有限公司-主营业务：机器视觉业务，工业视觉传感应用，专注底层算法和硬件技术，为客户提供的机器视觉产品和算法平台等领域产品

常州致科自动化科技有限公司位于长三角经济带重要城市—常州，是一家以机器视觉工程项目开发为主要，集软件开发、OEM系统集成、工程承包于一体的综合型企业。公司依托高水平研发团队，布局机器视觉领域，通过对软硬件产品及平台的研发创造，致力于持续推动智能化，加速智能制造进程。

姜堰机器视觉定制公司为您介绍，与计算机视觉的区别？

计算机视觉与机器视觉，首先是应用场景不一样，

其次，感觉很大的区别，在于技术要求的侧重要点不一样，甚至差别很大。

计算机视觉，主要是对质的分析，比如分类识别，这是一个杯子那是一条狗。或者做身份确认，比如人脸识别，车牌识别。或者做行为分析，比如人员入侵，徘徊，留下的物品，人群聚集等。

机器视觉，主要侧重对量的分析，比如通过视觉去测量一个零件的直径，一般来说，对准确度要求很高。我记得以前接触过一个需求: 视觉测量铁路道岔缺口。哥刚毕业的时候在铁路上班，做过控制系统，还开过内燃机车，很清楚道岔缺口的重要性，这玩意儿你说要是测不准，呵呵:)

当然，也不能完全按质或量一刀切，有些计算机视觉应用也需要分析量，比如商场的人数统计。有些机器视觉也需要分析质，比如零件自动分拣。但，计算机视觉一般来说对量的要求不会很高，商场人数统计误差个百分之几死不了人的，但机器视觉真的会，比如那个道岔缺口测量。

既然要求这么高，是不是机器视觉就比计算机视觉难呢？也不是的，应该说各有各的难处。

计算机视觉的应用场景相对复杂，要识别的物体类型也多，形状不规则，规律性不强。有些时候甚至很难用客观量作为识别的依据，比如识别年龄，性别。所以深度学习比较适合计算机视觉。而且光线，距离，角度等前提条件，往往是动态的，所以对于准确度要求，一般来说要低一些。

机器视觉则刚好相反，场景相对简单固定，识别的类型少(在同一个应用中)，规则且有规律，但对准确度，处理速度要求都比较高。关于速度，一般机器视觉的分辨率远**计算机视觉，而且往往要求实时，所以处理速度很关键，目前基本上不适合采用深度学习。

以上讨论的是技术，商业方面，计算机视觉的应用面更广一些，毕竟很多业务是跟人相关，比如人脸识别，行为分析等，很多垂直领域都有计算机视觉潜在需求，相对来说，更适合创业；

而机器视觉顾名思义，业务主要跟机器相关，而且对准确度甚至安全性要求很高，也就在资质品牌方面有较高的门槛，所以寡头垄断严重，一般来说，更适合上班而不是创业。