机器视觉在工业领域的应用中还有哪些不足

机器视觉现在在工业领域的应用非常的多，但同样的在这些应用越多的地方就越是能够看出这项技术还有哪些不足，下面就一起来看看现在的机器视觉技术还有哪些不足。

1、校准

通常，高精度测量需要以下校准，1.光学失真校准（如果不是软件镜头，必须校准），2.投影失真的校准也就是图像失真校正，安装位置错误的原因。3.对象图像空间的校准，即每个像素的对应对象空间的大小。

然而，当前的校准算法都是基于平面校准。如果要测量的物理不是平面的，则需要通过一些特殊算法处理校准。通常的校准算法无法解决。

2、打光的稳定性

在机器视觉应用中，打光稳定性最影响测量的精度，因为只要是光照发生微小变化，测量结果都可能出现1到2个像素差。

主要原因是光照的不稳定会影响到图像采集边缘位置发生变化，所以在机器视觉系统设计中将环境光的影响消除到最低，同时要保证配套的主动光源的稳定性。

3、识别意外缺陷

在实际应用中，通常会给出特定的缺陷模式，使用机器视觉来识别它们是否已经发生。

然而，通常情况是由于之前没有发生许多明显的缺陷，或者发生的模式太多样化。如果换作是一个人，虽然没有叫他在操作流程中检测这种缺陷，但他会注意到，所以抓住它的可能性更大，但是现在机器视觉的“智慧”仍然很难达到这种程度。

这些你都清楚了吗？