像在任何以技术为中心的行业中一样，人们会对机器视觉和图像处理中的新技术通常会产生热情，并容易演变成炒作。炒作与实际应用效果之间的界线在于成功实施。在整个2019年，机器视觉行业中的一些新技术得到了实际的实施与应用。

在机器视觉行业中备受关注的热门技术如：深度学习，高光谱/多光谱成像，偏振，嵌入式视觉，3D成像和计算成像等充满了期望。我们通过介绍这些技术的重要性并了解它们在视觉行业中的应用发展情况做一个简要的介绍和总结。

深度学习

深度学习或教学机器如何独立于人类交互（过去的训练阶段）来处理信息和对信息采取行动，是许多领域中的一种范式转换技术。在视觉市场上，深度学习技术的最早且现在最成熟的用途之一是在工业检测领域，例如PCB检测系统。

深度学习的根源和操作原理正在视觉世界的许多其他领域快速部署。深度学习软件用于分析房屋的卫星图像以进行太阳能潜力调查，市政部门将深度学习用于路牌位置分类。

到目前为止，深度学习技术已经取得了进步，可以将其部署在智能手机上，以提供个性化的皮肤检测或儿童的视力障碍检测，甚至可以利用现成的相机能够看到角落。

高光谱/多光谱成像

过去，高光谱和多光谱成像已被用于天文学研究和在轨道卫星上，用于一般土地调查和监测气候变化等用途。

近年来，高光谱/多光谱成像已成为农业应用中的一种流行技术，例如常规作物健康测量和专门检测病态作物。先进的农业应用（例如数字植物表型）也利用了该技术。

高光谱/多光谱成像在这两个领域之外的部署程度，例如用于测量消费类电子显示器，改善肿瘤手术的图像质量以及监视核聚变反应堆等，充分证明了该视觉技术在未来的广阔潜力。

偏振

偏振在视觉应用中的作用由来已久，但是仍然存在集成商可能不知道的偏振应用，例如减少反射，分析薄涂层以及检测斜率变化。

随着片上偏振器的出现，以及可能将偏振技术带入智能手机的微型化的新可能性，我们可以期望在视觉行业中有关偏振技术在不久的将来看到许多新的篇章。

嵌入式视觉

“嵌入式视觉”是一项很难分解为单一定义的技术。从最基本的定义来看，嵌入式视觉技术旨在在无人机等非常小的平台上运行。专为工厂安装而设计为独立单元的工业PC也符合嵌入式技术的定义。

3月，OpenMV总裁兼联合创始人Kwabena Agyeman讲了一个故事，讲述了廉价串行相机模块的开发如何启发了流行的开源嵌入式相机平台的创建。 OpenMV只是嵌入式视觉的许多开源体系结构之一。低成本开发工具还有助于视觉行业在该行业的增长。

由于这些努力，随着越来越多的应用程序被设计和实现，“嵌入式视觉”的定义将继续变得模糊。在嵌入式视觉的情况下，不清楚的定义可以视为成功的标志！

3D成像

我们在整个2019年涵盖的各种3D应用程序不断涌现，证明了3D成像技术日益普及，例如键合线检查，收获甜椒，物流电子交付，提高电弧焊的质量以及修整泡沫汽车内饰件。

3D激光扫描仪可用于检查水下结构，通过研究飞机机翼上的积冰来使空中旅行更安全，并自动对地面车辆进行轮廓分析。

像因特尔RealSense这样的可负担得起的立体视觉摄像机的引入，使得水上的无人机群可以交流，微软的Azure Kinect，为创新的4D跟踪系统提供动力，利用这一非常有用的技术，将允许集成商和工程师有更多的余地来开发新的视觉系统。

计算成像

计算成像通常在其他系统中起辅助作用，因为计算成像本质上是一种增强捕获图像的方法，例如合并在不同条件下拍摄的图像。光度立体视觉也是一种计算成像技术，可以用来增强图像对比度的组合图像与不同的方向照明。

计算成像算法允许研究人员利用激光雷达系统发射的单个光子进行远距离拍照。计算生成的高动态范围图像可用于测量钢铁产品的油漆涂层厚度。目前，机器视觉开发人员可能只触及了计算机成像所能完成的工作的皮毛，以后我们将继续关注他们的进展。