在过去的几年中，新兴的物联网（IoT）、对在线采购的广泛快速接受以及工业4.0的更多采用，为机器人和自动视觉检测在工业自动化和物流管理跟踪领域的普遍应用，创造了前所未有的机会。这为智能相机的广泛应用提供了巨大的推动力，智能相机主要用于条形码读取、OCR、机器人引导和特征检测等应用。智能相机易于使用，并且成本相对较低，非常适合那些对速度要求不高、但空间有限的应用场景。

与任何技术一样，智能相机的推广也受到了一些限制因素的阻碍。一是智能相机的计算能力有限，二是其软件灵活性较低。存在这两种不足，主要是受到智能相机紧凑的外观尺寸的限制，导致智能相机不能像PC那样使用处理速度更快的芯片，一些计算密集型算法也不能轻易移植到智能相机中。随着片上系统（SoC）和嵌入式技术的进步，这种限制将会继续减少。

用于单点和多点检测应用的智能相机

从本质上讲，点检测、快速部署和易于维护，是智能相机相较于基于PC的视觉系统的优势，并且这种优势将继续存在，尽管在某些情况下，两者的区别变得比以往更加模糊，但是这些主要区别仍然存在。智能相机和基于PC的视觉系统，可以在多个方面实现互补。

随着嵌入式系统处理能力的提高，智能相机将有望处理以前无法应对的更快、更复杂的应用。此外，在某一点上，如果软件允许容纳初级-次级结构，则多台智能相机可以用于多视图应用，这正是基于PC的多相机系统的传统领域。此外，IP67防护等级适用于恶劣环境，更紧凑的外形尺寸适用于较小的空间，这无疑使智能相机更加有优势。

趋势1：面向特定应用的智能相机

在过去的几年中，智能相机呈现出两大发展趋势。

第一个趋势是，智能相机变得越来越面向特定应用或聚焦单一功能，就像传统的光学传感器一样。例如，对于极低的成本优势，智能相机非常适用于条形码读取以物流跟踪，识别某些特征的存在/不存在，或者用于机器人引导的特征匹配。

趋势2：AI智能相机

第二个趋势是，智能相机正在利用更多的板载智能或更智能的嵌入式技术，来解决更复杂的检测任务。这些任务通常需要更强大的计算能力，过去智能相机在算力上受到限制，但现在这种情况正在改变。

一个新的发展是人工智能（AI，深度学习）的出现。将Astrocyte等人工智能训练器作为Teledyne DALSA Sherlock视觉系统软件的一部分，有助于在具有更强大GPU的高端PC中进行耗时的图像训练。具备AI功能支持的智能相机，将弥补过去智能相机的局限性。

值得注意的是，这些发展是由软件的进步所驱动的。功能模块化与软件的变化有关。AI智能相机的发展，也受到一项重大软件技术突破的推动。当然，硬件和计算能力甚至传感器的进步，都为这种发展提供了助力。

趋势3：无线或基于云的智能相机

智能相机发展的另一项进步，是用于远程监控目的的无线连接功能。尽管对于图像传输或实时监控而言，Wi-Fi连接可能并不够可靠，也不够快；但是，运营经理从远程进行有限的检测控制和管理，将成为智能相机中越来越多被使用的功能。

利用云计算技术，基于云的智能终端相机也在兴起。如何利用5G技术可靠、快速地传输图像和数据，在全球一些主要制造业中心的许多生产车间，正变得越来越普遍。

智能相机的未来发展方向

从技术角度来看，智能相机的研发工作将继续追求更快、更易于使用、更便宜、更强大的功能。5G的出现有助于实现云计算。将计算集中到云端，将使工业相机更受欢迎。然而，无论5G技术有多快，数据安全性和可靠性以及无任何时间延迟的实时处理，始终是一个令人担忧的问题。此外，主服务器的负担和成本也在不断增加。边缘计算和不断改进的SoC，将使智能相机在许多情况下更具吸引力。

图1：Boa智能相机将工业机器视觉系统的所有元件，都集成在一个小巧的封装中。

此外，供应链脱钩（supply chain decoupling）意味着制造业将继续分散在世界各地，遍布在许多不同的大陆，这将为使用机器人实现生产自动化创造更多机会。智能相机具有易于使用和布线更简单的特点，将在自动化生产线中广受欢迎。

就智能相机本身而言，具有AI功能的智能相机，或者称为“推理智能相机”，将越来越受欢迎，智能3D相机也将越来越流行。换句话说，随着智能相机能力的不断提升，在可预见的未来，它们将扩展到更多曾经是基于PC的视觉系统占据主导地位的应用场景中。

（文章转自网络，如有侵权，请联系删除）