机器视觉是在包括工厂自动化在内的工业应用中使用相机作为辅助工具的概念。“援助”对不同的人可能有不同的含义。例如，如果你负责装配线上的产品质量，可以使用机器视觉在每个产品下线时对其进行检查，以确保其制造符合要求的规格并且没有缺陷。

如果你负责安全，可以使用机器视觉来监控给定区域中的人员，以确保只有适当的人员在房间或设施中。在同一设施中，可能正在使用摄像头来监控您的设备。如果出现问题，例如机器振动超出正常范围、灯熄灭、打印机打印空白等等，不仅知道自己有问题，而且很有可能找到解决方案。

机器视觉和工业 4.0

回到工业 4.0 发挥作用的工厂自动化示例，机器视觉起着关键作用。这种自动化涉及将广泛的技术结合起来，在提高生产力的同时减少人为干预。理论上，应该从人类手中拿走的是需要在瞬间做出的决定和相关行动。

虽然需要高质量的相机才能以所需的分辨率生成图像，但拥有能够处理如此高数据吞吐量的后端至关重要。考虑让多个摄像机同时流式传输，然后必须对所有数据进行分类和处理。

除了传统的相机外，机器视觉系统还依赖数字传感器，然后必须对所有输入之间的数据进行标准化。结果是大量的数据。此外，这些系统必须保证稳健性、可靠性和温度稳定性，同时保持最高级别的安全性。

将人工智能应用于工业 4.0 可以通过增加自动化、预测性维护、计算机视觉或机器人技术为智能工厂带来新的机会，尤其是在引入5G 时。除了机器视觉功能，Edge AI 还带来了诸如物体检测、检查跟踪、识别和分类等关键功能。这些功能对于通过边缘视频分析在嵌入式计算机上做出更快、更好的决策至关重要。这种基于人工智能的机器视觉系统可能会帮助不太传统行业的组织，包括建筑、制造、医疗保健和零售。

推动网络

通常能够处理高吞吐量的引擎将在云中，其中需要处理和分析信息，并根据各种特征进行测量以做出正确的决策。不幸的是，从云端获取信息可能并不现实。因此，解决方案是在物联网或工业物联网 (IIoT) 的边缘处理设施内的数据。由于针对AI应用程序的算法大量涌入，现在可以找到很大一部分难题。

将此操作移至工业物联网边缘的另一个原因是出于控制目的。拥有数据并对其进行处理和分析固然很棒，但是如果不能实时对决策采取行动，那么这种能力的价值就会大大降低。同样，这可以在基于云的架构中完成，但不能实时完成。

由于客户加强了质量控制，并且供应商的成本控制水平可能更高，自动化工厂生产线下线的最终产品的质量可能会更高，因为产品仅在必要时订购且更精确可以订购数量，从而消除供应过剩（或更糟糕的是，供应不足）。此外，产品缺陷可以快速发现并纠正。