在目前的制造業(yè)環(huán)境中，機器視覺可謂是其中重中之重，但是行業(yè)的高速發(fā)展，出現(xiàn)一些制約視覺技術(shù)突破的技術(shù)瓶頸，目前我們遇到的瓶頸可以分成以下三個方面：計算能力不足，認知理論不夠，及準確識別與模糊特征之間的矛盾。

      我們可以看到的是，機器視覺目前研究對象主要是圖像，當然了也有視頻的部分，這里不做贅述，圖片具有信息量大，信息冗余，特征空間維度高等特點，而且檢測目標也具有多樣性，單一的算法很難滿足項目通用性需求，如計算顏色，方向等等，我們在搭建所需通用算法時，必然會帶來巨大計算量，這將為項目成本帶來巨大的提升。

      讓設備認識世界，雖然這是我們最初的設想，但是目前依然沒有得到完整的解決方案，而人工智能的發(fā)展也帶來了符號學派、行為主義學派和連接主義學派等體系，依然未找到合適的答案，目前的想法時，我們可以從模擬人腦信息功能處理上手，制作一個智能的機器視覺檢測系統(tǒng)，但是神經(jīng)學的制約我們只能模擬大腦的一分部分！

      最后便是我們頭疼的準確性，以我們耳熟能詳?shù)娜四樧R別來說，雖然好的算法層出不窮，但是現(xiàn)實中識別的精度依然差強人意，當然了這個問題出現(xiàn)也并非偶然，因為檢測東西越復雜，信息量越大，就越可能帶來不確定性，我們之所以現(xiàn)在能識別人臉，其實也是有一定缺陷的，機器視覺一方面需要從龐大的信息流進行學習，另一方面卻要克服龐大信息流帶來的準確性不足！