简述机器视觉技术在工业制造中应用的局限性

       一个典型的机器视觉应用系统包括图像捕捉模块、图像数字化模块、图像处理模块、决策模块、机械控制执行模块以及光源系统等。那机器视觉技术在工业制造中应用的局限性有哪些呢？下面我们来一起了解：

1.受到环境光源的约束：不同的光源将造成不同的成像质量和效果，直接干扰检测算法的检测，可能造成产品的误判；单一的视觉引导技术不能保证路径中障碍物检测的精度，决策控制层往往需要融合多种传感器采集的信息。

2.受到硬件设备性能的限制：摄像头的镜头畸变矫正、标定差异性、视角范围有限；安装条件及场地限制，对传感器融合方案的要求；每个像素的暗电流不同，对光子响应不一致，会造成摄像机中空间及模式噪声；CCD线阵相机的参数设置的局限性。

3. 受到端上计算资源的限制：工业产品大规模复杂的模型架构需要依赖强大计算能力，当设备终端上内存难以满足时需要采用模型云端离线训练再部署到设备终端；图像数据传输时仍需要对特定的任务目标进行模型的参数调整、优化，会产生额外的工程开销，且实时性较差。

4.受到检测对象多样性的限制：物体表面缺陷种类繁多、缺陷产生机理不明、缺陷描述不充分；机器视觉系统难以从数据中提取特征。

5. 受到成本和收益经济性的限制：视觉传感器等工业相机核心零部件和底层视觉软件的开发需较大投入成本。