机器视觉产业链示意图

但随着机器视觉的应用领域扩大，传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。深度学习对原始数据通过多步特征转换，得到更高层次、更加抽象的特征表示，并输入预测函数得到最终结果。深度学习可以将机器视觉的效率和鲁棒性与人类视觉的灵活性相结合，完成复杂环境下的检测，特别是涉及偏差和未知缺陷的情形，极大地拓展了机器视觉的应用场景。深度学习相关算法不断迭代优化，生成对抗网络（GAN）、强化学习（RL）等新技术也在机器视觉领域不断涌现，并为该领域带来了更多的可能性。深度学习相关技术的持续进步显著提升了机器视觉技术解决工业检测问题的能力，加快了机器视觉向更多行业渗透的速度。

2023年Meta发布图像分割基础模型Segment Anything Model (SAM)，用于识别、分割图像和视频中的物体。与其他计算机视觉模型相比，SAM的创新性主要体现在以下几个方面：1）SAM基于1100万张图像和11亿个掩码的海量数据集进行训练，是迄今为止最大的分割数据集；2）SAM在分割任务中展现出较强的零样本性能，能对从未训练过的图片进行精准分割，初步验证了多模态技术路径及其泛化能力；3）SAM开创性地与Prompt结合了起来，将自然语言处理的Prompt模式应用在了计算机视觉领域。SAM模型的发布标志着机器视觉进入大模型时代，将有望对机器视觉技术的发展产生革命性的推动作用。

机器视觉产业链的上游主要提供功能所需的各种软硬件，包括工业相机、镜头、光源、图像采集卡、视觉控制器和算法软件等；中游将上游的核心部件集成为各种视觉应用系统，如定位系统、测量系统、识别系统、检测系统等，能够实现图像采集、处理和通信等功能，具有灵活配置、多功能模块化和高可靠性等特点；下游则是将视觉应用系统应用到各个终端行业中，提供相关的服务和解决方案，应用领域众多，超80%应用于工业制造领域，安防、智慧交通等行业也有广泛应用。