“眼鏡是心靈的窗戶，打開心靈之窗請到XX眼科醫院”這是一則廣告語，但我并不是來打廣告的，我只是想通過它，說明眼睛對人類的重要性。不僅人類需要眼睛，機器人同樣需要一雙能看清一切的明眸。

機器視覺給機器人一雙“慧眼”

看清楚是做好一件事情的基礎，人工智能沒有視覺也就不可能成為真的智能。機器視覺系統便是讓這一切變成現實的的神奇發明。

當前，面向特定領域的專用人工智能技術取得了突破性進展，甚至可以在單點突破、局部智能水平的單項測試中超越人類智能。比如日本仿人機器人、美國獵豹機器人、德國工業機器人，還有我國的人臉識別、虹膜識別、步態識別等人工智能發展很快。

但是就目前水平來看，距離我們理想中的機器人差的還是太遠。作為人類理想中的機器人，就應該是《我，機器人》中的桑尼那樣，具備一切人類擁有而更出色的本領。人工智能的目的是幫人類解決更多更復雜的問題，那才能算得上成功，但是如果連“看”都做不到，你還能指望他們做好更難的事情嗎？這是作為智能機器人的基礎條件之一，也是十分關鍵的一點。不僅如此，大量的工業檢測系統也需要機器人能看的見，比如顏色、圖形檢測，你說盲人能完成這份工作嗎？大概傻子都不會信！

基于機器視覺對人工智能發展的重要意義，一些科技公司已經提前布局視覺技術研究。

谷歌最新發布的機器視覺工具CloudVisionAPI，可以幫助開發者構建能夠“理解”圖像內容的應用，也就是圖像識別。這款視覺工具的應用體現在四個方面：一是安全搜索檢測工具（SafeSearchDetection）是為那些開發大眾圖片分享應用準備的，而此工具的作用就是讓開發者利用谷歌的SafeSearch安全搜索技術，屏蔽一些內容不符合規定的圖片內容；二是特性臉部檢測（FacialDetection）。關于這個應用，中間也發生過一個小插曲，不久前有新聞報道稱谷歌的人臉識別誤將一位黑人判定為大猩猩，谷歌也為此做出道歉；三是地標檢測（LandmarkDetection），可讓應用識別照片中的標志性建筑，比如艾弗爾鐵塔，而且能明確標出這就是艾弗爾鐵塔，而不只是說那是個塔，同時定位照片拍攝所在位置，自然景觀也是適用的；四是實體檢測（EntityDetection），可用于識別照片中主體內容，并且識別那是什么，比如農場的照片就可自動貼上“生產”的標簽了。

從上面不難發現，這些都還只是一些簡單的圖片識別功能，距離達到人類水準并超越人類的標準差距甚大。

機器視覺是一門涉及了人工智能、神經生物學、心理物理學、計算機科學、圖像處理、模式識別等諸多領域的交叉學科。一個典型的工業機器視覺應用系統，包括數字圖像處理技術、機械工程技術、控制技術、光源照明技術、光學成像技術、傳感器技術、模擬與數字視頻技術、計算機軟硬件技術、人機接口技術等。這其中涉及到的技術大多還處于發展階段，受此類因素影響，機器視覺研究的進程也十分緩慢。

要實現高層度的人工智能，讓機器人能夠看見是最基本的條件之一。機器視覺的研究當前還面臨著大量的障礙，看見并識別物體也需要其他技術的支撐，所以這必將是一個漫長的過程。