澳大利亚国立大学等机构研究人员开发出一种新型多层超构材料透镜，可同时聚焦多种颜色的非偏振光，克服了传统超构透镜的色差问题。该设计制造简便、对偏振不敏感，且易于规模化生产，有望应用于手机、无人机等设备的小型化光学系统中。

机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功能。采用激光扫描与CCD探测系统的大型工件平行度、垂直度测量仪，它以稳定的准直激光束为

机器视觉中图像采集卡的功能与应用

3D相机正在推动机器视觉市场的增长。很多制造企业开始转向自动化3D料箱拣选，专注于使用3D视觉和人工智能等先进技术来简化操作并减少开支。预计3D相机将在未来五年内推动全球机器视觉市场，这得益于移动机器人和机器人拣选的强劲增长。到 2028 年，预计3D相机的复合年增长率（CAGR）为 13%，将远高于全球机器视觉市场预期的 6.4% 的个位数复合年增长率。3D机器视觉相机的收入预计将从2022年的

产品的外观缺陷直接影响着产品的质量问题，而在检测时，由于产品缺陷种类繁多且干扰因素众多，导致产品的外观缺陷检测一直是机器视觉检测中的难点。本文主要给大家介绍机器视觉外观检测中常见的成像方案

本文介绍了3D视觉目前主要有四种技术路线及视觉检测方案的头部厂家的

光源是指用于为工业机器视觉应用场景提供照明的系统，主要包括光源和光源控制器，是影响机器视觉系统输入的重要因素，直接影响输入数据的质量和应用效果。从下游应用领域看，由于机器视觉的众多优势，为提高生产效率、减少生产过程中的错误，工业生产中的人工环节逐渐被机器替代，工业已成为目前机器视觉应用中比重最大的领域之一，在消费电子、汽车、制药等下游行业的生产过程中，机器视觉系统与智能制造如影随形，被广泛地应用于

随着人工智能技术的飞速发展，机器视觉在医学影像和医疗领域中扮演着越来越重要的角色。机器视觉技术如何在医院领域提高诊断准确性、加快治疗流程以及改善患者体验。本文将探讨机器视觉算法的重要性、使用场景，并对其在医院领域应用的前景提出个人见解。

机器视觉的终极目标是什么？将“人眼”作为机器视觉的目标追求，是机器视觉行业的第一性原理吗？那么细分下去，人眼的特点又是什么？机器视觉该如何向人眼学习？机器视觉未来发展的方向和实施步骤是什么？

随着机器视觉硬件方案的不断成熟和运算能力的提升，以及软件在各种应用解决方案、3D 算法、深度学习能力的不断完善，机器视觉在电子产业(如 PCB、FPC、面板、半导体等领域)应用的广度和深度都在提高,并加快向新能源里电、光伏等其他领域渗透,在 AI、自动驾驶、人脸识别等新兴技术兴起的带动下,我国机器视觉市场规模将继续保持较高的增速。全球机器视觉行业进入快速发展期,有较为完整的产业链,高端市场中主要被