内容摘要：

白皮书认为，机器视觉技术应用当已经遍布工业生产的各个环节，大大提高了生产效率和生产的自动化程度，中国的机器视觉市场目仍处于持续高速增长阶段。

机器视觉按功能和场景主要分为四大类：识别、定位、测量、检测，目这几大应用方向均面临着精度越来越高、速度越来越快、准确率要求越来越高的挑战，而解决这一问题的核心关键点，就是深度学习技术的发展和应用。

白皮书中分析，深度学习的典型应用域为异常检测、图像分类、缺陷检测和物体定位，并根据维视智造多年的实践经验，指出了AI工业视觉落地几大痛点——额外的硬件、发热量和功耗、大量的训练数据以及大量的人工标注工作。而落地的关键则在于向基于CPU进行训练及推理，缺陷检测深度学习过滤及图像自动采集标注等三个技术域寻求突破。

为给行业人士做出更明确的指导，白皮书对AI工业视觉解决方案的架构及组成方式、实施流程进行了重点分析与说明，并列举了多个典型应用场景，详细展示其技术操作流程。

后，白皮书预测，深度学习在医疗、生命科学、食品、假冒检验和木材分等行业都将有很好的发展景，此项技术将原来对产品一致性要求高的应用场景进行了数倍的扩展，必将在短时间内带来工业视觉的爆发式增长。

完整版取方式：

方式1

· 关注“维视智造股份”微信公众号

· 后台回复“白皮书”

· 扫码添加微信小助手取。

方式2

· 登录维视智造网站（www.xamv.com）

· 点击 “下载中心 → 行业白皮书”