新闻中心-深圳机器人

14

2025.07

今日科普|机器人视觉应用探索

随(suí)着(zhe)人(rén)工(gōng)智(zhì)能(néng)技(jì)术的飞速发展，机器人视觉技术已成为科技领域的一大热点。这一技术旨在模拟人类视觉系统，通过高级算法与模型，使计算机能够“看见”并解读图像、视频信息。它不仅仅局限于简单的图像识别，更涉及到对复杂信息的深度理解。数据显示，机器视觉技术已广泛应用于自动驾驶、医学影像诊断、智能安防等多个前沿领域，展现了其在多场景下的强大应
13

2025.07

今日科普|机器视觉研究综述

早期的机器视觉主要集中在简单的物体识别上，比如生产线上的瑕疵检测。但近年来，随着深度学习技术的突破，机器视觉已经能够实现对复杂场景的深度理解和分析。比如，在自动驾驶领域，机器视觉系统不仅能识别车辆、行人、交通标志，还能预测他们的行为轨迹，从而做出安全驾驶决策。据《自然》杂志报道，最新的研究成果显示，某些机器视觉模型的物体识别准确率已超过人类水平，错误率低于5%。这标志着机器视觉在“看”的基础(ch
13

2025.07

【今日要闻】深度探索：人工智能与计算机视觉的发展与实践

目录第一篇基础介绍第一章机器视觉行业概况第一节机器视觉定义及分类一、机器视觉定义二、机器视觉分类三、机器视觉应用特点第二节机器视觉发展历程一、机器视(shì)觉(jué)行(xíng)业(yè)发(fā)展(zhǎn)史(shǐ) 二(èr)、中(zhōng)国(guó)机(jī)器(qì)视(shì)觉(jué)行(xíng)业(yè)发(fā)展(zhǎn)历(lì)程(ché
13

2025.07

机器视觉未来趋势

近年来，深度学习技术已成为机器视觉领域的主流技术，通过训练大规模的数据集，生成的模型能够实现高度准确的图像分类、目标检测和分割等任务。这一趋势不仅显著提高了机器视觉系统的识别精度，还进一步拓展了其应用范围。据业内人士透露，随着深度学习技术的不断发展，机器视觉系统将更加智能化，能够在更多复杂场景下发挥重要作用。例如，在自动驾驶领域，机器视觉技术通过深度学习算法，能够实时识别和理解道路环境，为自动驾驶
13

2025.07

今日科普|低成本机器视觉解决方案

机(jī)器(qì)视(shì)觉(jué)是(shì)一(yī)种(zhǒng)基(jī)于(yú)人(rén)工(gōng)智(zhì)能(néng)技(jì)术(shù)的(de)应(yīng)用(yòng)，它(tā)使(shǐ)机(jī)器(qì)能(néng)够(gòu)模(mó)仿(fǎng)人(rén)类(lèi)视(shì)觉(jué)系(xì)统(tǒng)的(de)功(gōn
13

2025.07

0.01°微小变化精准捕捉，机器人姿态传感器革新

【导语】电子发烧友网报道，传感器作为人形机器人的核心感知技术，其中高性能姿态传感器发挥着至关重要的作用。据中金研究预测，到2030年，人形机器人传感器市场空间将达到119亿元。在人形机器人中，姿态传感器不仅用于实现动态平衡，还是拟人化运动控制的关键。近期，华依智造、元生创新、眸星科技等(děng)企(qǐ)业(yè)纷(fēn)纷(fēn)推(tuī)出(chū)针(zhēn)对(duì)机(jī
13

2025.07

机器视觉核心技术研究

机器视觉的核心技术主要包括图像处理、模式识别和机器学习。图像处理是机器视觉的基础，它负责对采集到的图像进行预处理、增强和分割等操作，以便后续的识别和分析🎨网址。模式识别则是通过比对和匹配，将目标图像与数据库中的模板进行匹配，进而获得目标物体的信息。而机器学习，则是通过训练和学习，使计算机能够根据
12

2025.07

【今日要闻】**机器视觉与智能化转型：企业核心竞争力探析**

在业务应用方面，公司深入工程建造、核电、能源、大宗商品贸易等行业领域，致力于为客户提供专业化的技术支持与服务，辅助客户持续提升信息化管理能力、数字化运营能力和智能化决策能力。在智能化变革方面，作为中国科学院大数据挖掘与知识管理重点实验室成果转化基地(天津)，加速推🏀进科研成果商业化进程，在工业互联网智能制造应用建设，大数据算法分析与应用，集团数字化转型等方面落地。来高科技(天津)有限公司来
12

2025.07

今日科普|机器视觉飞拍定位原理

机器视觉飞拍定位，简而言之，就是利用高速精准的硬件输出端口在极短的时间内触发相机拍照，被测物品在拍照过程中仍处于运动状态。与此同时，通过图像处理软件计算出被测物品位🆘网址置的偏移量，执行机构获取这些视觉输出的偏移量后再做出相应的动作指令。这种技术不仅要求硬件具备高速精准触发控制功能，而且相机的拍照响应时间要快、曝光时间短、帧率高，
12

2025.07

今日科普|机器人视觉检测局限性

机器人视觉检测的基础在于高质量的图像或视频数据。然而，在实际应用中，图像质量往往受到多种因素的制约。例如，当图像模糊、光线不好或者存在背景噪音时，机器人视觉系统容易出现误报和漏报的情况。据相关数据显示，图像质量的优劣直接影响视觉系统检测的准确率，低质量的图像可能导致准确率下降20%以上。这一局限性使得在某些复杂且动态变化的环境下，机器人视觉检测的可靠性受到限制。比如，在汽车制造线上，如果光线变化较

- 全球无序抓取市场的领导者