新闻中心-深圳机器人

19

2025.06

今日科普|机器视觉分辨率需求

分辨率是指单位距离的成像用多少个像素来显示，是衡量机器视觉相机性能的重要指标。随🎨着图像传感技术的不断提升，现代机器视觉系统已经能够支持超过10MP（百万像素）的分辨率，用于捕捉更加精细的物体细节。例如，在电子产品、半导体和汽车制造等高精度要求的行业中，高分辨率成像显得尤为重要。一个具有1280(H)×1024(V)分辨率的相机，即大约130万像素，已经能够清晰地显示物体的细节。而对于需要
19

2025.06

中国成功研发蚊子大小仿生机器人

【导语】央视《军事报道》透露，国防科技大学成功研发出蚊子大小的仿生机器人，该微型装置融合生物特性与尖端科技，在指甲盖大小的空间内集成了传感器、控制芯片及动力装置，标志着微机电系统、材料科学(xué)与(yǔ)生(shēng)物(wù)仿(fǎng)生(shēng)学(xué)等(děng)多(duō)领(lǐng)域协(xié)同(tóng)创(chuàng)新(xīn)的(de)重(zhòng)
19

2025.06

今日科普|机器视觉的优势探讨

在智能制造的大潮中，机器视觉无疑是推动工业4.0进程的关键技术之一。据市场研究机构MarketsandMarkets的数据，到2025年，全球机器视觉市场规模预计将达到147亿美元，年复合增长率高达14.3%。这一显著增长背后，是机器视觉在提高生产效率和精准度方面的巨大优势。以汽车制造为例，传统的人工质检不仅耗时耗力，还容易出错，而采用机器视觉系统后，能在毫秒级时间内完成对零部件的精确检测，缺陷识
19

2025.06

机器视觉数据存储方案

近年来，随着人工智能、大数据、云计算等技术的快速发展，机器视觉作为其中的重要分支，也迎来了前所未有的发展机遇。机器视觉，简单来说，就是让计算机能够“看”懂世界，通过图像处理、模式识别和计算机视觉算法等技术，实现对图像或视频数据的感知、理解和分析。这一技术在工业自动化、医疗诊断、安防监控等领域发挥着越来越重要的作用。然而，随着机器视觉应用的深入，其产生的数据量也呈爆炸式增长，如何高效、安全地存储这些
19

2025.06

机器视觉与CCD技术差异

机器视觉与CCD技术虽然都在图像处理和检测领域发挥着重要作用，但它们的技术原理和核心差异不容忽视。CCD，即电荷耦合器件，是一种用于光电转换的器件，它将光信号转换为电荷信号，再通过电路处理转换为数字信号，从而实现图像的捕获和处理。这种技术在早期机器视觉系统中得到了广泛应用。而机器视觉则是一门更为综合的技术，它涵盖了图像采集、处理、识别、模式匹配以及人工智能等多个领域，旨在模拟并超越人类的视觉功能。
19

2025.06

智能割草机器人行走轮无感FOC解决方案

【导语】智能割草机器人正引领草坪修剪的新潮流，以其高效、省力、安全的特点，在欧美等国家迅速普及。作为智能割草机器人的核心部件，电机驱动系统的稳定性和可靠性至关重要。凌鸥创芯&晶丰明源推出的无感FOC解决方案，专为智能割草机器人设计，采用高性能MCU实现精准控制。本文将重点介绍该方案中的行走轮高效驱动部分，基于LKS32MC45x系列MCU的单芯片双电机控制方案，已在实际案例中量产，助力客户提升开发
19

2025.06

机器视觉薪资水平探讨

机器视觉工程师作为现代工业与智能化领域的核心人才，其薪资水平一直备受关注。根据最新的行业数据，全国范围内机器视觉工程师的年薪区间大致在5万元至60万元之间。这(zhè)一(yī)宽(kuān)泛(fàn)的(de)薪(xīn)资(zī)范(fàn)围(wéi)直(zhí)接(jiē)反(fǎn)映(yìng)了(le)该(gāi)职(zhí)位(wèi)在(zài)不(bù)同(tóng)地(de
18

2025.06

机器视觉知识要点

近年来，深度学习技术的飞速发展为机器视觉注入了新的活力。通过卷积神经网络（CNN）等模型，机器能够学习并识别图像中的复杂特征和模式(shì)。据(jù)一(yī)项(xiàng)研(yán)究(jiū)显(xiǎn)示(shì)，使(shǐ)用深度学习技术的机器视觉系统在物体识别任务上的准确率已超过99%，远超传统方法🏀
18

2025.06

优质机器视觉口碑探讨

近年来，随着深度学习算法的不断优化和硬件计算能力的提升，机器视觉技术取得了显著进展。据市场研究机构IDC预测，到2025年，全球机器视觉市场规模将达到近200亿美元，年复合增长率超过15%。这一数据背后，是机器视觉技术在智能制造、自动驾驶、安防监控等多个领域的广泛应用。特别是在智能工厂中，机器视觉系统凭借其高精度、高效率的特点，赢得了众多企业的青睐。例如，某知名汽车制造商引入机器视觉进行质量检测，
18

2025.06

今日科普|机器视觉布料色检

机器视觉布料色检基于计算机视觉技术和深度学习算法，通过高分辨率摄像头或工业相机实时捕捉布料图像，进行预处理、特征提取、模型训练与结果输出等步骤，实现对布料颜色的自动化检测。据最新数据显示，采用机器视觉技术的布料色检系统，其检出率可达95%以上，分类正确率超过85%。这一技术的引入，极大地提高了生产效率和产品质量。二、机器视觉布料色检的优势相比传统的人工色检，机器视觉布料色检具有显著的优势。首先，机

- 全球无序抓取市场的领导者