机器视觉软件开发平台（机器视觉软件开发平台排名）
今天给各位分享机器视觉软件开发平台的知识，其中也会对机器视觉软件开发平台排名进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
本文目录一览：
机器视觉方面有哪些好的开发平台？各有什么特点
作者：知乎用户
链接：
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
转自知乎：
机器视觉当前的比较流行的开发模式是“软件平台+工具包”
软件平台：
1.VC：最通用，功能最强大。用户多，和windows搭配，运行性能较好，可以自己写算法，也可以用工具包，而且基本上工具包都支持VC的开发。是大家主要选择的平台。
2.C#：比较容易上手，特别是完成界面等功能比用VC+MFC难度低了很多，已经逐渐成为流行的使用平台了，算法在调用标准的库或者使用C#+C++混合编程。可以看到目前很多相机厂商的SDK都已经开始使用C#做应用程序了。
3.LabVIEW：NI的工具图形化开发平台，开发软件快，特别是做工控行业或者自动化测试行业的很多工程师，由于使用labview进行测试测量的广泛性，所以都有labview的基础，再调用NI的Vision图像工具包开发，开发周期短，维护较为容易。
4.VB、delphi：用的人越来越少了。
5.其他：java等没有看到人用过。
工具包：
1.halcon：出自德国MVTech。底层的功能算法很多，运算性能快，用其开发需要一定软件功底和图像处理理论。
2.VisionPro：美国康耐视的图像处理工具包。性能大多数算法性能都很好，性能上没有和halcon直接对比过，但是开发上手比halcon容易。
3.NI Vision：NI的特点是自动化测试大多数需要的软硬件都有解决方案，有点事软件图形化编程，上手快，开发周期快，缺点是并不是每个软件都非常厉害。视觉工具包的优势是售价比大多数工具包或者算法的天文数字便宜了不少，而且整个工具包一个价格，而不是一个算法一个算法地卖，性能方面在速度和精度没有前两种软件好。
4.MIL：加拿大maxtrox的产品，是Matrox Imaging Library 的简写。早期推广和普及程度不错，当前似乎主要用户还是早期的做激光设备的一些用户在用，所以用于定位的较多。
5.CK Vision。创科公司的软件包，相对前面几个工具包来说价格优势比较明显，另外机器视觉需要的功能也基本都有，所以在国内自动化设备特别是批量设备同时需要保护版权的企业而言，用量很大，推广也不错。
6.迈斯肯：迈斯肯的视觉主要产品还是条码阅读一类，图像工具包没有用过，不了解，不评价。
7.OpenCV：感觉openCV更多的还是用在计算机视觉领域，在机器视觉领域其实不算太多，应为机器视觉领域当前主要的应用还是定位、测量、外观、OCR/OCV，感觉这几项都不是opencv的专长。
8.其他：其他还有一些厂家的图像工具包，要么市场影响力不大，要么本人没有用过，不评价。
国内有没有做机器视觉系统的厂家
国内做机器视觉的厂家，像基恩士中国、施努卡、康耐视都是比较好的的厂家，如果说真正国内的就是schnoka就是真正的国内厂家了，你可以自己搜索了解
机器视觉系统的实验平台
图像采集设备机器视觉教学实验平台是专门针对大学和研究机构开展机器视觉教学和研究的机器视觉教学实验平台，提供包括图像测量、检测、定位、跟踪识别等多个图像处理库函数，功能强大，可覆盖工业生产、机器视觉、智能交通、航空航天等众多图像处理应用领域。
机器视觉图像处理教学实验开发平台可利用其提供的大量图像处理和机器视觉算法进行二次开发，解决现代工业产品生产过程中涉及的各种各样视觉问题。实验平台结构开放，提供扩展接口，也可添加自己的图像处理优异算法。
提供多种图像处理实验，如图象分割、图象融合、机器学习、模式识别、图象测量、图象处理、模式识别和人工智能、三维测量、双目立体视觉等实验，可以培养学生对机器视觉产品知识的深入理解和掌握，锻炼学生的研究能力，创新思维以及独立解决技术难题的能力。
作为一套完整的机器视觉教学实验开发平台，使用者可利用其配套的工业相机、LED光源、工业镜头、支架、算法软件等搭建自己的视觉处理系统原型，了解图像采集设备等配件的应用和选型，轻松设计、印证和评估自己的视觉系统，特别适合于大学和研究机构开展机器视觉教学和科研工作。
自动化视觉视觉检测软件哪个好用
1、以Halcon，VisionPro为代表的传统机器视觉软件，通过调用各种算法因子，针对目标特征，定制化设置各种参数。其擅长解决以测量为主的定量问题，和判断有无的简单问题，但对复杂检测类的需求，漏检率/误检率较高。虽然软件价格一降再降，国产软件售价仅几千元甚至免费，但前期开发和后期维护成本较高，在使用时面临很大的局限性。
2、以康耐视的VIDI、Sualab(已被康耐视收购)为代表的深度学习软件，将深度学习的标注、训练、测试流程，以PC软件的方式进行封装，降低了用户使用深度学习技术的门槛。主要解决传统视觉无法解决的复杂缺陷检测难题，或用深度学习的标注方法，提高开发效率。但从实际应用效果来看，当前的深度学习主要以监督学习为主，针对不同场景，需要大量的模型选择、调参等工作，无法针对所有场景，通用性的解决，因此，并没有解决传统算法需要定制开发的难题，并且用户的使用门槛较高，普通工程师对深度学习的调参一般没有基础。
3、以矩视智能为代表的的工业视觉深度学习工具，线上实现标注、训练、测试流程，依靠在云端积累的大量不同场景的深度学习模型库，将由云端自动匹配最优的深度学习模型和参数进行训练，用户无需任何操作，真正做到通用级的工业视觉深度学习工具。同时在商业上，矩视智能将云端工具永久免费，下载sdk后，仅需购买Lisence加密狗，即可本地运行，致力于将深度学习技术应用于所有的工业视觉场景中。
机器视觉软件开发平台的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于机器视觉软件开发平台排名、机器视觉软件开发平台的信息别忘了在本站进行查找喔。
