过去几年中，物联网的发展、在线采购的普及和快速接受，以及工业 4.0 的推广，为机器人和自动视觉检测在工业自动化和物流管理中的普遍应用创造了前所未有的机会。这为智能相机的广泛采用做出了巨大贡献，主要用于条形码读取、OCR 读取、机器人引导和特征检测。智能相机的基本特性（例如易用性和经济成本）使其非常适合这些对速度要求不高且空间有限的应用。 

与任何技术一样，智能相机的普及也受到一定的限制和阻碍：一是计算能力有限；二是软件灵活性较差。两者相互作用，主要是由于紧凑外形的限制，不能像 PC 那样使用更快的芯片，也不能简单地移植一些计算密集型算法。随着片上系统 (SoC) 和嵌入式技术的进步，这些限制肯定会被消除。

智能相机可用于单、多点检测应用

就其本质而言，单点检测、快速部署和易于维护仍将是智能相机相对于基于 PC 的视觉系统的优势，即使在某些情况下分隔线变得比以往更加模糊，但主要区别仍然存在。智能相机和基于 PC 的视觉系统从多个角度相互补充。

随着嵌入式系统处理能力的提高，智能相机可能能够处理以前无法处理的更快、更复杂的应用程序。此外，在某一时刻，如果软件允许容纳主-从二级结构，则多个智能相机可用于多视图应用，这是基于 PC 的多相机系统的传统领域。此外，针对恶劣环境的 IP67 防护等级和适合更小空间的紧凑外形无疑使智能相机更具优势。

智能相机的技术趋势

在过去的几年里，随着智能相机在各行各业的推广普及，我们看到了智能相机发展的几大趋势。

①特定应用的智能相机，低成本和单一功能导向

在过去的几年里，我们看到了智能相机的两大趋势。第一个趋势是智能相机越来越专注于特定应用或单一功能，就像传统的光学传感器一样。例如，以极低的成本，相机可能仅适用于物流跟踪的条形码读取、识别某些特征的存在/不存在，或用于机器人引导的特征匹配。

②专注于人工智能的智能相机

第二个趋势是智能相机正在利用更多的板载智能或更智能的嵌入式技术来解决更复杂的检查任务。这些任务通常需要更多的计算能力，而智能相机过去由于其紧凑的外形尺寸而受到限制，但这种情况正在发生变化。这方面的一个新发展是人工智能（深度学习）的出现，这在推动新的专注于人工智能的智能相机方面发挥了重要作用。使用来自 Teledyne DALSA 的 Astrocyte™ 等 AI 训练器有助于在具有更强大 GPU 的高端 PC 中进行耗时的图像训练。由人工智能驱动的智能相机肯定会弥补过去智能相机型号的局限性。 

值得注意的是，所有这些演变都是由软件的进步推动的。功能模块化与软件的变化有关。AI智能相机也受到重大软件技术突破的推动。当然，硬件和计算能力，甚至传感器的进步同样也在积极助力智能相机的演变。但软件进步在这些技术发展中发挥着关键作用。

③无线管理或基于云的智能相机

智能相机发展的另一个进步是集成无线技术以实现远程监控和控制目的。由于数据安全或可靠性问题，Wi-Fi 可能不够可靠或不够快，无法用于图像传输或实时监控。但是，运营管理人员远程进行有限的检查控制和管理将成为智能相机被普遍使用的功能。 利用云计算技术，基于云的智能终端摄像头也在不断涌现。如何利用 5G 技术可靠、快速地传输图像和数据，正在一些主要制造中心的许多生产车间出现。

智能相机未来发展方向

从技术到供应链脱钩，事情似乎正朝着多个方向发展。在技术方面，智能相机的研发工作总是追求更快、更容易、更经济、更强大的机会。5G 的出现使云计算更加现实。在云端集中计算的摄像头将使工业相机更受欢迎。但是，无论5G技术有多快，数据的安全性和可靠性以及没有任何时间延迟的实时处理将始终是一个问题，而且主服务器的负担和成本也不容忽视。具有改进的 SoC 的边缘计算将使智能相机在许多情况下更具吸引力。

 此外，供应链脱钩意味着制造业将继续分散在世界各地不同的国家本地，这将为使用机器人的生产自动化创造更多机会，具有易用性和更简单布线特点的智能相机与此完美匹配。

说到智能相机本身，具有人工智能功能的智能相机或所谓的“推理智能相机”——将越来越受欢迎，智能 3D 相机也将如此。换言之，随着智能相机能力的提升，在可预见的未来，它们的应用将延伸到更多以前基于PC的视觉系统占据主导地位的领域。