關於人工智能，著名的計算機科學家，1969年圖靈獎獲得者馬文·明斯基提出，人工智能是一門科學，是使機器做那些人需要通過智能來做的事情。另一個更加專業的定義是斯坦福大學的教授尼爾斯·約翰·尼爾森提出的。他認爲人工智能是關於知識的科學，就是研究知識的表示、知識的獲取和知識的應用。

機器視覺又稱計算機視覺。機器視覺通過視覺圖像來觀察和研究周圍世界。從圖像中提取出感興趣的事物。視覺圖像類似於人類眼睛看見的事物。對圖像進行處理類似於人類的大腦。斯奈德對機器視覺的定義指出，稱機器視覺是強調用機器構成的系統來處理視覺問題，而稱計算機視覺則強調處理視覺的問題是一個計算問題。換句話說，如果非要區分機器視覺和計算機視覺，可以認爲機器視覺是一個視覺系統，包括圖像採集、處理以及後端的輸出，是一個完整的可以直接應用在工程上的系統。而計算機視覺着重強調計算，也就是圖像處理。對機器視覺而言，圖像處理是其核心，同時還包括前端的圖像採集和後端的處理結果輸出。而計算機視覺可以認爲專指視覺圖像處理。

人工智能的概念於1956年的達特茅斯會議正式提出。達特茅斯會議的主要參與者包括麥卡錫、明斯基、香農、羅切斯特、紐厄爾、西蒙、薩繆爾、伯恩斯坦、摩爾、所羅門諾夫等。在這之前，英國數學家、邏輯學家，被稱爲計算機科學之父，人工智能之父的倫·麥席森·圖靈一直在研究機器是否可以思考的問題。

圖1 達特茅斯

機器視覺也在20世紀50年代開始，早期主要研究模式識別。主要集中在二維圖像上的分析和處理上。機器視覺或稱爲計算機視覺，主要關注的還是視覺圖像的處理算法。這時與人工智能還沒有什麼關係，兩者都在各自獨立發展。

發展到今天，人工智能的方向有很多，具體的應用如智能交通、智能醫療等。幾乎個個行業都可以利用人工智能的研究成果。機器視覺可以認爲是人工智能的一個方向。到現在，人工智能的研究還是知識的表示、獲取和應用，如現在用知識圖譜的方式來表示知識。同時，已經出現了很多優秀的算法，如搜索算法、羣智能算法、機器學習算法等。現在最火的深度學習算法就屬於機器學習算法的一種。機器學習算法有很多，總的來說可以以分爲三類：有監督學習、無監督學習和弱監督學習。支持向量機、決策樹、K-近鄰、k-均值聚類、自編碼器、遷移學習、強化學習等都是機器學習算法。深度學習也是一種機器學習算法，是從早期的人工神經網絡中改進而來，早期的人工神經網絡如BP神經網絡可以認爲是淺層神經網路偶，深度學習是深度神經網路，其網絡層數比淺層神經網絡多很多，所以稱爲深度神經網絡。

深度學習算法在2012年的ImageNet圖像識別比賽中，碾壓第二名，由此讓其名聲大噪。其實，在機器視覺領域，基於機器學習的方法一直在使用。深度學習也只是其中的一種算法。在機器視覺方面，主要關注的是工業應用領域，很多年來，在國內這都是一個冷門方向，也沒有多少人瞭解。但是在國外，其實很早就開始了機器視覺的開發和應用。最有名的當屬美國的康耐視，已經發展了40年左右，而德國的halcon軟件也發展了20年左右了。在國內，大家最熟悉的可能就是開源的opencv圖像庫。

圖2 機器視覺應用—利用視覺定位實現自動抓取

隨便走到哪裏，幾乎都有人在講深度學習和人工智能，好像深度學習就等於人工智能一樣。其實，人工智能包括的方向很多，深度學習只是實現人工智能的一種算法，兩者之間有很大的區別。同時，深度學習也是可以用於機器視覺的一種算法，並不能夠代替現有的機器視覺檢測算法。人工智能的領域比機器視覺更加廣泛，機器視覺更專注於利用視覺解決工業實際應用問題。如果想學習人工智能，可能也需要專注於某一個方向進行深入學習研究，儘量不要泛泛而學，對於沒有太多應用場景的方向，做理論研究比較合適。機器視覺作爲人工智能的一個方向，目前的應用範圍開始擴大，尤其是在工業應用方面，這個方向是比較好的。但是，機器視覺也是一個系統，裏面包括了很多方面的內容，以後將從機器視覺入門開始，講清楚基礎的視覺圖像處理算法算法，結合具體的實例說清楚機器視覺的基礎知識以及如何應用。