第四届光学与机器视觉国际学术会议(ICOMV 2025)
重要信息
时间地点：2025年4月11-13日，中国长春
官网：http://www.icomv.com
简介
第四届光学与机器视觉(ICOMV 2025)将于2025年4月11-13日 在吉林长春举行。本次将围绕“光学”与"机器视觉”等研究领域展开讨论，为来自国内外高等院校、科学研究所、企事业单位的专家、教授、学者、工程师等提供一个分享专业经验，扩大专业网络，面对面交流新思想以及展示研究成果的国际平台，探讨本领域发展所面临的关键性挑战问题和研究方向，以期推动该领域理论、技术在高校和企业的发展和应用。
主题
| 光学 | 机器视觉 |
| 量子光学 超快激光 原子光学 激光光学 光学通信 集成光学 光探测激光雷达 光学传感器 高端光学仪器 同步辐射光学 高功率固体激光 光电子技术 固态激光技术 非线性光学 先进光学薄膜材料 新型高光光学元件 更多相关主题… | 计算机视觉 主动视觉 三维视觉 增强现实/虚拟现实/磁共振 机器学习 人工智能 大数据和数据挖掘 深度学习 图像处理 图像处理方法 计算成像 机器视觉系统和组件 人脸和手势识别 图像取证和识别 |
其他
光学与机器视觉是两个密切相关的领域，它们结合在一起可以用于工业检测、自动化控制、医疗影像分析等多个应用场景。下面分别介绍它们的核心概念，并解释它们的结合如何推动技术的发展。
1. 光学（Optics）
光学是研究光的传播、反射、折射、干涉、衍射、偏振等性质的学科，涉及光的本质及其与物质的相互作用。光学技术广泛应用于镜头、显微镜、光通信、激光技术等领域。
光学在机器视觉中的作用
机器视觉系统的核心是“眼睛”——即相机和光学系统，而光学技术直接决定了成像质量。光学在机器视觉中主要涉及：
- 镜头设计：选择合适的焦距、光圈、视场角，保证图像清晰度。
- 光源控制：调整照明方式（如LED、激光、红外线等）来增强目标物体的对比度，提高成像质量。
- 光学滤波：使用偏振片、滤光片等光学元件，去除干扰光或增强特定波长的光，提高检测精度。
2. 机器视觉（Machine Vision）
机器视觉是计算机视觉的一个重要分支，主要应用于工业自动化和智能检测。它利用相机或传感器获取图像，并通过图像处理算法进行分析和决策，使机器能够“看懂”环境信息。
机器视觉的核心流程
- 图像采集：通过工业相机或光学传感器获取目标物体的图像。
- 图像预处理：使用算法增强对比度、去噪、边缘检测等，提高分析精度。
- 特征提取：检测图像中的关键特征，如边缘、角点、颜色分布等。
- 图像分析与决策：利用深度学习、模式识别等技术，进行分类、检测、测量或识别目标。
- 输出控制信号：根据分析结果，控制机械手臂、自动分拣系统等执行任务。
3. 光学 + 机器视觉的结合
光学和机器视觉的结合，使得自动化检测和识别系统更加高效、精准，广泛应用于多个领域：
(1) 工业检测
- 缺陷检测：利用高精度光学成像系统和机器视觉算法，自动识别产品表面缺陷（如划痕、裂纹、气泡）。
- 尺寸测量：光学测量系统可精确测量零件的尺寸，替代人工测量，提高检测速度和精度。
(2) 自动驾驶
- 激光雷达（LiDAR）+ 机器视觉：LiDAR利用光学扫描技术获取3D环境信息，结合机器视觉可识别车辆、行人、交通标志等。
- 多光谱视觉：利用红外相机和可见光相机结合，提高夜间和恶劣天气的感知能力。
(3) 医疗影像
- 内窥镜和显微成像：光学成像结合机器视觉分析，可用于自动诊断病变，如癌细胞检测、血管造影分析。
- 光学相干断层扫描（OCT）：利用光学干涉原理获取高分辨率的组织结构图像，辅助医生诊断眼科、皮肤病等疾病。
(4) 机器人视觉
- 3D 视觉识别：结合光学深度相机，机器视觉系统可实现精准的3D建模，使机器人能识别复杂环境中的物体。
- 目标跟踪：光学传感器与机器视觉算法结合，帮助机器人动态识别并跟踪移动目标。
4. 未来发展趋势
- 高精度光学系统：更高分辨率的相机、更精准的光学透镜，提升成像质量。
- AI 赋能机器视觉：深度学习和神经网络技术，使得机器视觉具备更强的自主学习和识别能力。
- 多光谱融合：结合红外、紫外、X 射线等光谱，提高检测能力，适用于更复杂的环境。
- 光学计算：利用光子计算技术提升视觉处理速度，减少传统电子计算的能耗和延迟。
总结
- 光学 负责图像的采集与优化，提高视觉系统的成像质量。
- 机器视觉 负责图像分析和智能决策，使机器能够理解视觉信息。
- 两者结合后，可广泛应用于工业检测、自动驾驶、医疗影像、机器人视觉等领域，推动智能化发展。