计算机视觉简史：为了让机器学会“看”，人类到底有多努力(11)

传统的工业机器视觉采用本地数据存储和处理， 通过本地总线连接，每台设备搭载一台性能强大的电脑进行数据的存储和处理；而现在的机器视觉系统通过有线（光纤/铜缆） 或无线（WiFi/4G/5G）连接至PC端，PC端无需放置在本地。
因此随着5G的到来，机器视觉有望迎来更好的发展。
2、医疗影像
当前中国CT行业影像数据爆 炸增长，2019年市场规模达到24.7亿元，CAGR约30%。另一方面，目前我国放射科医师仅有8万多名，每年承担的诊 断工作量却达到了14.4亿张影像，结合中国医学影像数据每年30%的增速，与之相对应的放射科医师的年增长速率却只有4%，两者之间存在巨大缺口，AI CT影像识别有望弥补这一缺口，发展潜力巨大。

AI CT影像的主要产品形态包括：影像分析与诊断软件、CT影像三维重建系统、靶 区自动勾画及自适应放疗系统。通过智能CT影像识别，能够完成病例筛查、智能分析诊断、辅助临床诊疗决策等工 作。从应用的场景来看，主要包括胸部、四肢关节等部位，乳腺、心肺、冠状动脉、骨骼等器官组织，应用领域广阔。

人工读片存在主观性高、重复性低、定量及信息利用度不足、耗时及劳动强度和知识经验的传承困难等问题；而人工智能读片的优势体现在高效率低成本。随着产品的成熟带动识别率的提升，人工智能读片的精准度也将形成比较优势。

尾声

发展60多年来，机器视觉作为AI技术的急先锋，经历了几轮起落，终于迎来技术上的爆发。但随着技术进入深水区，寻找合适的商业模式真正成为了机器视觉这门技术的最大难点。