计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解、分析图像以及图像序列的能力。根据处理问题的不同，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。

  目前，计算机视觉已成为AI中技术率先取得较大突破、应用场景较为明确的关键技术之一，在人工智能中占了重要地位，未来市场空间广阔。

  中国计算机视觉软件市场预计于2025年将达至人民币1,017亿元。自2020年（人民币167亿元）起的复合年增长率为43.5%。

  近年来，我国先后出台了促进人机一体化智能系统、智能机器人视觉系统和智能检测发展的政策文件，机器视觉领域玩家不断增多，但由于现阶段国内传感器等核心零部件企业规模小、数量少、水平较低，部分关键零部件仍需依靠海外进口，国内企业仍多以系统集成为主，规模体量和外资相比仍有较大的差距，所以国际机器视觉市场的高端市场依旧主要被美、德、日品牌占据。

  但随着工业自动化技术向智能化方向发展，中国工业机器视觉产业正迎来春天，不断推动产品和技术升级。

  CCD、CMOS等固件越来越成熟，图像敏感器件尺寸不断缩小，像元数量和数据率逐步的提升，分辨率和帧率的提升速度能说日新月异，产品系列也慢慢变得丰富，在增益、快门和信噪比等参数上一直在优化，通过核心测试指标（MTF、畸变、信噪比、光源亮度、均匀性、色温、系统成像能力综合评估等）来对光源、镜头和相机做综合选择，使得很多以前成像上的难点问题得以不断突破。

  图像处理上，随着图像高精度的边缘信息的提取，很多原本混合在背景噪声中难以直接检测的低对比度瑕疵开始得到分辨。在特征生成上，很多新算法不断出现，包括基于小波、小波包、分形的特征，以及独二分量分析；还有关子支持向量机，变形模板匹配，线性以及非线性分类器的设计等都在不断延展。

  传统的机器学习在特征提取上主要是依靠人来分析和建立逻辑，而深度学习则通过多层感知机模拟大脑工作，构建深度神经网络（如卷积神经网络等）来学习简单特征、建立复杂特征、学习映射并输出，训练过程中所有层级都会被一直在优化。在具体的应用上，例如自动ROI区域分割；标点定位等。

  3D视觉还处于起步阶段，许多应用程序都在使用3D表面重构，包括导航、工业检测、逆向工程、测绘、物体识别、测量与分级等，但精度问题限制了3D视觉在很多场景的应用，目前工程上最先铺开的应用是物流里的标准件体积测量，相信未来这块潜力巨大。

  与其他提供定制化服务的视觉解决方案商不同，矩视智能提供标准化的机器视觉低代码协同开发平台。目前矩视拥有开发者工具平台形式的SaaS和aPaaS系列产品。

  矩视在产品形态和商业模式上做了很多颠覆式创新，将传统PC-Based的软件形态，升级为云端SaaS形态，从而在行业内大范围积累数据，并运用数据让产品更加“傻瓜化”，方便工程师使用；由于采用PLG的增长模式，矩视选择面向视觉、软件、电气、结构等工程师，免费授权使用开发环节，逐步降低机器视觉的使用门槛，以此良性循环，扩大产品的使用人群。

  目前，矩视智能平台的应用细分场景上万种，识别准确率可达99%以上，训练时间控制在5分钟内，开发效率提升10倍以上。倘若用本地定制化开发，则要招聘AI算法工程师，平均开发周期一周以上，而基于矩视智能的平台开发，普通工程师在一天内就可以完成，还能通过云端数据积累实现自动升级和版本控制，成功规避本地开发周期长的问题。