自动化视觉工程师

这得看你有没有基础了，不过机器视觉主要是信息采集 和处理。最好有点数字图像处理能力的学最好了 ，此外还要看你的学习侧重点 有些东西会用比深入研究的要好学的多

看做哪方面的视觉工程师，给别人做视觉系统集成的还是做视觉开发的是不同的。

1、要是做视觉系统集成的就是整天按照人家工艺的要求调试你要检测物体的画面，然后给客户的提一些光源的要求还有机械上的要求，还有项目后期要不间断的去现场。

2、要是做视觉开发的话就是天天听客户反馈然后无止境的思考算法，还有写软件。搞硬件的话就是研究光学成像问题。

图像处理工程师需要掌握的知识有：

最基本图形处理的开发与研究，熟悉图像处理的各种算法，特别是图像去燥、图像增强、复原、质量改善、检测、色彩科学、图像分割、图像识别处理、图像跟踪、图像的获取及视频处理。

具体应用包括人脸识别、医学影像处理、多点识别、文字检测与是识别。特别的，结合不同应用，还需要自然语言处理知识。

另外，要有优秀的数学功底（特别是线性代数、优化理论、统计知识）

扩展资料

机器视觉的应用主要有检测和机器人视觉两个方面：

⒈ 检测：又可分为高精度定量检测（例如显微照片的细胞分类、机械零部件的尺寸和位置测量）和不用量器的定性或半定量检测（例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测）。

⒉机器人视觉：用于指引机器人在大范围内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他设备上（即料斗拣取问题）。至于小范围内的操作和行动，还需要借助于触觉传感技术。

【机器视觉特点】

⒈摄像机的拍照速度自动与被测物的速度相匹配，拍摄到理想的图像；

⒉零件的尺寸范围为到12mm，厚度可以不同；

⒊系统根据操作者选择不同尺寸的工件，调用相应视觉程序进行尺寸检测，并输出结果；

⒋针对不同尺寸的零件，排序装置和输送装置可以精确调整料道的宽度，使零件在固定路径上运动并进行视觉检测；

⒌机器视觉系统分辨率达到2448×2048，动态检测精度可以达到；

⒍废品漏检率为0；

⒎本系统可通过显示图像监视检测过程，也可通过界面显示的检测数据动态查看检测结果；

⒏具有对错误工件及时准确发出剔除控制信号、剔除废品的功能；

⒐系统能够自检其主要设备的状态是否正常，配有状态指示灯；同时能够设置系统维护人员、使用人员不同的操作权限；

⒑实时显示检测画面，中文界面，可以浏览几次不合格品的图像，具有能够存储和实时察看错误工件图像的功能；

⒒能生成错误结果信息文件，包含对应的错误图像，并能打印输出。

参考资料:百度百科▬机器视觉 、

机器视觉是用视觉系统代替人眼对物体进行检测和判断，机器视觉系统应用在工业自动化系统中已经有一段时间。当前机器视觉常常是结合工业自动化系统作为自动化设备的“眼睛”，辅助生产制造以提高生产质量和产量。下面，我们先来了解一下机器视觉：机器视觉分类经过多年的发展，机器视觉开发可大致分为三大部分一、底层开发部分二、二次开发部分三、最终使用部分由于三大部分所开发层次不一样，所以对应的三类人才需求差异都是比较大的。如何成为这三类人才1、底层开发人才对于第一类所需求的是机器视觉底层开发的人才，这类人才普遍要求会高一些，因为需要做的工作是开发通用视觉系统的开发人员，也就是像COGNEX这些公司开发部的技术职工，这类企业对人才的学历，出身要求都会比较严。这一类人才需要清晰的了解自己公司与别的公司的优劣势以及行业的动向，一些比较大的公司有时是会分成硬件和软件两个方向的开发人员，硬件人员要明白公司所选择的芯片的特点，软件方面需要了解算法以及运行速度。2、二次开发人才二次开发人才，通常都是在一类人才底层的框架基础上，为终端用户去开发应用系统。他们的能力水平要求还是比较高的，基本都要求在本科及以上学历相关专业。机器视觉的二次开发相当于机器视觉的集成开发，既要了解底层开发的基础知识，也要了解终端客户的要求。3、终端用户这类人才所做的工作，就是我们日常看到把视觉系统应用到各个领域中的人，他们需要在各自的行业使用各种已经开发成型的机器视觉系统。并且负责对各类系统进行测试及评估，以及优化应用。这三类人才当前市场需求都异常旺盛，每一类都不可或缺。他们没有等级划分，并不是说第一类就比较高大上，只是这三类人才分工不同，面向的岗位也就不一样罢了。

1.人才的稀缺。目前真正意义上的从业人员缺少科班出身，缺少对图像处理的底层理论认知和理解。机器视觉中图像处理是极为重要的一环，而目前大多数从业人员是本科或者大专毕业，或者是电气工程师新入行，基本都比较缺乏图像处理的基本理论，很多理论还停留在对“视觉嘛，就是对比嘛”“视觉嘛，就是二值化”等认知上。待遇。虽然相对于普通的自动化从业者而言，机器视觉工程师待遇还是不错的，但是却难以吸引到硕士或者博士进行过专门图像处理学术训练的人加入，因为随便加入那个互联网大公司做图像相关工作，待遇都能把自动化从业的工程师甩出几条大街。另外，机器视觉更多的应用是属于自动化设备这一块。而自动化属于比较交叉的学科，涉及到机器视觉，需要了解的东西包括、电气、运动控制、机械、光学、软件编程等。这些学科了解一些基本的东西不难，但是研究的比较透彻并能高效率的综合运用就比较难了。2.图像处理的不确定性。在我的理解机器视觉仅仅算是计算机视觉的一个微小分支，所以机器视觉主要还是指工业方面的应用。目前的工业应用主要需求有：测量、外观检测、条码、字符识别、定位。而这几个方面机器视觉还没有一个能真正意义上实现批量化检测的同时保证极高的准确率，极小的误检率和杜绝漏检。这个目标不能实现，降低了机器视觉的应用预期。因为机器视觉设备不能完全解决，还是需要人复查，除非客户的标准没有那么高。

看做哪方面的视觉工程师喽，是给别人做视觉系统集成的还是做视觉开发的啦！要是做视觉系统集成的就是整天按照人家工艺的要求调试你要检测物体的画面，然后给客户的提一些光源的要求还有机械上的要求，还有项目后期要不间断的去现场呢。要是做视觉开发的话就是天天听客户反馈然后无止境的思考算法，还有写软件。搞硬件的话就是研究光学成像问题。至于掌握的知识我问了我们一个做视觉系统集成的工程师说，他说在做系统集成方面最重要的是经验，这个需要足够多的项目来积累你的想法和思路，有时候解决问题需要的是一个很巧妙地想法，至于其他的就是掌握基本的电气知识就ok啦，还有要多动手、多尝试。如果是做视觉开发的话，这个我了解的不多，因为我做业务的时候一般遇到不懂的时候都是给上面那个做集成的工程师打电话，和做开发的工程师关系不熟，不过我看他们都是学数学专业和计算机专业的，应该对软件和应用数学有一定要求吧，听他们一张嘴不是这个数学模型就是那个线性算法的。希望能对你有所帮助吧(*^__^*)

如果是底层开发的（如开发图像处理算法、设计研发相机、镜头），你需要对软件、数学、物理、电子电路等学科都有很深的功底。这样才能弄出具体的软件算法、硬件产品。如果是应用层面的，那么你就需要对某个软件平台比较了解，如VC、VB、LV等，然后调用一家或几家的图像处理软件（如NI、HALCON等），然后进行图像处理、系统集成、技术支持等方面的工作。这里需要掌握的知识比较多、杂。但是不需要对某个领域有很深的掌握。有关的学科有软件、计算机、电子、机械、光学、数学、物理等，一般大学理、工科出来的应该能胜任。无论是系统集成、技术支持，都需要强大的经验才算得上高手。如果是终端客户，那么你只需要知道你的这个设备具有什么功能，完成什么样的测试，怎么设置参数，大概的一个测量原理就OK了。