機器視覺就是用機器模擬人眼的功能，代替人類進行檢測、測量、判斷等等工作，是人工智慧的一個分支。應用場景十分廣泛，是加工製造業不可或缺的技木，廣泛應用在食品和飲料、化妝品、製藥、建材和化工、金屬加工、電子製造、包裝、汽車製造等行業。

現在國家大力扶持人工智慧產業，專門出臺了中國製造2025規劃，使中國製造業快速提高，儘快實現數字製造、智慧製造，而機器視覺則是數字製造、智慧製造中的十分重要、不可缺少的一環。現在無論是投資還是個人投身到這個行業，前景是非常好的，前途是光明的，收入也是可觀的，總之一句話，機器視覺行業值得馬上進入。

食品包裝質量檢驗需求量大 機器視覺市場增長迅速

機器視覺是人工智慧正在快速發展的一個分支。簡單說來，機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統的特點是提高生產的柔性和自動化程度。在一些不視覺系統工作原理簡圖適合於人工作業的危險工作環境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；同時在大批次工業生產過程中，用人工視覺檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。而且機器視覺易於實現資訊整合，是實現計算機整合製造的基礎技術。 新思界產業研究中心出具的《2020年全球及中國機器視覺產業深度研究報告》顯示，預計全球機器視覺市場將從2020年的107億美元增長到2025年的147億美元，在預測期內的複合年增長率為6.5％。由於對質量檢查和自動化的需求不斷增長，對視覺引導機器人系統的需求不斷增加，在汽車、建築和基礎設施、消費品、食品和包裝等應用中越來越多地採用3D機器視覺系統，因此機器視覺市場正在增長。 通用機器視覺市場有望在機器視覺市場中佔據最大份額 基於部署，機器視覺市場已細分為通用機器視覺系統和機器人單元。機器人會繼續移動，這可能會導致影象模糊。機械手單元的成本比一般的機器視覺部署要高得多。因此，與機器人單元相比，一般的機器視覺系統被更廣泛地部署。 預計在預測期間，軟體機器視覺將以更快的速度增長 隨著深度學習使機器能夠識別物件，預計在預測期間內將AI整合到工業機器視覺軟體中將推動軟體工業機器視覺市場的增長。此外，基於深度學習的機器視覺軟體有助於區分人為可接受的產品變化和製造行業中的缺陷，從而最大程度地減少了人為干預，並提供了實時解決方案。 在預測期內，質量保證和檢驗將在機器視覺市場中佔據最大的市場份額 推動工業機器視覺市場用於質量保證和檢查應用的增長的關鍵因素包括對優質產品的需求不斷增加，製造能力不斷提高以及熟練工人的短缺等。半導體和電子公司高度依賴視覺檢測技術來檢查其產品質量以及加快其生產過程。 在預測期內，食品和包裝行業將在機器視覺市場中以最快的速度增長 食品工業是高度勞動密集型產業。人工成本大約是產品成本的50％，其中大部分是重複性工作，這導致不良的質量控制和事故。如果使用機器視覺系統透過自動化降低了人工成本，則總成本可能會降低。因此，為了提供質量保證和檢查，最小化人工成本並提高效率，機器視覺系統在食品和包裝行業中的應用程度最高。 2020年至2025年之間，亞太地區將在機器視覺市場中佔據最大的市場份額 亞太地區的機器視覺市場預計將在預測期內佔據主要市場份額，因為中國、日本、印度和南韓等亞太地區的國家擁有一些最大的製造設施，其中以製造過程的自動化為主要目標。此外，亞太地區的消費電子公司之間的激烈競爭可能會促進該地區機器視覺系統的採用。 2019年，機器視覺市場主要由Keyence（日本），Cognex（美國），Basler（德國），Omron Corporation（日本），National Instruments（美國），ISRA Vision AG（德國），Baumer Optronic（德國）主導。這些參與者已經採取了各種增長策略，例如產品釋出、收購、合作伙伴關係和協議，以進一步擴大其在全球機器視覺市場的影響力。 康耐視（美國）是美國和全球機器視覺市場的主導者。康耐視提供用於自動化過程的機器視覺系統、軟體、感測器、表面檢查系統和工業ID讀取器。 Keyence（日本）是全球機器視覺產品的主要參與者。該公司開發、製造和銷售工廠自動化和控制裝置、測量儀器、資訊裝置以及其他電子應用裝置和系統。它是全球感測器，測量系統，鐳射製造商和機器視覺系統的領先供應商。

我的感覺就是視覺工程師一抓一大把，但是好的真不多。並且樓主會電氣相關，會很吃香的。

目前來看，做產品類的公司，有海康這個巨頭壓著，想做起來很難。做裝置類的公司，標準機針對具體行業，不管是電氣還是視覺都需要有一定的深度。非標機現在好做的專案基本接不到，越來越難混。而難混的原因一個是競爭對手實在太多了，另一個是現在很多製造業公司會自己招聘視覺崗位，一些簡單的專案直接自己做了。

針對樓主的情況我覺得最後一種選擇可能最合適，找一家制造類公司，很多內部專案，電氣和視覺這塊你可以搞定，工資不會少，不會整天被客戶催命一般的崔進度，並且出差少。

雖然現在深度學習很火，好像遍地開花一樣，但是深度學習也並沒有產生人類的理解能力，它也只是一種複雜的分類器而已，它用幾百萬上千萬個引數去迭代擬合複雜的圖片，以便得到正確的分類結果，但是一旦系統訓練好了，他遇到新的類別還是會分錯，他沒有自動學習能力，並且在複雜的有噪聲的背景中，識別目標的能力還是遠低於人，這都是數學方法的限制帶來的。

那麼回到主題，機器視覺是否已經無所不能，開始全面代替人工呢？ 答案是否定的。

但是可以替代那些簡單重複性的人工勞動，比如在飲料灌裝線上，挑出沒有灌滿的瓶子；在電纜生產車間，檢查電纜表面是否有破損，或者在高速行進的單一顏色布匹上，檢查出斷絲。這些都是現在數學可以解決的問題，用機器視覺也是非常合適的，並且目前做機器視覺的公司有很多，例如國辰機器人就是其中之一，如果大夥對這方面感興趣的話可以瞭解一下。