关于 2025 年计算机视觉，你需要了解的一切
了解计算机视觉是什么、如何运作及其发展历程，以及目标检测和分割等核心任务、热门 YOLO 模型和实际应用。
Abirami Vina9 分钟阅读
二十年前，机器和计算机能够观察并理解世界的想法还只是科幻。如今，得益于人工智能 (AI) 的进步，这一设想已经成为现实。特别是作为 AI 分支的计算机视觉 (CV)，让机器能够理解和分析图像与视频。无论是实时识别物体、改进安全系统，还是自动执行复杂任务，计算机视觉都在不断拓展机器的能力。
各行各业都在探索采用计算机视觉独特能力的不同方式，这项技术正在迅速塑造未来科技。全球计算机视觉技术市场规模在 2024 年达到 198.3 亿美元，预计未来几年将以每年 19.8% 的速度增长。
图 1。计算机视觉的全球市场规模。
本文将深入介绍计算机视觉，涵盖它的定义、发展历程和当前工作原理，还会探讨一些最有趣的应用。
什么是计算机视觉？#
计算机视觉是 AI 的一个子领域，它利用机器学习和神经网络教计算机理解图像或视频文件等视觉数据的内容。处理图像后获得的洞察可用于做出更好的决策。例如，零售业可以通过分析货架图像来追踪库存，或利用自动结账系统改善购物体验。许多企业已经将计算机视觉技术用于各种应用，从为智能手机照片添加滤镜，到制造业质量控制。
你可能会好奇：为什么如此需要计算机视觉解决方案？发现缺陷或识别模式等需要持续专注的任务，对人类来说可能很难。人的眼睛会疲劳，细节也可能被忽略，尤其是在快节奏或复杂的环境中。
人们擅长识别不同尺寸、颜色、光照或角度下的对象，但在压力下往往难以保持一致性。相比之下，计算机视觉解决方案可以不间断地快速、准确地处理大量视觉数据。例如，它可以实时分析交通情况，以检测拥堵、优化信号灯时长，甚至比人类观察者更快地发现事故。
了解计算机视觉的发展历程#
多年来，计算机视觉已从理论概念发展为可靠的技术，推动了各行业的创新。下面来看看定义其发展历程的一些重要里程碑：
- 20 世纪 50 年代至 60 年代：研究人员开始开发处理和分析视觉数据的算法，但由于计算能力有限，进展缓慢。
- 20 世纪 70 年代：这一时期，算法取得了重大进步，例如霍夫变换改进了图像中直线和几何形状的检测。光学字符识别 (OCR) 也开始兴起，使机器能够读取印刷文本。
- 20 世纪 80 年代至 90 年代：机器学习开始应用于计算机视觉，为更先进的功能和未来的突破铺平了道路。
- 21 世纪 00 年代至 10 年代：深度学习为计算机视觉带来了新的发展维度，使机器能够更有效地解读视觉数据。它增强了对象识别、运动分析和复杂任务执行等能力。
如今，计算机视觉正在快速发展，并改变着我们解决医疗保健、自动驾驶汽车和智慧城市等领域问题的方式。专为实时计算机视觉任务设计的 Ultralytics YOLO (You Only Look Once) 模型，让各行各业都能更轻松地有效、准确地应用视觉 AI。随着 AI 和硬件不断进步，这些模型正通过先进的视觉数据分析，帮助企业做出更明智的决策并简化运营。
解析计算机视觉的工作原理#
计算机视觉系统使用神经网络分析图像。神经网络是一种受人脑工作方式启发的算法。其中一种特定类型称为卷积神经网络 (CNNs)，尤其擅长识别图片中的边缘和形状等模式。
为了简化视觉数据，池化等技术会聚焦图像中最重要的部分，其他层则会处理这些信息，以执行特征识别或对象检测等任务。像 Ultralytics YOLO11 这样兼顾速度和准确率的先进模型，让实时图像处理成为可能。
图 2。使用 Ultralytics YOLO11 进行对象检测的示例。
典型的计算机视觉应用包含多个步骤，可将原始图像转化为有用的洞察。以下是四个主要阶段：
- 图像采集：使用摄像头或传感器采集视觉数据，图像质量取决于所用传感器的类型。
- 图像处理：随后通过预处理技术增强采集到的数据，例如减少噪声和突出边缘，从而更便于分析。
- 特征提取：提取形状和纹理等重要细节，聚焦图像中最关键的部分。
- 模式识别：使用机器学习分析已识别的特征，以完成对象检测、运动跟踪或模式识别等任务。
探索计算机视觉任务#
你可能已经注意到，在介绍计算机视觉的工作原理时，我们提到了计算机视觉任务。Ultralytics YOLO11 等模型专为支持这些任务而构建，能为实际应用提供快速、准确的解决方案。从检测物体到追踪物体的移动，YOLO11 都能高效处理。下面来看看它支持的一些主要计算机视觉任务及其工作原理。
对象检测#
对象检测是一项关键的计算机视觉任务，用于识别图像中感兴趣的对象。对象检测任务的输出包括一组边界框（在图像中围住检测到对象的矩形）、类别标签（每个对象所属的类别或类型，例如“汽车”或“人”）以及置信度分数（表示模型对每项检测结果有多确定的数值）。例如，对象检测可用于识别并定位街道上的行人或交通中的汽车。
图 3。使用 Ultralytics YOLO11 检测对象。
图像分类#
图像分类的主要目标是根据输入图像的整体内容，为其分配预定义的标签或类别。这项任务通常需要识别图像中的主要对象或特征。例如，图像分类可用于判断图像中的是猫还是狗。如下面所示，YOLO11 等计算机视觉模型甚至可以通过自定义训练来区分猫或狗的具体品种。
图 4。使用 YOLO11 对不同猫品种进行分类。
实例分割#
实例分割是另一项重要的计算机视觉任务，应用于各种场景。它会将图像划分为多个区域并识别每个独立对象，即使图像中有多个同类对象也能做到。与对象检测不同，实例分割更进一步，可以精确勾勒出每个对象的边界。例如，在汽车制造和维修中，实例分割有助于单独识别和标记每个汽车零件，让整个流程更加准确、高效。
图 5. 使用 YOLO11 对汽车零件进行分割。
姿态估计#
姿态估计旨在通过预测手、头部和肘部等关键点的位置，确定人物或物体的位置和方向。这对需要实时理解肢体动作的应用尤其有用。人体姿态估计常用于体育分析、动物行为监测和机器人等领域。
图 6. YOLO11 可以帮助进行人体姿态估计。
如需了解 YOLO11 支持的其他计算机视觉任务，请参阅Ultralytics 官方文档。文档详细介绍了 YOLO11 如何处理目标跟踪和旋转框 (OBB)目标检测等任务。
当前热门的计算机视觉模型#
尽管市面上有许多计算机视觉模型，Ultralytics YOLO 系列仍凭借出色的性能和多功能性脱颖而出。随着时间推移，Ultralytics YOLO 模型不断改进，速度更快、准确率更高，也能处理更多任务。推出 Ultralytics YOLOv5 后，借助 PyTorch 等视觉 AI 框架，模型部署变得更加简单。它让更多用户能够使用先进的视觉 AI，同时兼顾高准确率和易用性。
随后，Ultralytics YOLOv8进一步扩展了功能，新增了实例分割、图像分类和姿态估计等能力。YOLO11 则在多项计算机视觉任务中表现出色。与 YOLOv8m 相比，YOLO11m 的参数量减少了 22%，在 COCO 数据集上的平均精度均值 (mAP) 却更高，这意味着它能以更高的精度和效率检测物体。最新一代的 Ultralytics YOLO26在此基础上进一步实现了原生端到端、无需 NMS 的推理，并提升了边缘部署时的 CPU 性能。无论你是经验丰富的开发者，还是 AI 新手，Ultralytics YOLO 模型都能为你的计算机视觉需求提供实用的起点。
计算机视觉在日常生活中的作用#
前面我们讨论了 Ultralytics YOLO11 等计算机视觉模型如何应用于各行各业。现在，让我们来看看更多正在改变日常生活的应用场景。
医疗保健领域的视觉 AI#
计算机视觉在医疗保健领域有着广泛的应用。医学影像中的对象检测和分类等任务，可以让疾病检测更快速、更准确。在 X 射线分析中，计算机视觉能够识别出人眼可能难以察觉的模式。
计算机视觉还用于癌症检测，可对比癌细胞与健康细胞。同样，在 CT 扫描和 MRI 检查中，计算机视觉可以近乎达到人类的准确率来分析图像。这有助于医生做出更好的决策，并最终挽救更多生命。
图 7。使用 YOLO11 分析医学扫描图像。
人工智能在汽车行业的应用#
计算机视觉对自动驾驶汽车至关重要，可帮助汽车检测道路标志、交通信号灯等物体。光学字符识别 (OCR)等技术可以帮助汽车读取道路标志上的文字。计算机视觉还可用于行人检测，通过目标检测任务实时识别行人。
此外，计算机视觉甚至可以检测路面上的裂缝和坑洼，从而更好地监测不断变化的路况。总体而言，计算机视觉技术可以在改善交通管理、提高交通安全和支持智慧城市规划方面发挥关键作用。
图 8。使用 YOLO11 理解交通状况。
计算机视觉在农业中的应用#
想象一下，农民可以按时自动播种、浇水和收割作物，不必为此操心。这正是计算机视觉为农业带来的改变。计算机视觉可以实时监测作物，让农民更早发现病害或营养缺乏等问题。
除了监测之外，集成了计算机视觉的 AI 自动除草机还能识别并清除杂草，降低人工成本并提高作物产量。这种技术组合可以帮助农民优化资源、提高效率并保护作物。
图 9。在农业中使用 Ultralytics YOLO11 的示例。
利用 AI 实现制造流程自动化#
在制造业中，计算机视觉有助于监控生产、检查产品质量并自动追踪工人。视觉 AI让流程更快、更准确，同时减少错误和成本。
在质量保证方面，常用的方法包括目标检测和实例分割。缺陷检测系统会对成品进行最终检查，确保只有优质产品交付给客户。系统会自动识别并剔除有凹痕或裂纹的产品。这些系统还会实时追踪和统计产品，持续监控装配线。
图 10。使用计算机视觉监控装配线。
借助计算机视觉提升教育效果#
计算机视觉在课堂中的一种应用是手势识别：通过检测学生的动作来个性化学习。Ultralytics YOLO11 等模型非常适合这项任务，能够实时准确地识别举手或困惑表情等手势。
检测到这类手势后，可以通过提供额外帮助或调整内容来改变正在进行的课程，更好地满足学生的需求。这样可以营造更动态、更具适应性的学习环境，让教师专注于教学，同时由系统支持每位学生的学习体验。
计算机视觉的最新趋势#
了解了计算机视觉在各行业中的一些应用后，下面来看看推动其发展的主要趋势。
一项重要趋势是边缘计算，这是一种分布式计算框架，可在靠近数据源的位置处理数据。例如，边缘计算让摄像头和传感器等设备能够直接处理视觉数据，从而加快响应速度、减少延迟并增强隐私保护。
计算机视觉的另一项重要趋势是混合现实。它将物理世界与数字元素结合起来，并利用计算机视觉让虚拟物体与现实世界自然融合。混合现实可用于改善游戏、教育和培训体验。
计算机视觉的优缺点#
以下是计算机视觉为各行各业带来的一些主要优势：
- 节省成本：利用计算机视觉自动执行任务，有助于降低运营成本、提高生产效率并减少错误。
- 可扩展性：计算机视觉系统部署后，可以轻松扩展以处理大量数据，因此适合不断发展的企业或大规模运营场景。
- 针对应用定制：你可以使用自己的数据集微调计算机视觉模型，从而获得高度专业化的解决方案，满足应用需求。
这些优势凸显了计算机视觉对各行各业的影响，但同样重要的是考虑实施过程中面临的挑战。以下是一些主要挑战：
- 数据隐私问题：使用视觉数据，尤其是在监控或医疗保健等敏感领域，可能引发隐私和安全方面的担忧。
- 环境限制：在光线不足、图像质量低或背景复杂等严苛环境中，计算机视觉系统可能难以正常运行。
- 初始成本高：由于需要专用硬件、软件和专业知识，开发和实施计算机视觉系统的成本可能很高。
要点#
计算机视觉正在重塑机器与世界互动的方式，让机器像人类一样看见并理解世界。它已经应用于许多领域，例如提高自动驾驶汽车的安全性、帮助医生更快地诊断疾病、让购物体验更加个性化，甚至协助农民监测作物。
随着技术不断进步，边缘计算和混合现实等新趋势正在带来更多可能。尽管仍面临偏差和高成本等挑战，计算机视觉未来仍有望为许多行业带来巨大积极影响。
如需了解更多信息，请访问我们的 GitHub 代码仓库并加入我们的社区。你还可以在我们的解决方案页面了解自动驾驶汽车中的 AI和农业中的计算机视觉等领域的创新。
