• Ανίχνευση σφαλμάτων και ποιοτικός έλεγχος (π.χ. σε μια γραμμή παραγωγής)
• Ιατρική ανάλυση εικόνας (π.χ. εντοπισμός ενός ιού ή καρκινικών κυττάρων)
• Επίβλεψη ετικετών σε προϊόντα ( π.χ. ένα βιομηχανικό ρομπότ)
• Έλεγχος και επιτήρηση διαδικασιών (π.χ. ένα αυτόνομο ρομποτικό όχημα )
• Αλληλεπίδραση χρηστών με υπολογιστικά συστήματα (π.χ. ως είσοδος σε μια
συσκευή αλληλεπίδρασης ανθρώπου / μηχανής)
• Καθοδήγηση ρομποτικών συστημάτων (π.χ. σε βιομηχανικό περιβάλλον ή στην
έξυπνη γεωργία)
• Επιθεώρηση συσκευασιών (π.χ. σε βιομηχανική γραμμή ταξινόμησης και συ-
σκευασίας)
Μέσα από την επεξεργασία των δεδομένων, το σύστημα δύναται να λαμβάνει
αποφάσεις και να ενημερώνει τον χρήστη για το αποτέλεσμα. Το είδος της απόφα-
σης μπορεί να είναι κάτι απλό όπως «ο εντοπισμός ενός ατόμου ή το πλήθος των
ατόμων» ή να πρόκειται για μια συνθέτη διαδικασία όπως η ανάλυση ιατρικών εξε-
τάσεων. Σε κάθε περίπτωση για την παραγωγή ορθού αποτελέσματος οι εικόνες ή
τα καρέ του video επεξεργάζονται με την εφαρμογή διάφορων φίλτρων χρωματικών
μετατροπών καθώς και αλγορίθμων τεχνητής νοημοσύνης.
Σε ένα σύστημα μηχανικής όρασης προκειμένου να επεξεργαστούν τα δεδομέ-
νων από μια κάμερα απαιτείται από τον υπολογιστή να επεξεργαστεί ένα πλέγμα
αριθμών όπως απεικονίζεται στην παρακάτω εικόνα
35