在更快的连接速度、更高的自动化程度和更智能系统的推动下，工业4.0加快了视觉技术在制造业中的应用，并将智能化引入到以往简单的数据采集系统中。上一代视觉系统负责捕捉图像，对其进行封装以供传输，并为后续的FPGA、ASIC或昂贵的SoC等器件提供图像数据进行处理。如今，工业5.0更进一步，通过在整个数据通路中融入人工智能（AI）与机器学习（ML），实现大规模定制化。摄像头变得智能化，具备在应用层面处理的图像数据，仅输出用于决策的元数据。

这两代之间的关键发展是关注边缘端发生的变化。我们世界本质上以模拟为主，许多帮助我们日常生活的电子与机电（EEM）系统都是由各类感知输入驱动的。视觉（光）、温度（热）、音频（声）、距离与位置、压力（触觉）等系统边缘端的电子传感器采集这些物理输入，并将其转化为处理后的数据，以实现智能化并方便决策制定。工业4.0提出了对这类传感器智能和高效的需求。如今，非工业及商业应用领域的众多传感器不断发展，从基础类型发展到符合工业自动化流程和标准的增强版本。

在大规模采用传感器的同时，人们也在推动更低功耗的电池驱动智能设备广泛应用。功耗给视觉系统带来了不同的挑战，而图像传感器如何以创新的方法解决这些挑战，同时提供卓越的性能，将成为视觉系统的差异化因素。

图像传感器–视觉感知的输入机制

视觉感知已成为在边缘端采集数据的重要方式之一，收集到的图像数据能够被快速且高效地用于决策制定。例如，若无视觉传感器，场景中的物体需要无数个特定的传感器来传达场景的构成。这会产生大量数据并需要庞大的处理工作，或许还得靠好运气，才能得到场景的真实呈现。另外，在高效的系统中，一张图像就可以在一帧数据中传达场景中的所有信息。

这种简便的数据表现形式使图像传感器得以加速发展，为智能手机等消费类移动产品提供支持，其分辨率超过一亿像素，在硬件和软件的支持下，为静态图像和视频流提供卓越的细节特征。由于移动产品主要服务于娱乐和个人应用，因此其制定决策的目标略有不同。然而，面向汽车、工业和商业应用的视觉系统服务于高度以目标为导向的需求，其中许多系统使用（传感器）输出进行基于机器的决策，并要求在分辨率、帧率和功耗之间达到精细平衡。

随着边缘智能的重要性日益增强，这些应用必须适应不同用例需求。现在，许多应用都需要更高的分辨率和更出色的整体性能，以辅助计算机视觉、机器视觉和自动化决的策系统。很多情况下，人们非常渴望获得更丰富的细节，因为这些细节有助于减少错误决策。随着分辨率的提高，图像传感器中的像素数量也会增加，相应地，传感器向图像信号处理器（ISP）或系统芯片（SoC）提供的图像数据量也会增加。传感器产生的大量图像数据以及ISP/SoC对这些数据的处理会导致高功耗，从而给视觉系统设计带来巨大负担。