灿锐科技股票

A. 最近听说灿锐科技的镜头产品不错，好多朋友都和他们合作了，谁能说说他们家的产品和系列

十年精银租心打磨研发，灿锐科技发明了：最大支持16K线扫(82mm)靶面相机、最大支持12K线扫(62mm)靶面相机、最大支持8K线扫(57.4mm)靶面相机、高倍率全画幅(44mm)双侧远心镜头、最大支持全画幅(43.6mm)靶面相机、最大支持38mm靶面相机、最大支持35mm靶面相机、最大支持2'(32mm)靶面相机、最大支持7/4'&4K线扫(28mm)靶面相机、最大支持4/3'(23)靶面相机、最大支持1.1(18.5mm)靶面相机、1.1英寸高倍率-超高分辨率远心镜头、最大支持1’(16.2mm)靶面相机、最大支持2/锋散兆3'(11mm)靶面相机、最大支持1/2’(8mm)靶面相机、高分辨率远心镜头（65MM）、高分辨率远心镜头（110MM）、标准分辨率远心镜头（65MM）、标准分辨率远心镜头（110MM）、超长工作距远心镜头等一系列产品。
更多信息可以咨询下灿锐，灿锐科技中国国内第一家研发、生产远心镜头的企业，在行业内有着绝对的领先和领导地位；灿锐是目前为数不多有着最完善产业链配套的工业镜头企业。灿锐科技旨在创造、开发、生产和在世界范围内营销高质量的机器视觉组件和方案产品，并借此帮助各行业客户提高生产效率，降低生产成本，改善掘喊产品质量。

B. 镜头中的远心是什么（Telecentricity）远心镜头有哪家企业做的比较好

远心Telecentricity是指物体的倍率误差。倍率误差越小，Telecentricity越高。Telecentricity有各种不同的用途，在镜头使用前，把握Telecentricity很重要。远心镜头的主光线与镜头的光轴平行，Telecentricity不好，远心镜头的念敏使用效果就不好。
灿锐科技是中国国内第一家研发、生产远心镜头的企业，在行业内有着绝对的运埋领先和领导地位；灿锐是目前为数不多有着最完善产业旁高蚂链配套的工业镜头企业。灿锐科技旨在创造、开发、生产和在世界范围内营销高质量的机器视觉组件和方案产品，并借此帮助各行业客户提高生产效率，降低生产成本，改善产品质量。

C. 中国有哪些做工业相机和镜头技术比较好的公司

国内比较早的是大恒，凌云，北京微视新纪元，嘉恒中自，现在比较多了，比如Regem Marr 研祥金码，上海方诚等。这里推荐Regem Marr 研祥金码，研祥集团作为中国企业500强，持续运营30年。研祥燃虚集团全球49个分支机构，三个国家级创新平台，一直致力于技术创新引领行业发展，拥有超1100项授权专利，超1300项非专利核心技术。

工业相机一般安装在机器流水线上代替人眼来做测量和判断，通过数字图像摄取目标转换成图像信号，传送给专用的图像处理系统， 图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
Regem Marr 研祥金码旗下的R-3000系列，能够快速、全方位的条码捕捉读取。内置丰富的IO接口，支持复杂现场需求。集成多组可控光源，实现光源分路独立控制，响应你的柔性化生产需求。多核并行处理，提高整体读取升亏速度。即插即用快速安装，一步到位轻松设定。不仅仅是智能读码器，更是业务好帮手，皮笑燃生产统计，计件统计功能强大超乎想象。
通过官方微信平台（微信公众号：RegemMarr Regem Marr 研祥金码），您可以第一时间掌握公司最新动态及各种行业资讯，也可以即时互动。同时您可以在线报修、查询网点、保修期等，快速获得专业服务。

D. 国内机器视觉产业发展有哪些瓶颈

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。桥颂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、敏携郑字符识别、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，除非客户的标隐斗准没有那么高。