機(ji)(ji)器視覺系統由眾(zhong)多部件組(zu)(zu)成，其中包括相機(ji)(ji)、圖(tu)像(xiang)采集卡、照明單元(yuan)(yuan)、光學元(yuan)(yuan)件與鏡(jing)頭、處(chu)理器、軟件及(ji)顯示(shi)設備等。簡單的機(ji)(ji)器視覺系統可以(yi)識(shi)別2D或3D條(tiao)形碼，更復(fu)雜的系統可以(yi)確(que)(que)保檢測的元(yuan)(yuan)件滿足特定的容(rong)差(cha)要求(qiu)、組(zu)(zu)裝正確(que)(que)、沒有缺(que)陷(xian)。
很多機(ji)(ji)器視覺系統配(pei)備了采用不同類型圖像傳感器的相機(ji)(ji)(如表1所示)。為了確定相機(ji)(ji)可獲得(de)的分辨(bian)率，重要的是理解這些傳感器可以分辨(bian)的每毫米(mi)線對數(lp/mm)，而不是有(you)效的像素點數。
表1：傳感(gan)器(qi)分(fen)辨率比較(jiao)
例如，在一個典型的(de)(de)2588×1958像素(su)、500萬像素(su)成像器(qi)中，大小(xiao)為1.4μm2的(de)(de)像素(su)可提(ti)供357lp/mm的(de)(de)分(fen)辨率(lv)(lv);而(er)一個640×480像素(su)的(de)(de)VGA成像器(qi)，其像素(su)大小(xiao)為5.7μm2，可實現(xian)88lp/mm的(de)(de)分(fen)辨率(lv)(lv)。對于具有(you)相同尺寸(cun)的(de)(de)成像器(qi)而(er)言(yan)，像素(su)越小(xiao)，每毫米中就可分(fen)辨更(geng)多的(de)(de)線(xian)對數。
如果(guo)一個(ge)特殊的圖像(xiang)傳感器包(bao)含3μm2的像(xiang)素，那么根據(ju)尼奎斯特采樣定律，理論上圖像(xiang)中可以(yi)被分辨的最小特性尺(chi)寸(cun)為(wei)6μm。然而實際(ji)應用(yong)中，并不能達到這一最小尺(chi)寸(cun)值，因為(wei)每個(ge)鏡頭都會產生一定程(cheng)度(du)的像(xiang)差。
灰(hui)度圖像通常會按每像素(su)8比特存(cun)儲，從(cong)而(er)提供256個不同的(de)灰(hui)度漸(jian)變(bian)。圖像中的(de)黑色(se)特性對(dui)應(ying)更(geng)低(di)數值;更(geng)亮的(de)像素(su)對(dui)應(ying)更(geng)高數值。這種方(fang)法很(hen)便(bian)捷，因為單一字節對(dui)應(ying)著單一像素(su)。
選擇相機
通常(chang)，機(ji)器視覺(jue)系統(tong)中(zhong)使用的相機(ji)，可以通過USB3.0、以太網(wang)、FireWire、CameraLink及CoaXPress等接口(kou)將相機(ji)中(zhong)捕捉到的圖像(xiang)傳輸(shu)到PC系統(tong)中(zhong)。
目前，集成機(ji)(ji)器視覺(jue)照明、圖像捕捉及處理等功能(neng)的(de)(de)智能(neng)相(xiang)機(ji)(ji)，正(zheng)在(zai)為(wei)閱讀條形(xing)碼或檢測部件是否存在(zai)等自動化視覺(jue)任(ren)務(wu)提(ti)供經濟型解決(jue)方案。盡管智能(neng)相(xiang)機(ji)(ji)的(de)(de)處理器性(xing)能(neng)或許足以滿足這(zhe)些任(ren)務(wu)的(de)(de)需求，但是更復雜或要求更高速(su)度的(de)(de)任(ren)務(wu)則需要額(e)外(wai)的(de)(de)處理能(neng)力(li)。
除了性能外(wai)，系統集成商(shang)還要(yao)(yao)決(jue)定采用(yong)(yong)(yong)何(he)種支持軟件以(yi)及相機(ji)如何(he)連接到外(wai)部(bu)設(she)備。盡管(guan)很(hen)多檢測部(bu)件是否存在的應(ying)用(yong)(yong)(yong)中都采用(yong)(yong)(yong)了智(zhi)能相機(ji)，但是一些其他應(ying)用(yong)(yong)(yong)可能需要(yao)(yao)將相機(ji)連接到顯示設(she)備，用(yong)(yong)(yong)以(yi)顯示捕(bu)獲(huo)到的圖像(xiang)和(he)圖像(xiang)分析的結果(guo)。
很多智能相(xiang)機(ji)的處理(li)器運(yun)行(xing)專用的操作(zuo)系統;也有(you)一些智能相(xiang)機(ji)運(yun)行(xing)Linux或Unix等商業操作(zuo)系統。當然，這(zhe)些相(xiang)機(ji)可以運(yun)行(xing)任何(he)可在PC上運(yun)行(xing)的軟件包(bao)。
照明元件
通過配(pei)備正(zheng)(zheng)確(que)的(de)機器(qi)視(shi)覺(jue)(jue)照(zhao)明(ming)系(xi)(xi)統(tong)，能以高對比度重復捕捉圖像特征。如果照(zhao)明(ming)的(de)配(pei)備不(bu)正(zheng)(zheng)確(que)，機器(qi)視(shi)覺(jue)(jue)系(xi)(xi)統(tong)的(de)成功性(xing)(xing)、可靠性(xing)(xing)、可重復性(xing)(xing)和易用(yong)性(xing)(xing)都處于較大的(de)風險中。為了確(que)保機器(qi)視(shi)覺(jue)(jue)系(xi)(xi)統(tong)配(pei)備正(zheng)(zheng)確(que)的(de)照(zhao)明(ming)元件，設計(ji)師需要咨詢照(zhao)明(ming)制造商，或借助圖像照(zhao)明(ming)實驗室檢測(ce)不(bu)同的(de)照(zhao)明(ming)選項。
LED照明正在開(kai)始替代目前常(chang)用于機器視覺系統中(zhong)的(de)熒光(guang)(guang)燈、光(guang)(guang)纖(xian)鹵素(su)燈及氙氣閃光(guang)(guang)燈光(guang)(guang)源(yuan)，因為(wei)LED照明具有(you)更高(gao)的(de)一(yi)致性(xing)、更長的(de)使用壽命(ming)和更好的(de)穩定性(xing)。LED照明可(ke)以提供各(ge)種各(ge)樣的(de)色彩并能選通發光(guang)(guang)，這一(yi)特(te)性(xing)在高(gao)速機器視覺應(ying)用中(zhong)非常(chang)有(you)用。
除了照(zhao)(zhao)(zhao)明(ming)類(lei)型，另一個(ge)決定圖(tu)像(xiang)成(cheng)像(xiang)的重要因素是光照(zhao)(zhao)(zhao)到待測物體(ti)上的角度。兩種最常用的為(wei)物體(ti)提供照(zhao)(zhao)(zhao)明(ming)的方式是：暗場(chang)照(zhao)(zhao)(zhao)明(ming)和亮場(chang)照(zhao)(zhao)(zhao)明(ming)(如圖(tu)1所示)。
圖1：暗(an)場照明從較低的角度照明物(wu)體;亮場照明則(ze)從較高的角度照明物(wu)體。
Darkfield——暗場(chang)
Brightfield——亮場
Fieldofview——視場
暗場(chang)照(zhao)明(ming)(ming)從較低角度照(zhao)明(ming)(ming)物(wu)(wu)體，在一個(ge)非常平滑的(de)(de)(de)如(ru)鏡(jing)面(mian)般的(de)(de)(de)物(wu)(wu)體表(biao)面(mian)上，反射的(de)(de)(de)光將超出相(xiang)機(ji)的(de)(de)(de)視野(ye)范圍。物(wu)(wu)體的(de)(de)(de)表(biao)面(mian)將呈現為黑色，而通過相(xiang)機(ji)捕捉到(dao)的(de)(de)(de)物(wu)(wu)體表(biao)面(mian)發光的(de)(de)(de)部分，就對應(ying)著表(biao)面(mian)的(de)(de)(de)缺陷或劃痕。
亮場(chang)照明(ming)(ming)與暗場(chang)照明(ming)(ming)相(xiang)反，亮場(chang)照明(ming)(ming)是在成像物體(ti)(ti)的(de)(de)上(shang)方打光，因(yin)此(ci)物體(ti)(ti)反射(she)的(de)(de)光將處(chu)于(yu)相(xiang)機的(de)(de)視場(chang)范圍內(nei)。亮場(chang)照明(ming)(ming)配(pei)置中，物體(ti)(ti)表面上(shang)任何不(bu)連續處(chu)反射(she)的(de)(de)光均(jun)無法被相(xiang)機接收(shou)而顯示黑色(se)。因(yin)此(ci)，該技術被用于(yu)為漫(man)發(fa)射(she)的(de)(de)非反射(she)性物體(ti)(ti)提供照明(ming)(ming)。
色彩效應
如(ru)果某個應用(yong)要(yao)(yao)求(qiu)使用(yong)彩色(se)相機，則(ze)需要(yao)(yao)白光照明待檢(jian)測(ce)的元件(jian)。如(ru)果需要(yao)(yao)區分待檢(jian)測(ce)元件(jian)的顏(yan)色(se)，則(ze)白光需要(yao)(yao)在整個波長范圍內(nei)產生平等光譜(equalspectrum)，以(yi)便分析圖片中的顏(yan)色(se)。
通過黑白單色(se)相機也(ye)可(ke)以(yi)識別圖(tu)(tu)(tu)(tu)像中(zhong)的顏色(se)，這種方法需要選擇合適(shi)的燈光照明圖(tu)(tu)(tu)(tu)像(如圖(tu)(tu)(tu)(tu)2所示(shi))。圖(tu)(tu)(tu)(tu)2中(zhong)上面一行圖(tu)(tu)(tu)(tu)片是(shi)人眼觀察到的圖(tu)(tu)(tu)(tu)像效果，而(er)下面一行的圖(tu)(tu)(tu)(tu)像則顯示(shi)了單色(se)相機呈(cheng)現(xian)出的圖(tu)(tu)(tu)(tu)像效果。
圖2：為機(ji)器(qi)視覺系統應用找(zhao)到顏色正確的照明光(guang)源(yuan)，能對捕捉(zhuo)到的圖像產生重要影響。
Asseenbythehumaneye：人(ren)眼看到(dao)的(de)顏色
AsseenbyaB&Wvisionsystem：黑(hei)白視覺系統呈現(xian)出的顏(yan)色
Red：紅
White：白
Green：綠
為(wei)了(le)照亮圖(tu)像(xiang)，使用(yong)(yong)(yong)了(le)三種(zhong)不同顏(yan)色(se)的(de)(de)(de)(de)光：600nm紅光(左側(ce))、白光(中間)和520nm綠光(右(you)側(ce))。為(wei)了(le)使該圖(tu)像(xiang)呈現(xian)出最佳的(de)(de)(de)(de)對比(bi)度，最好的(de)(de)(de)(de)方式是(shi)使用(yong)(yong)(yong)綠色(se)光，因為(wei)綠色(se)是(shi)紅色(se)的(de)(de)(de)(de)互補色(se)。這種(zhong)對比(bi)可以被(bei)單色(se)相(xiang)機輕松地識(shi)別出來。如果為(wei)了(le)濾掉(diao)紅色(se)，則(ze)最好采用(yong)(yong)(yong)紅色(se)光照亮物(wu)體。如果圖(tu)片本身是(shi)五光十色(se)的(de)(de)(de)(de)，并且不需(xu)要識(shi)別其中的(de)(de)(de)(de)任何一種(zhong)顏(yan)色(se)，那么(me)白光照明則(ze)是(shi)更合適的(de)(de)(de)(de)選擇。
圖像處理算法
當應用(yong)算法處理圖像時(shi)，請(qing)考慮開發人員和終端用(yong)戶的技(ji)能及具體的視覺系統任務要(yao)求。
許多PC和智能相機供應(ying)商(shang)提供了功(gong)能大(da)體相似的圖(tu)像處理軟件包。很多商(shang)業軟件包提供了圖(tu)形化(hua)集成開發環境(IDE)，使系統(tong)集成商(shang)可以從程序庫中(zhong)拖取(qu)設計好的功(gong)能，根據自身需求實現定制化(hua)視覺算法(fa)。
多數商業軟件(jian)包要(yao)求為每個部(bu)署(shu)的視覺系統支(zhi)付版權費，但是(shi)通過使用(yong)開源成像代(dai)碼如OpenCV或直接用(yong)C++、C、C#或.NET編寫應用(yong)程序，可以(yi)省去(qu)這一成本。
但是，由于OpenCV是一個開源環(huan)境(jing)，沒(mei)有制造商為其提(ti)供(gong)擔保(bao)或(huo)支持。相(xiang)比(bi)之下，商業軟件用(yong)戶的圖像處(chu)理工具包將會得到開發商的支持。
在選擇軟件前(qian)，系統集成商需(xu)要仔細評估自身的(de)能力。盡管選擇一(yi)個單一(yi)的(de)基于PC的(de)商業機器視覺軟件包，需(xu)要支付(fu)800~2500美元的(de)版權(quan)費用，但是開(kai)(kai)發人(ren)員使用C語言從頭開(kai)(kai)始(shi)編(bian)程，也會(hui)很容易(yi)耗費掉大(da)量時間和工(gong)程資源。
此外，系(xi)統集(ji)成(cheng)商還(huan)要(yao)認識(shi)到，通常一個開(kai)發環境并不(bu)能適(shi)用于所有的(de)機器視覺系(xi)統。技術和經濟(ji)壓力意味著要(yao)根據不(bu)同的(de)應用需求(qiu)，采用不(bu)同的(de)方法進行軟件開(kai)發。
在初步(bu)確(que)定(ding)哪種算法適用于執行某個(ge)特定(ding)的視(shi)覺任務后(如(ru)(ru)圖3所示)，需要的系統(tong)數量、每個(ge)系統(tong)的成(cheng)本和軟(ruan)件開發者的技(ji)能，將(jiang)決(jue)定(ding)選擇什么樣(yang)的編(bian)程(cheng)環境(jing)。例如(ru)(ru)，用C或C++等高(gao)級語言編(bian)寫(xie)圖像處理(li)代碼(ma)等相對更復(fu)雜更長的任務，是工程(cheng)師開發大量系統(tong)時(shi)的一個(ge)更佳(jia)選擇(如(ru)(ru)圖4所示)。
圖4：系統集成(cheng)商(shang)可以根據(ju)軟件(jian)開發者的(de)編程技能(neng)，選擇(ze)并決定(ding)視覺系統軟件(jian)的(de)復雜度。
Draganddrop——拖放工具(ju)
Scriptprogrammingandwebinterfacing——腳本編程及網(wang)頁接口
PCdevelopmenttoolssuchasMSVisualStudio——計算機(ji)開(kai)發工具，如微軟(ruan)的VisualStudio
C/C++dodedevelopment——C/C++代碼(ma)開發
Easeofdevelopment——開發簡易(yi)性
算法類別
; 圖像處理算法(fa)可以分為不同的(de)類別(bie)，用于滿足不同的(de)應用需求。
通過圖像數據的預處理，可以提取出圖像的特性。圖像閾值
通過圖(tu)(tu)像(xiang)數據的預(yu)處理，可(ke)以提取出圖(tu)(tu)像(xiang)的特性。圖(tu)(tu)像(xiang)閾值是圖(tu)(tu)像(xiang)分割算(suan)法(fa)中最簡(jian)單的方法(fa)之一，該方法(fa)可(ke)用(yong)于(yu)從(cong)(cong)灰度(du)圖(tu)(tu)像(xiang)中生成二進制圖(tu)(tu)像(xiang)，從(cong)(cong)而讓物體能夠從(cong)(cong)背(bei)景中分離(li)出來。
其他的運算符，如圖(tu)像濾鏡(jing)可以(yi)令圖(tu)像銳化、降低圖(tu)像噪音;而直方圖(tu)均衡可以(yi)增強圖(tu)像的對(dui)比度。預(yu)處理同(tong)樣涉及圖(tu)像分割，以(yi)定(ding)位圖(tu)像中(zhong)具有(you)相(xiang)似(si)屬(shu)性的物(wu)體(ti)或物(wu)體(ti)邊界，如顏色、亮(liang)度或材質等。
更復雜的(de)算(suan)(suan)法可以實現(xian)特征提娶檢測(ce)(ce)物體(ti)邊緣或物體(ti)轉角，實現(xian)對圖像中物體(ti)的(de)測(ce)(ce)量(liang)。連通性工具(ju)，如(ru)blob分(fen)析(xi)算(suan)(suan)法，則可以測(ce)(ce)量(liang)圖片內(nei)分(fen)散物體(ti)的(de)有某種共同(tong)關系的(de)特性參數。
關聯(lian)性與幾何(he)搜(sou)索是另外兩個強(qiang)大的(de)搜(sou)索算(suan)法(fa)，其可用于(yu)找到物體的(de)某(mou)種特性，或在新的(de)圖(tu)像中搜(sou)索同樣的(de)特性，可提供相應的(de)位(wei)置、某(mou)些情況下的(de)尺寸和規模、以(yi)及新圖(tu)像是如何(he)實(shi)現傾斜(xie)或轉(zhuan)換的(de)等信息。
最后要提及的(de)是可(ke)以(yi)實(shi)現分類及圖像破譯的(de)算(suan)法(fa)。其中(zhong)，最簡單(dan)(dan)的(de)是可(ke)以(yi)實(shi)現簡單(dan)(dan)模板匹配操作(zuo)的(de)算(suan)法(fa)，而更復(fu)雜的(de)分類算(suan)法(fa)可(ke)能用到神經網絡及SVM等更復(fu)雜的(de)技術。
算法的應用
在眾(zhong)多視覺系統中，決定一個(ge)元(yuan)件(jian)或(huo)元(yuan)件(jian)的某個(ge)特性(xing)是否(fou)存在非常(chang)重要。尺寸、形狀或(huo)顏色等(deng)屬性(xing)可(ke)以用于識(shi)別(bie)(bie)元(yuan)件(jian)。對比分(fen)析(xi)、blob分(fen)析(xi)、模型匹配或(huo)幾何(he)搜索(suo)工具可(ke)以在圖像上識(shi)別(bie)(bie)元(yuan)件(jian)。
為(wei)了將一(yi)個元件從其(qi)他元件中區分出(chu)來(lai)，可以使用相對(dui)簡單的功能，如邊緣(yuan)檢測算子。如果需要精(jing)確地(di)檢測出(chu)元件的位置，則需要執行(xing)幾何(he)搜索或blob分析。
為了高速檢測(ce)元(yuan)件或(huo)web上的(de)缺陷，需要(yao)用到對(dui)比(bi)分析(xi)或(huo)模型圖像匹配算(suan)子。如果需要(yao)將(jiang)缺陷歸(gui)類并檢測(ce)，blob分析(xi)或(huo)邊緣(yuan)分析(xi)可以測(ce)量缺陷參數，并將(jiang)其與已知的(de)正常參數進行比(bi)較。
在一些(xie)圖像(xiang)(xiang)處理應(ying)用(yong)中(zhong)，可(ke)以利用(yong)超過圖像(xiang)(xiang)標準(zhun)像(xiang)(xiang)素分辨(bian)率(lv)的精度，測量圖像(xiang)(xiang)中(zhong)的線(xian)、點或邊緣的位(wei)置(zhi)，獲(huo)得子像(xiang)(xiang)素分辨(bian)率(lv)。這(zhe)可(ke)以通(tong)過對比物體邊緣像(xiang)(xiang)素的灰度級別與(yu)物體每個邊上的像(xiang)(xiang)素灰度級別來實現。
在特(te)殊的(de)例(li)子(zi)中(zhong)，可以使用極坐標(biao)抽(chou)取技(ji)術(shu)識別(bie)圓形物體(ti)(ti)的(de)圖像，這種方法更(geng)易于(yu)實現(xian)。如圖5中(zhong)間部分所示(shi)，blob分析被(bei)用于(yu)顯示(shi)藍色物體(ti)(ti)的(de)參(can)數(shu)細(xi)節。使用此(ci)類算(suan)子(zi)，可以更(geng)容(rong)易地檢測(ce)尺寸、邊界框及物體(ti)(ti)的(de)中(zhong)心。
在圖(tu)5右上(shang)圖(tu)中(zhong)，通(tong)過分(fen)析(xi)圖(tu)片中(zhong)的(de)灰(hui)度(du)值，邊緣檢(jian)測算法(fa)可以檢(jian)測物體(ti)邊緣、位置、形態或者角度(du)。左(zuo)下(xia)方(fang)(fang)的(de)直方(fang)(fang)圖(tu)顯示了某個特殊(shu)圖(tu)像的(de)灰(hui)度(du)像素值，該值將被進一步分(fen)析(xi)，以強化圖(tu)像中(zhong)獲得的(de)某些特性(xing)。
中間的(de)圖像(xiang)有兩組光學特性需要檢測，上面(mian)的(de)特性被輕微(wei)減弱。在這個示例(li)中，通過驗(yan)證可(ke)以(yi)了解特性的(de)衰減方式。此外，光學特性識別(OCR)軟件可(ke)以(yi)用(yong)于讀取衰減特性。
在圖5右下(xia)角，搜索算法從圖像中鎖定一個目(mu)標對(dui)象，并存儲為模板或(huo)幾何模型，之(zhi)后在其他(ta)圖像中尋找類似(si)的目(mu)標圖像，這就是一個可(ke)以識(shi)別特定特性的精確工(gong)具。
策劃、決定及執行
在著手研發(fa)任何機器視(shi)覺檢測系統前，需要仔細評估(gu)是公司內部(bu)開發(fa)還是將其外包。在策劃階段有時會發(fa)現，機器視(shi)覺系統可能并非必要的(de)，或者并不(bu)可行。
如果(guo)確定機器(qi)視覺系(xi)統(tong)(tong)可行，則具體(ti)檢(jian)測過程的(de)所有特性都(dou)需仔細記錄。需要對元(yuan)件待檢(jian)測的(de)物理(li)及(ji)幾何屬性，包括顏色(se)、表面拋光及(ji)反(fan)射屬性等進行歸類。開始，必須要定義特征用以區別待檢(jian)測的(de)元(yuan)件是好是壞。只有了解(jie)元(yuan)件或裝(zhuang)配(pei)件的(de)屬性，系(xi)統(tong)(tong)集成商才(cai)能確定哪個圖像解(jie)決方(fang)案是最理(li)想(xiang)的(de)。
整(zheng)個(ge)生(sheng)產過程(cheng)都需(xu)要(yao)進行分析，使系統(tong)集(ji)成商了(le)解元件是如何被(bei)生(sheng)產的、以(yi)(yi)及在(zai)(zai)檢(jian)測過程(cheng)中發生(sheng)了(le)什么變化。借助分析，甚至還可以(yi)(yi)確(que)定是否(fou)應該在(zai)(zai)生(sheng)產流程(cheng)的初級(ji)階段就(jiu)采(cai)用視覺檢(jian)測。
當策劃階(jie)段完成后，機器(qi)視(shi)覺(jue)組件(jian)，包括(kuo)相機、軟件(jian)、照(zhao)(zhao)明元件(jian)、光學(xue)元件(jian)及鏡(jing)頭(tou)等都要(yao)確(que)定下來。這(zhe)一階(jie)段將確(que)定在(zai)生產(chan)環境(jing)中，是否有足夠的(de)分辨率(lv)或充分的(de)照(zhao)(zhao)明及光學(xue)條(tiao)件(jian)，以確(que)保(bao)產(chan)生所需要(yao)的(de)結果。這(zhe)些因素最好(hao)在(zai)編寫系統說明時完成，而不要(yao)等到實(shi)現(xian)系統時再考慮。
在(zai)系統(tong)明確階段(duan)，應該提供一份報(bao)告，詳(xiang)細(xi)列(lie)出使(shi)用的(de)硬件(jian)及(ji)軟件(jian)、系統(tong)必須要(yao)運行(xing)的(de)檢(jian)測功能(neng)(neng)、需要(yao)滿足(zu)的(de)容(rong)差及(ji)系統(tong)的(de)吞(tun)吐量等。此外，該階段(duan)還要(yao)考慮(lv)系統(tong)如何(he)與生產廠房中(zhong)可能(neng)(neng)存在(zai)的(de)其他自動(dong)化系統(tong)連(lian)接(jie)，這些(xie)都要(yao)記(ji)錄(lu)下來。
在決定(ding)是(shi)自行(xing)研發、還(huan)是(shi)與外部系統(tong)供應商合(he)作開(kai)發時，還(huan)需(xu)要考慮幾個關鍵的業務問題。從項(xiang)目(mu)一開(kai)始，系統(tong)集成商就(jiu)要確定(ding)公司內部是(shi)否(fou)具備支(zhi)持項(xiang)目(mu)所需(xu)要的技術實力(li)。
如果公司(si)內(nei)部擁(yong)有這樣的技術實力，管理(li)層還要確定具(ju)體負責該工作的個(ge)人是(shi)否有足(zu)夠的時間和資源(yuan)支(zhi)持(chi)這一項目(mu)、是(shi)否會(hui)遇到意想不到的挑戰?如何應對?等等。此外(wai)，如何維護、支(zhi)持(chi)、服務及升級該系統也是(shi)需(xu)要考量的(de)重要因素。