机器视觉系统典型应用行业

第一篇：机器视觉系统典型应用行业

机器视觉系统典型应用行业

机器视觉技术的优越性

由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。总之，随着机器视觉技术自身的成熟和发展，可以预计它将在现代和未来制造企业中得到越来越广泛的应用。

机器视觉工业检测系统类型

机器视觉工业检测系统就其检测性质和应用范围而言，分为定量和定性检测两大类，每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃，如：印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外，在许多其它方法难以检测的场合，利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平。

机器视觉在质量检测中的应用实例

机器视觉系统在质量检测的各个方面得到了广泛的应用，例如：采用激光扫描与CCD探测系统的大型工件平行度、垂直度测量仪，它以稳定的准直激光束为测量基线，配以回转轴系，旋转五角标棱镜扫出互相平行或垂直的基准平面，将其与被测大型工件的各面进行比较。在加工或安装大型工件时，可用该认错器测量面间的平行度及垂直度。以频闪光作为照明光源，利用面陈和线陈CCD作为螺纹钢外形轮廓尺寸的探测器件，实现热轧螺纹钢几何参数在线测量的动态检测系统。视觉技术实时监控轴承的负载和温度变化，消除过载和过热的危险。将传统上通过测量滚珠表面保证加工质量和安全操作的被动式测量变为主动式监控。用微波作为信号源，根据微波发生器发出不同波涛率的方波，测量金属表面的裂纹，微波的波的频率越高，可测的裂纹越狭小。总之，类似的实用系统还有许多，这里就不一一概述了。

下面我们较详细地介绍三个实用机器视觉系统。

基于机器视觉的仪表板总成智能集成测试系统

EQ140-II汽车仪表板总成是我国某汽车公司生产的仪表产品，仪表板上安装有速度里程表、水温表、汽油表、电流表、信号报警灯等，其生产批量大，出厂前需要进行一次质量终检。检测项目包括：检测速度表等五个仪表指针的指示误差；检测24个信号报警灯和若干照明9灯是否损坏或漏装。一般采用人工目测方法检查，误差大，可靠性差，不能满足自动化生产的需要。基于机器视觉的智能集成测试系统，改变了这种现状，实现了对仪表板总成智能化、全自动、高精度、快速质量检测，克服了人工检测所造成的各种误差，大大提高了检测效率。整个系统分为四个部分：为仪表板提供模拟信号源的集成化多路标准信号源、具有图像信息反馈定位的双坐标CNC系统、摄像机图像获取系统和主从机平行处理系统。

金属板表面自动控伤系统

金属板如大型电力变压器线圈扁平线收音机等的表面质量都有很高的要求，但原始的采用人工目视或用百分表加控针的检测方法不仅易受主观因素的影响，而且可能会给被测表面带来新的划伤。金属板表面自动探伤系统利用机器视觉技术对金属表面缺陷进行自动检查，在生产过程中高速、准确地进行检测，同时由于采用非接角式测量，避 免了产生新划伤的可能。其工作原理图如图8-6所示；在此系统中，采用激光器作为光源，通过针孔滤波器滤除激光束周围的杂散光，扩束镜和准直镜使激光束变为平行光并以45度的入射角均匀照明被检查的金属板表面。金属板放在检验台上。检验台可在X、Y、Z三个方向上移动，摄像机采用TCD142D型2048线陈CCD，镜头采用普通照像机镜头。CCD接口电路采用单片机系统。主机PC机主要完成图像预处理及缺陷的分类或划痕的深度运算等，并可将检测到的缺陷或划痕图像在显示器上显示。CCD接口电路和PC机之间通过RS-232口进行双向通讯，结合异步A/D转换方式，构成人机交互式的数据采集与处理。该系统主要利用线阵CCD的自扫描特性与被检查钢板X方向的移动相结合，取得金属板表面的三维图像信息。

汽车车身检测系统

英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100%在线检测，是机器视觉系统用于工业检测中的一个较为典型的例子，该系统由62个测量单元组成，每个测量单元包括一台激光器和一个CCD摄像机，用以检测车身外壳上288个测量点。汽车车身置于测量框架下，通过软件校准车身的精确位置。测量单元的校准将会影响检测精度，因而受到特别重视。每个激光器/摄像机单元均在离线状态下经过校准。同时还有一个在离线状态下用三坐标测量机校准过的校准装置，可对摄像顶进行在线校准。检测系统以每40秒检测一个车身的速度，检测三种类型的车身。系统将检测结果与人、从CAD模型中撮出来的合格尺寸相比较，测量精度为±0.1mm。ROVER的质量检测人员用该系统来判别关键部分的尺寸一致性，如车身整体外型、门、玻璃窗口等。实践证明，该系统是成功的，并将用于ROVER公司其它系统列汽车的车身检测。

纸币印刷质量检测系统

该系统利用图像处理技术，通过对纸币生产流水线上的纸币20多项特征（号码、盲文、颜色、图案等）进行比较分析，检测纸币的质量，替代传统的人眼辨别的方法。

智能交通管理系统

通过在交通要道放置摄像头，当有违章车辆（如闯红灯）时，摄像头将车辆的牌照拍摄下来，传输给中央管理系统，系统利用图像处理技术，对拍摄的图片进行分析，提取出车牌号，存储在数据库中，可以供管理人员进行检索。

金相分析

金相图象分析系统能对金属或其它材料的基体组织、杂质含量、组织成分等进行精确、客观地分析，为产品质量提供可靠的依据。

医疗图像分析

血液细胞自动分类计数、染色体分析、癌症细胞识别等。

瓶装啤酒生产流水线检测系统

可以检测啤酒是否达到标准的容量、啤酒标签是否完整等。

第二篇：机器视觉系统整合解决方案研究

机器视觉系统整合解决方案研究

机器视觉系统的原理是：将感产品或区域的图像进行采集，然后根据其图像信息用专用的图像处理软件进行处理，根据处理结果软件能自动判断产品的位置、尺寸、外观信息，并根据人为预先设定的标准进行合格与否的判断，输出其判断信息给执行机构。图像采集与图像处理作为机器视觉系统应用的两大处理阶段，其应用环节的结合将进一步促进机器视觉系统整合的发展趋势。

随着各项高新技术的飞速发展及行业应用需求的不断加大，机器视觉技术应用也步入新的发展阶段。其行业发展体现出向紧致、体积小、系统整合等趋势。而面对机器视觉系统整合的趋势，目前的市场需求中对图像采集与图像处理这两个环节的结合已非常迫切。

一套完整的机器视觉系统，图像采集部分与图像处理环节缺一不可。不管是进行工业生产质量检测，还是开展交通安全行驶监测，都是由图像采集部分来获取目标对象的有关信息，并进行实时的传输，但要想最终能够获得所需要的图像信息，还必须要有图像处理这一环节，需要图像处理技术将不必要的信号剔除，而将有用的信息进行增强、除噪等处理，使传送到终端的图像能足够清晰、准确、完整。

纵观行业发展，对于整个图像采集与图像处理技术的发展而言，我们可以发现，当信号处理技术有了显着提高时，由于图像采集环节中的核心组件——图像传感器并不能随着信号处理技术的提高而得到升级，最终造成两环节应用之间的不协调，但传感器功能的不足却是可以由信号处理技术来进行弥补的。如此说来，将图像采集与处理技术的结合将会是解决机器视觉系统升级制约的最佳手段，在应用领域中，有着绝对的需求。

随着工业现代化的发展，机器视觉已经广泛应用于各大领域，将为企业及用户提供更优的产品品质及完美解决方案。维视图像（Microvision）作为专业的数字图像采集产品研究、设计、开发、推广及机器视觉系统应用解决方案的高科技企业，致力于引领数字成像、图像处理之技术，成为机器视觉、工业数字成像及自动化视觉检测领域的专业制造领导厂商，提供高可靠性工业数字成像产品和自动化视觉检测平台设备，为全球合作伙伴及客户提供高质量和成本最优的解决方案。

第三篇：技能培训专题 机器视觉系统资料介绍

机器视觉系统资料介绍

一、概述

机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分

CMOS

和CCD

两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；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。

机器视觉（Machine

vision）

机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。

正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。

二、组成结构

一个典型的工业机器视觉系统包括：光源、镜头、CCD

照相机、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯

/

输入输出单元等。

系统可分为：

主端电脑(Host

Computer)、影像撷取卡(Frame

Grabber)与影像处理器、影像摄影机、CCT镜头、显微镜头、照明设备、Halogen光源、LED光源、高周波萤光灯源、闪光灯源、其他特殊光源、影像显示器、LCD、机构及控制系统、PLC、PC-Base控制器、精密桌台、伺服运动机台

等部分。

三、工作原理

机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格

/

不合格、有

/

无等，实现自动识别功能。

四、机器视觉系统的典型结构

机器视觉LED光源

一个典型的机器视觉系统包括以下五大块：

照明

照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。

镜头

工业镜头

FOV（Field

Of

Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）

镜头选择应注意：

①焦距②目标高度

③影像高度

④放大倍数

⑤影像至目标的距离

⑥中心点

/

节点

⑦畸变

相机

按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机:线扫描CCD和面阵CCD；单色相机和彩色相机。

机器视觉工业相机

图像采集卡

图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。

比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机,然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。

视觉处理器

视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集卡可以快速传输图像到存储器，而且计算机也快多了，所以现在视觉处理器用的较少了。

五、机器视觉的应用

1.自动光学检查（如图像识别、图像检测、视觉定位、物品分拣等）

2.人脸侦测

3.无人驾驶汽车

【机器视觉特点】

1.摄像机的拍照速度自动与被测物的速度相匹配，拍摄到理想的图像；

2.零件的尺寸范围为2.4mm到12mm，厚度可以不同；

3.系统根据操作者选择不同尺寸的工件，调用相应视觉程序进行尺寸检测，并输出结果；

4.针对不同尺寸的零件，排序装置和输送装置可以精确调整料道的宽度，使零件在固定路径上运动并进行视觉检测；

5.机器视觉系统分辨率达到1600×1200，动态检测精度可以达到0.02mm；

6.废品漏检率为0；

7.本系统可通过显示图像监视检测过程，也可通过界面显示的检测数据动态查看检测结果；

8.具有对错误工件及时准确发出剔除控制信号、剔除废品的功能；

9.系统能够自检其主要设备的状态是否正常，配有状态指示灯；同时能够设置系统维护人员、使用人员不同的操作权限；

10.实时显示检测画面，中文界面，可以浏览最近几次不合格品的图像，具有能够存储和实时察看错误工件图像的功能；

11.能生成错误结果信息文件，包含对应的错误图像，并能打印输出。

机器视觉在纺织工业上的应用案例

在布匹的生产过程中，像布匹质量检测这种有高度重复性和智能性的工作只能靠人工检测来完成,在现代化流水线后面常常可看到很多的检测工人来执行这道工序,给企业增加巨大的人工成本和管理成本的同时,却仍然不能保证100

%的检验合格率(即“零缺陷”)

。对布匹质量的检测是重复性劳动，容易出错且效率低。

流水线进行自动化的改造，使布匹生产流水线变成快速、实时、准确、高效的流水线。在流水线上，所有布匹的颜色、及数量都要进行自动确认（以下简称“布匹检测”）。现在采用机器视觉的自动识别技术完成以前由人工来完成的工作。在大批量的布匹检测中，用人工检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。

特征提取辨识

一般布匹检测（自动识别）先利用高清晰度、高速摄像镜头拍摄标准图像，在此基础上设定一定标准；然后拍摄被检测的图像，再将两者进行对比。但是在布匹质量检测工程中要复杂一些：

1．图像的内容不是单一的图像，每块被测区域存在的杂质的数量、大小、颜色、位置不一定一致；

2．杂质的形状难以事先确定；

3．由于布匹快速运动对光线产生反射，图像中可能会存在大量的噪声；

4．在流水线上，对布匹进行检测，有实时性的要求；

由于上述原因，图像识别处理时应采取相应的算法，提取杂质的特征，进行模式识别，实现智能分析。

Color检测

一般而言，从彩色CCD相机中获取的图像都是RGB图像。也就是说每一个像素都由红(R)绿(G)篮(B)三个成分组成，来表示RGB色彩空间中的一个点。问题在于这些色差不同于人眼的感觉。即使很小的噪声也会改变颜色空间中的位置。所以无论我们人眼感觉有多么的近似，在颜色空间中也不尽相同。基于上述原因，我们需要将RGB像素转换成为另一种颜色空间CIELAB。目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。

Blob检测

根据上面得到的处理图像，根据需求，在纯色背景下检测杂质色斑，并且要计算出色斑的面积,以确定是否在检测范围之内。因此图像处理软件要具有分离目标，检测目标，并且计算出其面积的功能。

Blob分析(Blob

Analysis)是对图像中相同像素的连通域进行分析，该连通域称为Blob。经二值化(Binary

Thresholding)处理后的图像中色斑可认为是blob。Blob分析工具可以从背景中分离出目标，并可计算出目标的数量、位置、形状、方向和大小，还可以提供相关斑点间的拓扑结构。在处理过程中不是采用单个的像素逐一分析，而是对图形的行进行操作。图像的每一行都用游程长度编码(RLE)来表示相邻的目标范围。这种算法与基于象素的算法相比，大大提高处理速度。

结果处理和控制

应用程序把返回的结果存入数据库或用户指定的位置，并根据结果控制机械部分做相应的运动。

根据识别的结果，存入数据库进行信息管理。以后可以随时对信息进行检索查询，管理者可以获知某段时间内流水线的忙闲，为下一步的工作作出安排；可以获知近期内布匹的质量情况等等。

机器视觉在国内外的应用现状

在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路：各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。SMT表面贴装：SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等；再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备：电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。除此之外，机器视觉还用于其他各个领域。

而在中国，视觉技术的应用开始于90年代，因为行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。到二十一世纪，随着科学进步，视觉技术开始在自动化行业成熟应用，目前在我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。当然、其他领域如指纹检测等等领域也有着很好的发展空间。

第四篇：机器视觉教学大纲

《机器视觉》教学大纲 课程编码：08241059 课程名称：机器视觉 英文名称：MACHINE VISION 开课学期：7 学时/学分：36/2（其中实验学时：4）课程类型：专业方向选修课 开课专业：机械工程及自动化 选用教材：贾云得编著 《机器视觉》 科学出版社 2002年 主要参考书：

1.ROBOTICS: Control, Sensing, Vision, and Intelligence, K.S.Fu，McGraw-Hill Publishing Company, 1987 2.张广军编著，机器视觉，科学出版社，2005年 执笔人：

本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、彩色感知、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。

一、课程性质、目的与任务 机器视觉课程是机械工程及自动化专业在智能机器方向的一门专业方向选修课。机器智能化是机械学科的重要发展方向，也是国际上跨学科的热门研究领域。而机器视觉是智能机器的重要组成部分，它与图象处理、模式识别、人工智能、人工神经网络以及神经物理学及认知科学等都有紧密的关系。本课程对于开阔学生视野、使学生了解本专业的发展前沿，把学生培养成面向二十一世纪的复合型人才具有重要的地位和作用。通过本课程的学习，学生也能掌握一定的科学研究方法与技能，为有潜力成为研究型人才的学生打下一定基础。

二、教学基本要求 本课程主要内容包括：二值图像分析、图像预处理、边缘检测、图像分割、纹理分析、明暗分析、深度图与立体视觉。通过本课程的学习，学生应掌握机器视觉的基础理论、基本方法和实用算法。

本大纲仅列出达到教学基本要求的课程内容，不限制讲述的体系、方式和方法，列出的内容并非要求都讲，有些内容，可以通过自学达到教学基本要求。

使用CAI课件作为辅助教学手段可以节省大量时间，传递更多的信息量，所以本课程建议使用CAI课件。

作业是检验学生学习情况的重要教学环节，为了帮助学生掌握课程的基本内容，培养分析、运算的能力，建议布置作业5－8次，并在期末前安排一次综合作业作为主要考查环节。

实验是教学的一个主要环节，实验时间共4学时，每次实验每小组4－6人，使每个学生均有亲自操作的机会。

三、各章节内容及学时分配 1． 人类视觉与机器视觉(4学时): 人类视觉原理与视觉信息的处理过程；

机器视觉理论框架与应用；

成像几何学基础。

2． 值图像分析与区域分析（4学时）：阈值、几何特性、投影、游程长度编码、二值图像算法；

区域和边缘、分割、区域表示、分裂和合并。

3． 图像预处理（4学时）：直方图修正、图像线性运算、线性滤波器、非线性滤波器。

4． 边缘检测和轮廓表示（4学时）：梯度、边缘检测算法、二阶微分算子、LoG算法、图像逼近、Canny边缘检测器；

数字曲线及其表示、曲线拟合、Hough变换。

5．纹理（4学时）：纹理分析统计方法、有序纹理的结构分析、基于模型的纹理分析、用分形理论分析纹理、从纹理恢复形状。

6． 明暗分析（4学时）：图像辐射度、表面方向、反射图、从图像明暗恢复形状、光度立体。

7． 双目立体视觉（4学时）：双目立体视觉原理、精度分析、系统结构、立体成像、立体匹配、系统标定。

8． 三维视觉技术（4学时）：结构光三维视觉原理、光模式投射系统、标定方法；

光度立体视觉、由纹理恢复形状、激光测距法。

四、实验：

1． 实验目的与任务 本课程实验综合运用机器视觉基本理论、机器视觉实验装置和计算机图像处理软件，加深理解机器视觉的基本概念，掌握机器视觉图像基本处理方法，培养学生的动手能力和分析问题解决问题的能力。

2． 实验教学基本要求（1）掌握机器视觉图像基本处理方法：除噪、边缘增强、边缘检测。

（2）掌握三维物体的机器视觉识别方法：结构光法实验装置、三维物体数据的获取和三维物体的重建方法。

3． 实验教材或指导书 自编。

4． 实验项目一览表 序号 实验项目 内容提要 实验 类型 学时 分配 主要仪器 设 备 实验 地点 备注 1 视觉图像基本处理方法 滤波、图像增强与边缘检测 综合 2学时 配备图像处理软件的微机 机械设计及自动化实验室 2 三维物体的机器视觉识别方法 结构光法的图像数据获取、处理与三维模型重建 综合 2学时 结构光实验系统 机械设计及自动化实验室 五、考核方式：

（1）考核形式为考查，采用五级分制，考核环节为平时出勤、作业、实验和期末综合作业；

（2）平时成绩占35％，实验占30%，期末综合作业占35％。

第五篇：机器视觉课后心得体会

基本概念“机器视觉”，即采用机器代替人眼来做测量和判断。

机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。进而根据判别的结果来控制现场的设备动作。

机器视觉主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。

机器视觉与计算机视觉的不同机器视觉不同于计算机视觉，它涉及图像处理、人工智能和模式识别

机器视觉是专注于集合机械，光学，电子，软件系统，检查自然物体和材料，人工缺陷和生产制造过程的工程，它是为了检测缺陷和提高质量，操作效率，并保障产品和过程安全。它也用于控制机器。机器视觉是将计算机视觉应用于工业自动化。

机器视觉的技术进展在机器视觉系统中；关键技术有光源照明技术、光学镜头、摄像机、图像采集卡、图像处理卡和快速准确的执行机构等方面。在机器视觉应用系统中；好的光源与照明方案往往是整个系统成败的关键；起着非常重要的作用；它并不是简单的照亮物体而已。光源与照明方案的配合应尽可能地突出物体特征量；在物体需要检测的部分与那些不重要部份之间应尽可能地产生明显的区别；增加对比度；同时还应保证足够的整体亮度；物体位置的变化不应该影响成像的质量。在机器视觉应用系统中一般使用透射光和反射光。对于反射光情况应充分考虑光源和光学镜头的相对位置、物体表面的纹理；物体的几何形状、背景等要素。光源的选择必须符合所需的几何形状、照明亮度、均匀度、发光的光谱特性等；同时还要考虑光源的发光效率和使用寿命。光学镜头相当于人眼的晶状体；在机器视觉系统中非常重要。一个镜头的成像质量优劣；即其对像差校正的优良与否；可通过像差大小来衡量；常见的像差有球差、彗差、像散、场曲、畸变、色差等六种。

摄像机和图像采集卡共同完成对物料图像的采集与数字化。高质量的图像信息是系统正确判断和决策的原始依据；是整个系统成功与否的又一关键所在。目前在机器视觉系统中；CCD 摄像机以其体积小巧、性能可靠、清晰度高等优点得到了广泛使用。CCD 摄像机按照其使用的CCD 器件可以分为线阵式和面阵式两大类。线阵CCD 摄像机一次只能获得图像的一行信息；被拍摄的物体必须以直线形式从摄像机前移过；才能获得完整的图像；因此非常适合对以一定速度匀速运动的物料流的图像检测；而面阵CCD 摄像机则可以一次获得整幅图像的信息。图像信号的处理是机器视觉系统的核心；它相当于人的大脑。如何对图像进行处理和运算；即算法都体现在这里；是机器视觉系统开发中的重点和难点所在。随着计算机技术、微电子技术和大规模集成电路技术的快速发展；为了提高系统的实时性；对图像处理的很多工作都可以借助硬件完成；如DSP、专用图像信号处理卡等；软件则主要完成算法中非常复杂、不太成熟、尚需不断探索和改变的部分。

从产品本身看，机器视觉会越来越趋于依靠PC技术，并且与数据采集等其他控制和测量的集成会更紧密。且基于嵌入式的产品将逐渐取代板卡式产品，这是一个不断增长的趋势。主要原因是随着计算机技术和微电子技术的迅速发展，嵌入式系统应用领域越来越广泛，尤其是其具备低功耗技术的特点得到人们的重视。另外，嵌入式操作系统绝大部分是以C语言为基础的，因此使用C高级语言进行嵌入式系统开发是一项带有基础性的工作，使用高级语言的优点是可以提高工作效率，缩短开发周期，更主要的是开发出的产品可靠性高、可维护性好、便于不断完善和升级换代等。因此，嵌入式产品将会取代板卡式产品。应用：机器视觉伴随计算机技术、现场总线技术的发展，技术日臻成熟，已是现代加工制造业不可或缺的产品，广泛应用于食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装、汽车制造等行业。代替传统的人工检测方法，极大地提高了投放市场的产品质量，提高了生产效率。

由于机器视觉是自动化的一部分，没有自动化就不会有机器视觉，机器视觉软硬件产品正逐渐成为协作生产制造过程中不同阶段的核心系统，无论是用户还是硬件供应商都将机器视觉产品作为生产线上信息收集的工具，这就要求机器视觉产品大量采用“标准化技术”，直观的说就是要随着自动化的开放而逐渐开放，可以根据用户的需求进行二次开发。当今，自动化企业正在倡导软硬一体化解决方案，机器视觉的厂商在未来5-6年内也应该不单纯是只提供产品的供应商，而是逐渐向一体化解决方案的系统集成商迈进。在未来的几年内，随着中国加工制造业的发展，对于机器视觉的需求也逐渐增多；随着机器视觉产品的增多，技术的提高，国内机器视觉的应用状况将由初期的低端转向高端。由于机器视觉的介入，自动化将朝着更智能、更快速的方向发展。