在现代工业自动化生产中，涉及各种检查，生产监控和零件识别应用，例如零件批处理的尺寸检查，自动装配的完整性检查，电子装配线的自动零件定位以及IC上的字符。识别等。通常，人眼无法连续且稳定地执行这些高度重复和智能的任务，并且其他物理量传感器也难以使用。结果，人们开始考虑使用光电成像系统来收集受控目标的图像，然后通过计算机或专用图像处理模块对它们进行数字处理。根据图像的像素分布，亮度和颜色，大小，形状，颜色等进行区分。这样，计算机的快速性和可重复性与人类视觉的高度智能化和抽象能力相结合，从而产生了机器视觉的概念。成功的机器视觉系统是经过精心设计以满足一系列明确要求的系统。完全确定这些要求后，便会设计和构建满足这些精确要求的系统。机器视觉的优点包括以下几点：高精度作为一种精密的测量仪器，精心设计的视觉系统可以对上千个或更多组件中的一个进行空间测量。由于该测量不需要接触，因此不存在磨损和易碎部件的危险。连续性视觉系统可以保护人们免受疲劳。因为没有人工操作员，所以没有人为的操作更改。可以将多个系统设置为独立运行。高成本效率随着计算机处理器价格的急剧下降，机器视觉系统的成本效率也越来越高。价值10,000美元的视觉系统可以轻松替换三个人体检测器，每个检测器每年的薪水为20,000美元。另外，视觉系统的运行和维护成本非常低。灵活性视觉系统可以执行各种不同的测量。当应用程序更改时，只需更改或升级软件即可满足新要求。许多应用令人满意的过程控制（SPC）的公司正在考虑使用机器视觉系统来交付连续，协调和准确的测量SPC命令。在SPC中，连续监控制造参数。整个过程的控制是确保这些参数在一定范围内。当生产过程失控或出现不良零件时，这使制造商可以调整过程参数。机器视觉系统比光学或机器传感器具有更好的适应性。它们使自动机器具有多样性，灵活性和可重构性。当需要改变生产过程时，对于机器视觉，“工具更换”是必要的。仅是软件更改，而不是昂贵硬件的替代。重组生产线时，视觉系统通常可以重复使用机器视觉系统的组成机器视觉技术使用计算机来分析图像并在分析的基础上得出结论。今天，机器视觉有两种应用。机器视觉系统可以检测组件，其中光学设备可以使处理器更准确地观察目标并就可以通过哪些组件以及需要丢弃哪些组件做出有效的决策；机器视觉还可用于创建组件，即使用复杂的光学设备和软件组合直接指导制造过程。尽管机器视觉应用程序有所不同，但它们都包含以下过程；图像采集光学系统收集图像，将图像转换为模拟格式并传输到计算机内存中。图像处理：处理器使用不同的算法来改善对结论有重要影响的图像元素。 “特征提取”指的是“特征提取”。处理器识别并量化图像的关键特征，例如印刷电路板上孔的位置或连接器上的针脚数量。然后将这些数据传输到控制程序。判断和控制：处理器的控制程序根据接收到的数据得出结论。例如：这些数据包括印刷电路板上的孔是否在要求的规格范围内，或者自动机必须如何移动才能拾取零件。