機器視覺系統工作原理
       機器視覺系統通過圖像采集硬件(相機、鏡頭、光源等)將光信號轉換成圖像信號，并傳送給圖像處理軟件。圖像處理軟件根據像素亮度、顏色分布等信息，對目標進行特征提取，并做出相應的判斷，根據結果輸出來控制現場設備，實現檢測功能。
       視覺處理系統包含硬件和軟件兩方面。根據硬件的不同，機器視覺系統分為智能相機和基于PC的視覺系統。一個基于PC的機器視覺系統核心的部分由光源、鏡頭、相機、視覺處理系統四個部分組成。   
       鏡頭主要作用是將被測目標成像至攝像機的感光芯片上。
       相機主要作用是采集圖像，將光信號轉換成電信號，從而輸出圖像給計算機。
       軟件的核心技術為圖像處理及分析算法，它包括圖像增強、圖像分割、特征抽取、圖像識別與分析等。通過圖像處理與分析，對產品質量判斷、尺寸測量，并將結果信號傳輸到相應的硬件進行顯示或執行。

機器視覺與人工視覺的對比
       在以往大批量工業生產過程中，主要靠人工視覺對產品進行測量、識別和分析。由于人工視覺處理時，效率低，穩定性差且精度不高，用機器視覺可以大幅度提高處理效率和自動化程度；同時，在一些不適合人工作業的危險工作環境或人眼難以滿足要求的場合，也常用機器視覺來替代人眼，如核電站監控、晶圓缺陷檢測；而且機器視覺易于實現信息集成，是實現計算機集成制造的基礎技術之一。由于機器視覺系統可快速獲取大量信息，且易于自動處理及信息集成，故在現代自動化生產過程中，機器視覺系統廣泛用于裝配定位、產品質量檢測、產品識別、尺寸測量等方面。機器視覺與人工視覺主要區別如右表。

機器視覺的發展歷程
◆國內外機器視覺的發展歷程               國外機器視覺技術起步較早，20世紀50年代機器視覺概念出現，70年代真正開始發展，90年代后期進入行業高速發展期。在機器視覺發展的歷程中有兩次大的飛躍，一是20世紀70年代CCD圖像傳感器的出現，讓光學影像轉化為計算機能處理的數字信號，是機器視覺發展歷程中的一個重要轉折點；二是20世紀80年代CPU、DSP等圖像處理技術的飛速進步，為機器視覺飛速發展提供了有利條件。從機器視覺行業當前格局來看，中、德、美、日等工業強國占據了機器視覺技術及應用的絕大部分市場。在國外，機器視覺廣泛應用于半導體、電子信息、汽車、食品、醫療等行業。進入21世紀，國外機器視覺市場雖增速放緩，但在技術上仍處于地位。
       國內機器視覺起步于80年代，20世紀末和本世紀初進入到發展初期，2010年前后至今一直在高速發展。隨著工業自動化程度的不斷提高和對質量更加嚴格的要求，機器視覺大量代替人工檢測成為必然。另外，中國早期的工業設備自動化程度普遍較低，因此需要大量的更新換代，這些都構成了機器視覺的大量市場需求。隨著機器視覺技術的逐漸進步，國內科技公司不斷開發和推出相應的產品。從相機、鏡頭、光源到圖像處理軟件等，國內陸續涌現一批技術成熟的研發型廠商。受到制造業人口紅利消退、智能制造利好政策刺激以及工廠自動化亟待提高等多重因素的共同作用，中國已成為世界機器視覺發展潛力和活躍的地區之一。

◆機器視覺發展趨勢
       隨著機器視覺應用場景的復雜多樣，其與深度學習算法、3D應用技術、互聯互通標準等技術的融合也越來越緊密。
       深度學習算法：深度學習算法模擬類似人腦的層次結構，通過深度神經網絡建立從低級信號到高層語義的映射，以實現數據的分級特征表達。深度學習算法被引入機器視覺圖像處理系統來進行外觀檢測，使識別過程更智能，視覺信息處理能力更*。
       3D應用技術：隨著3D應用技術的不斷深入，越來越多的3D重構技術被引入到機器視覺，如結構光、DFF、TOF、立體視覺、光度立體法等。3D圖像處理與分析的算法也被研究得越來越廣泛，將成為機器視覺的一個主流發展方向。
       互聯互通標準：機器視覺系統內部，以及與智能制造設備之間，與企業的管理系統之間，有必要進行互聯互通，使設備和制造管理朝著更智能方向發展。目前視覺行業內部，包括EMVA、AIA、CMVA、JIIA等，合作制定了GenICam標準。AIA制定了GigE Vision，USB3 Vision等相機通信協議。視覺行業還與其他行業協會合作，不斷拓展互聯互通的外延，旨在促成視覺系統與其他行業的互聯互通。