机器视觉所获取的数据量非常非常大的。比如用于手机上的人脸识别功能，识别一次要投射多大几万个红外线点，这是一个庞大的数据。再比如交通检测方面看，一天累积下来的数据量也是惊人的。所以如何处理如此大的信息量是个难题。不过随着硬件技术的发展，这个问题将来会逐步得到解决。

我们常说，眼睛是人类心灵的窗户，那么给机器装一双眼睛，赋予它感知能力，使得它看懂世界，这便是机器视觉作为人工智能最重要的环节之一。机器视觉系统是指利用机器替代人眼做出各种测量和判断。

机器视觉的研究始于20世纪50年代二维图像的模式识别[1]，它起初被设计用来代替人眼从事检测识别的工作，可以大大提高检测的工作效率以及降低人眼疲劳带来的检测结果的不一致性。机器视觉检测发展至今，在许多方面已经发展到可以完成人眼难以完成的工作，如高精度的测量以及对特定产品的高速分级，还有利用红外线、紫外线、X射线等检测技术检测人类视觉无法检测到的事物

机器视觉的需求开展伴随着自动化职业开展在近年来也急剧增加，这也直接导致了视觉职业的技能以及相关产品必须得以更新换代，相对于前几年的视觉职业，随着工业4.0以及工业需求难度的增加，相关重要的相机以及算法也得以严重更新，比方相机偏向于3D方向开展，算法更倾向于智能型算法，运用机器学习中的相关算法等等。

机器视觉是一个新兴领域，如果设置正确，可以减少过程效率低下。任何使用机器视觉作为机器人引导或检查的设施都应重视这一领域，以寻求可能的改进。在机器视觉系统中如果没有适当的设置，可能会导致机器视觉过程的非增值停机，下面是特别需要注意改善的十个方面：

机器视觉光源的作用 ①强化特征，弱化背景 ②突出测量特征 ③提高图像信息 ④简化算法 ⑤减低系统设计的复杂度 ⑥提高系统的检查精度、速度

Ø1.尺寸检测： 正光（误差超大），背光检测，长度，宽度，高度，圆孔直径，深度，中心相对位置。 客户的尺寸要求： 10 ±0.025mm 客户验收范围 ： 9.975-10.025mm的产品为合格品

Ø在线检测：在产品加工或包装工艺过程中的视觉检测 视觉检测设备，安装在客户生产工艺过程中，比喻;在包装流水线过程中防止混料检测，流水线在线检测。 冲床冲压的模具保护器视觉检测设备。

表面缺陷检测系统采用先进的机器视觉技术，能实时检测、显示和识别被测物体常见的表面缺陷，如孔洞、疵点、脏 /污点、水滴/油滴印记、条纹、破损、边缘裂缝、漏涂、皱折、刮痕、暗斑、亮斑、边缘破损、黑点、尘埃等，适用于塑料、纸张、玻璃、电子、金属、薄膜、箔片等外观有严格要求又有明确指标的物品生产行业，可应用范围十分广泛。