1. 計算機視覺是什麼
計算機視覺是一門研究如何使機器「看」的科學，更進一步的說，就是是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。作為一個科學學科，計算機視覺研究相關的理論和技術，試圖建立能夠從圖像或者多維數據中獲取『信息』的人工智慧系統。這里所 指的信息指Shannon定義的，可以用來幫助做一個「決定」的信息。因為感知可以看作是從感官信號中提 取信息，所以計算機視覺也可以看作是研究如何使人工系統從圖像或多維數據中「感知」的科學。
計算機視覺是使用計算機及相關設備對生物視覺的一種模擬。它的主要任務就是通過對採集的圖片或視頻進行處理以獲得相應場景的三維信息，就像人類和許多其他類生物每天所做的那樣。
計算機視覺是一門關於如何運用照相機和計算機來獲取我們所需的，被拍攝對象的數據與信息的學問。形象地說，就是給計算機安裝上眼睛（照相機）和大腦（演算法），讓計算機能夠感知環境。我們中國人的成語"眼見為實"和西方人常說的"One picture is worth ten thousand words"表達了視覺對人類的重要性。不難想像，具有視覺的機器的應用前景能有多麼地寬廣。
計算機視覺既是工程領域，也是科學領域中的一個富有挑戰性重要研究領域。計算機視覺是一門綜合性的學科，它已經吸引了來自各個學科的研究者參加到對它的研究之中。其中包括計算機科學和工程、信號處理、物理學、應用數學和統計學，神經生理學和認知科學等。
(1)計算機網路視覺系統擴展閱讀：
計算機視覺就是用各種成像系統代替視覺器官作為輸入敏感手段，由計算機來代替大腦完成處理和解釋。計算機視覺的最終研究目標就是使計算機能象人那樣通過視覺觀察和理解世界，具有自主適應環境的能力。要經過長期的努力才能達到的目標。因此，在實現最終目標以前，人們努力的中期目標是建立一種視覺系統，這個系統能依據視覺敏感和反饋的某種程度的智能完成一定的任務。例如，計算機視覺的一個重要應用領域就是自主車輛的視覺導航，還沒有條件實現像人那樣能識別和理解任何環境，完成自主導航的系統。
因此，人們努力的研究目標是實現在高速公路上具有道路跟蹤能力，可避免與前方車輛碰撞的視覺輔助駕駛系統。這里要指出的一點是在計算機視覺系統中計算機起代替人腦的作用，但並不意味著計算機必須按人類視覺的方法完成視覺信息的處理。計算機視覺可以而且應該根據計算機系統的特點來進行視覺信息的處理。
但是，人類視覺系統是迄今為止，人們所知道的功能最強大和完善的視覺系統。如在以下的章節中會看到的那樣，對人類視覺處理機制的研究將給計算機視覺的研究提供啟發和指導。因此，用計算機信息處理的方法研究人類視覺的機理，建立人類視覺的計算理論。這方面的研究被稱為計算視覺（Computational Vision）。計算視覺可被認為是計算機視覺中的一個研究領域。
2. 計算機視覺技術國內 國外發展歷史及現狀
1研究現狀及存在的問題
水果實時分級系統主要功能是水果外部品質和內部品質的自動檢測。水果的外部品質檢測的項目有大小、形狀、顏色、表面缺陷等，內部品質無損檢測的項目為水果的硬度、糖含量、酸度、口味及某些內部缺陷等。
1.1水果外部品質的自動檢測
水果的尺寸和顏色檢測技術已比較成熟，且在國外已經實現自動化檢測，在國內也有按重量或尺寸分級的系統。但果面的缺陷檢測卻一直成為水果實時分級的障礙。
果面缺陷檢測的技術比較復雜，目前存在以下幾方面難題。
1.1.1對水果整個表面進行實時視覺檢測比較困難
在水果分選生產線上，輸送機構輸送水果並把水果整個表面呈現給攝像機，這是水果實時分級系統比較關鍵的組成部分，因為當水果通過時，要求視覺系統能快速檢查每個水果的全部果面，即使很小的缺陷面積，也會使得水果級別發生很大變化。同時，設計的視覺分級系統必須滿足高生產率的要求。在這方面，國外學者（Growe,1996,Tao,1996)［1，2］採用滾子輸送帶使水果一邊移動一邊自身轉動，從而使安裝在輸送帶上方的攝像機能採集到水果的多個面的圖像，達到全表面檢測的目的。但由於水果大小和形狀不規則，造成水果旋轉速度不一致且難以保證按同一軸線旋轉。此外，水果旋轉兩端的表面部分攝像機無法採集到，因此，分級誤差較大。
1.1.2快速而准確地測定水果表面的各種缺陷且與梗、萼凹陷區正確區分比較困難
Miller等(1991)［3］對桃子的分選試驗表明：因不能正確區分水果表面的缺陷和梗、萼凹陷區，由此產生的分級誤差為25％左右。Rehkugler等（1986）［4］利用機械定向機構使蘋果梗、萼處於垂直方向並繞梗萼軸旋轉，CCD線掃描攝像機可掃描蘋果的整個表面且形成一幅圖像，該方法的特點是由機械定向機構定位水果梗、萼區，攝像機對此區不需要再檢查。但因為受定向機構速度的限制，還達不到實時分級的速度，試驗結果為每分鍾選30個蘋果。Yang(1996)［5］利用結構光圖像與散射光圖像相結合來區分梗、萼區和缺陷區，綜合兩方面圖像處理的結果，共抽取16個特徵參數，再利用BP神經網路區分蘋果的梗、萼區和缺陷區，分辨精度為95％，但還需要進一步把試驗結果應用於實際水果分選生產線中。Growe等（1996）［1］採取在780 nm附近帶域內，用結構光由一黑白攝像機進行水果表面的凹陷度檢測；在750 nm帶域內的散射光照射下，由一黑白攝像機進行水果表面的可疑缺陷區檢測。水果的輸送旋轉裝置及攝像機布置如圖1a所示，採用的雙錐滾筒輸送帶可使水果一方面沿水平方向作平移運動，另一方面又繞自身水平軸作旋轉運動。兩個黑白CCD攝像機用來採集750 nm附近的散射光圖像和780 nm附近的結構光圖像，水果旋轉一周攝取兩次圖像。兩個黑白攝像機採集的圖像經過設計的介面電路後，被合成為一幅黑白圖像，合成過程如圖1b所示。圖像的處理由流水線圖像處理系統完成。試驗結果表明：每個水果採集兩幅圖像時，缺陷檢測的速度可達5個/s，但誤差較大，如對於蘋果，碰傷檢測的准確率僅為51％。試驗表明，要想得到較高的檢測精度，每個水果應採集5幅以上的圖像，結構光至少6條以上。此外，由於水果尺寸不同所造成各個水果旋轉速度的不一致，也是產生測量誤差的原因。徐娟（1997）［6］及Nakano(1997)［7］利用人工神經網路法對缺陷區和梗萼區進行區分，試驗表明神經網路的區分准確率較低。在果面各種缺陷的快速檢測方面，Throop(1997)［8］等人研究了多光譜測量技術，對10個品種的蘋果的22種缺陷，在460～1 030 nm光譜范圍內，每隔10 nm試驗測定了它們的反射光譜特性，其中對3種蘋果同一種缺陷測量的結果如圖2所示。圖中縱坐標的馬氏距離反映了水果缺陷區與正常區反射強度的差別程度，距離越大，兩者差別越大。由圖中曲線可看出：在中心為540 nm、740 nm、1 030 nm三波段附近，3種蘋果同一缺陷與正常區的反射強度的差別表現為最大或最小值，最後通過對3個波段的圖像進行簡單的減法和閾值處理，即可得到檢測的缺陷，下一步應考慮實際應用的實現。
(a)(b)
圖1圖像採集布置圖與圖像合成示意圖
(a)輸送裝置及攝像機布置(b) 圖像合成示意圖
圖23種蘋果同一缺陷在460～1 030 nm
范圍內與正常區反射強度的差別情況
1.1.3球形水果表面引起光照強度在投影面內呈曲面分布，以及二維圖像上的透視區域與水果實際表面存在的畸變，給圖像的缺陷檢測帶來困難和造成誤差
Tao(1996)［2］提出的球形變換法很好地解決了第一個問題。基本思想如圖3所示：帶缺陷的原始物體圖像（OOI）與該物體反表面無缺陷的圖像(IOI)相加得到變換後的物體圖像（TOI），此圖像具有平面物體圖像的性質，而缺陷區低於該平面，然後經過簡單閾值處理即可得缺陷區。何東健（1997）［9］提出了缺陷透視圖像面積發生畸變的校正方法，但對復雜形狀的缺陷區進行校正，還存在一定的困難。Nakano(1997)［7］利用一旋轉平台使水果旋轉，每旋轉18°CCD攝像機採集一幅圖像，蘋果旋轉一周可得20幅圖像，為消除蘋果球面面積的畸變，每幅圖像只保留中間13 cm寬度的幅面，再全部合成一幅蘋果整個表面的展開圖像，此法非常有效，但在分選生產線上實現比較困難。
圖3球形變換方法
1.1.4傳統的圖像處理及模式識別演算法的速度不適合實時分選線的要求
國外一般採用高速圖像處理硬體與簡單有效的圖像處理軟體相結合的途徑，來實現水果的實時分級。如Yang(1996)［5］利用的是Transputer系統、結構光法和洪水演算法；Growe等(1996)［1］研製的系統，圖像的大部分工作由流水線圖像處理硬體系統完成；Tao(1996)［2］採用的是專用Merlin圖像處理系統和簡單有效的球形變換法，研製的蘋果分選系統已應用到水果分選生產線上，其分選速度可達3 165個/min。國內研究者（劉禾，1998，徐娟，1997，楊秀坤，1997，何東健，1997）［6，9～11］大多利用一般的微機和圖像採集卡，開發了一些圖像處理和模式識別的新演算法，如把人工神經網路、模糊理論、遺傳演算法、圖像形態學、分形理論、小波理論及人工智慧理論用於圖像特徵的抽取和識別。但由於圖像處理的硬體速度太低，故只能限於靜態水果圖像分選的演算法研究。此外，水果分級的演算法應具備人工分級的一些優良性能，如學習與記憶功能，因為目前的一些分級演算法的訓練樣本都比較少，而要分級的水果品種多變且量大。
1.2水果內部品質無損檢測
反映水果內部品質的主要指標有硬度、糖含量、酸度、口味及內部缺陷等。目前國內外研究的主要方法和存在的問題如下。
1.2.1水果的硬度檢測
水果的硬度可間接反映水果的成熟度、運輸中的抗損壞性、儲藏期等。目前用於水果硬度檢測的方法主要有變形法和聲學法。
變形法就是在一定時間內給水果施加一定的動態力或沖擊力，然後根據測得的變形量確定水果的硬度。如Schmilovitch等（1995）［12］研製成功了棗子硬度自動檢測系統，其原理是把棗子放在兩平板之間，在上面板施加5～8 N的動態力，根據所測變形量的大小把棗子分成4個硬度等級。Delwiche(1991)［13］利用沖擊法研製了蘋果硬度自動檢測系統，發現沖擊力會造成蘋果表面的輕微損傷。變形法只能測量水果表面的局部硬度，實際上，水果表面硬度變化較大，故限制了變形法的應用。
聲學法包括聲波脈沖響應法和超聲波法，聲波脈沖響應法（20～1 500 Hz）就是利用一麥克風測量受輕微敲擊水果的聲波強度，由此確定水果的硬度。Armstrong等（1993）［14］試驗研究了所測聲波強度與水果硬度的關系，發現二者有很好的相關關系。此法的優點是簡單、無損，且能反映水果的整體硬度，缺點是必須注意周圍雜訊的絕緣及機械振動的消除，此外水果形狀也影響測量精度。超聲波(＞20 000 Hz)法是根據超聲波在水果等介質中傳播時，能量衰減系數的大小來確定水果硬度。但由於水果內部含有較多氣隙且各向異性，故超聲波很難穿透整個水果。
1.2.2糖含量、酸度、口味的自動檢測
糖含量、酸度比較有潛力的檢測方法是近紅外法（NIR）和磁共振法（MR）。近紅外法又分穿透法、反射法和部分穿透法，部分穿透法原理如圖4所示。穿透法對水果不適應，反射法一般用於水果表面特徵的檢測，因此常用的方法是部分穿透法。由圖4可看出，在部分穿透法中，光線經過的路徑比穿透法短，且入射光線與接收器有一夾角，此夾角的確定對測量起關鍵作用，此外二者之間必須加一隔板。884 nm和834 nm測得量的比值已用於桃子、蘋果（Slaughter ，1995）［15］糖含量的自動測定。Slaughter等（1996）［16］對西紅柿，在400～1 100 nm的光譜范圍內進行部分穿透性測量試驗，結果表明：800～1 000 nm范圍的信息對糖含量的確定最有用，測得的相關系數r＝0.92, 但酸度測量比較困難。Mizrach(1997)［17］利用超聲波法試驗研究了超聲波衰減系數和芒果硬度、糖含量、酸度的關系，但其超聲波測量探頭必須與果面接觸，故限制了在線的應用。因此，利用近紅外多光譜技術測定水果內部糖含量及其他成分是很有前途的，為達到實時應用的目的，應進一步確定最合適的一兩個波段並與計算機視覺技術結合。磁共振及磁共振成像（MRI）技術也是測定水果內部成分的有效方法，其依據是物質內部的某些原子核（H、C、P等）在外部磁場作用下，可與射頻區域的電磁波輻射相互作用。Chen等(1996)［18］利用此法對鱷梨的成熟度和鮮杏梅的糖含量進行了一些研究，得到了較好的結果。此法的主要缺點是設備昂貴。
圖4部分穿透法
與水果的口味相關的化學成分主要是可揮發性芳香化合物，當水果成熟時，就會在周圍空氣中散發這種揮發性芳香氣體。Benady等（1995）［19］研製的電子感測器可以測量這種氣體的濃度。
1.2.3水果內部缺陷的檢測
西瓜的內部空心用超聲波檢測已比較成熟。其他缺陷的檢測，目前國外正研究利用X射線法、磁共振和磁共振成像技術等方法測量，因成本高及安全性等問題，故很難在農業中推廣應用。
2研究的途徑及方向探討
水果實時分級系統的進一步研究應從兩方面入手，一方面要加快水果外部品質的計算機視覺實時分選技術的研究；另一方面也要進行水果內部品質的無損檢測技術的研究。因為水果分級的主要目的是選出高質量的水果，故水果內外品質的檢測技術都十分重要。
在水果的外部品質檢測方面，應進行多種技術集成的應用研究。
（1） 對於水果整個表面機器視覺快速檢測的問題，可採用機械與光學技術相結合，設計合理的傳送機構，既保證水果在傳送帶上比較平穩地移動，又可由視覺系統快速檢測到水果的全部表面。盡量減小因水果不規則運動造成的分級誤差、損傷及圖像的模糊。
（2） 對於果梗、萼區與缺陷的檢測與視覺區分方面，應採用多光譜技術與機器視覺技術相結合，研究水果圖像上可疑缺陷區的關鍵特徵參數的抽取方法，得到簡單、有效、快速的圖像處理和識別方法。
（3） 在球形果面造成的光反射強度呈曲面分布及曲面成像面積的畸變問題，可從光照設計、圖像合成及軟體補償3方面綜合考慮。光照的充分設計可解決第一個問題；多幅圖像的有效合成，可解決畸變問題。我們通過試驗表明：一個水果至少應採集5幅圖像，然後再合成為一幅，可基本保證水果整個表面上缺陷的有效檢測，以避免畸變誤差。軟體補償的方法必須簡單而有效，以適合高速的要求。
（4） 在實時系統的圖像處理器硬體設計方面，首先應採取先進的並行CPU晶元，如TMS320C80等；其次處理板的設計應與視覺系統結合起來考慮，如採集多路視覺信號的合成問題，機械機構與視覺系統的同步電路設計等。當然，也可引進國外比較成熟的高速圖像處理主板，而其他技術可由國內自行開發，這樣可以加快國內水果實時分級系統實現自動化的步伐。
（5） 在圖像處理和識別的軟體設計方面，應把傳統方法與現代新方法（神經網路，並行演算法，遺傳演算法，模糊技術，人工智慧，圖像形態學，分形學，小波變換等）結合起來，改變傳統圖像信息的超數據量表達方式，尋求圖像表達與解釋的新方法，力求圖像處理和識別演算法的快速性、有效性及魯棒性。
在水果內部品質檢測方面，聲學振動法是實現硬度自動檢測的有效方法，但應設法消除影響測量精度的因素，並進行在生產線上的應用開發；近紅外局部投射法和磁共振法是水果糖含量、酸度等內部成分自動檢測的有效方法。在國內，近紅外局部投射法更有應用前景，應進一步研究其通用性、穩定性和實用性；內部缺陷的無損檢測應進一步研究新原理和新方法，應採取自己開發和從國外引進相結合的方式。此外，應進行多種感測器測量信息集成技術的研究，這是水果內外品質實現實時自動檢測與分級的有效途徑。
3結語
利用各種現代技術的高度集成，在水果分選生產線上同時完成水果內外品質的檢測與分級是將來進一步研究的方向和目的。隨著科學技術的飛速發展，在我國近期有望實現農產品品質的自動化檢測與分級。
3. 機器人和人類視覺系統一樣嗎，它們眼裡是哪樣的世界
計算機視覺是人工智慧的子學科，而人工智慧則是仿生學的一種。人工智慧旨在模仿人（有時也包括其他動物）的行為和思維，而計算機視覺將模仿的對象集中在了人眼上，即模仿人「看」的行為。
換言之，計算機視覺是一門利用攝影機和計算機代替人眼進行圖像獲取、目標識別、跟蹤、測量、理解和處理的學科。作為一門交叉學科，計算機視覺與許多學科有重要聯系：機器學習、神經生物學、認知科學、信號處理（圖像處理）等。在後面的介紹中，這些學科間的聯系將變得更加清晰。
也許高級視覺才是計算機視覺中最有趣的一部分，因為它是人類視覺中至今還無法被完全解密的部分（也許連部分解密都談不上）。當你站在雜亂、昏暗的酒桌前，從看到的圖像中識別出沮喪的彼得時，整個過程只需要0.3秒。
事實上，現代處理器的運算速度遠遠高於人類視神經和大腦中神經突觸的信息傳遞速度。但人類視覺的功能是如此的強大，以至於計算機視覺系統遠遠不能達到人類的水平。較新的研究表明，人類發達的視覺系統得益於一套大規模並行計算系統──不計其數的神經元形成的視覺通路，它就像一張有無數節點的計算網路，信息在其中往返傳遞。
高級視覺任務幾乎都圍繞著兩個字展開：識別。識別是給對象貼上標簽的過程，即給對象附上含有語義的名稱或描述。這是一種高級的視覺活動，需要學習、聯想等更高級的大腦活動的參與。
拿圖像的分割任務來說，圖像不僅被分割成獨立的像素塊，視覺系統還為每個像素塊貼上「標簽」，比如「窗子」、「桌子」、「酒瓶」、「彼得的臉」等。通過模板比對，視覺系統將彼得的臉和經驗中的圖像聯系了起來，從而引起了系統的興趣。
從彼得的臉上提取的特徵中，視覺系統還解讀出了彼得的沮喪。於是在隨後的圖像中，視覺系統都將注意力放在了彼得的臉上，試圖跟蹤該對象。視覺系統在繼續跟蹤的同時，將從圖像中得到的信息發送給決策器。
即使是當代最成功的演算法和視覺系統都無法像人類一般高效地識別物體。對我們來說，識別 「一個瓷杯」處於不同狀態似乎並不怎麼困難，但對計算機視覺系統來說卻不容易。
杯子可以有不同的擺放姿勢、不同的光照強度和顏色、出現在畫面中的不同位置、可能有的部分被遮擋，如果按不同狀態就是不同的杯子這一點來判斷，那就可能誤判為存在不計其數的各式各樣的杯子（即外觀的區別）。
在絕大多數計算機視覺系統中，目標都被要求符合一些限制條件，否則，計算機視覺將成為不可能的任務。由此可見，在雜亂、昏暗的酒桌一角發現彼得對計算機視覺系統來說是多不容易的一件事情。
對人類來說，識別並非與生俱來的本領。嬰兒睜大眼睛看著陌生的世界，他們的視覺實踐是從測距、分割開始的。幼兒幾乎每時每刻都在努力學習如何給圖片貼標簽。他們學習得很快，低齡兒童不僅可以成功地識別物品，還可以在一定程度上察言觀色，感受到由表情傳達的情緒。通過獎勵和帶教，可以加速兒童的學習過程。
通過這樣的啟發，高級視覺還將依賴機器學習這門學科。機器學習是研究如何通過演算法讓計算機實現人類的學習過程，從而讓計算機不僅能夠實現簡單枯燥的任務，還能夠向智能邁進一步。
作為人工智慧領域的核心學科，機器學習如百家爭鳴，不斷取得著新的成績。當今重要的機器學習演算法有人工神經網路、遺傳演算法、支持向量機、貝葉斯網路、強化學習等。
至今，計算機視覺系統最為成功的案例，莫過於手寫數字識別。MNIST是使用最廣泛的手寫數字型檔，為各類識別演算法提供了一比高下的平台。MNIST中含有七萬幅邊長為28個像素的圖像。目前最出色的識別演算法一般都可以達到1%以內的錯誤率。
然而，MNIST只是對目標的外觀做了有限多的變化，並沒有涉及到有如杯子在不同狀態下的各種變化。而且，28×28=784個像素的圖片實在很小，如果處理普通大小的照片，視覺系統的運算量就會呈指數級增長，甚至讓超級計算機都無能為力。
因此，對於哪怕是當今世上最聰明的機器人來說，像人類一樣看到酒吧里沮喪的彼得並上前安慰，也是天方夜譚。但計算機視覺是一門新興的學科，隨著處理器硬體和人工智慧演算法的發展，也許有朝一日機器人也可以達到人類的視覺功能。
4. 機器視覺系統由哪幾部分構成
機器視覺系統的應用領域越來越廣泛。在工業、農業、國防、交通、醫療、金融直至體育、娛樂等等行業都獲得了廣泛的使用，可以說已經深入到我們的生活、生產和工作的方方面面。
一個完整的機器視覺系統的主要工作過程如下：
（1） 工件定位檢測器探測到物體已運動至接近攝像機視野的中心，向圖像採集卡發送觸發脈沖；
（2） 圖像採集卡按事先設定的程序和時延，分別向攝像機和照明設備發出起動脈沖；
（3） 攝像機停止目前的掃描，重新開始新的一幀掃描；或者攝像機在起動脈沖來到之前處於等待狀態，起動脈沖來到後起動一幀掃描；
（4） 攝像機開始新的一幀掃描之前，打開曝光機構，曝光時間可以事先設定；
（5） 另一個起動脈沖打開燈光照明，燈光開啟時間應與攝像機曝光時間匹配；
（6） 攝像機曝光後，正式開始一幀圖像的掃描和輸出；
（7） 圖像採集卡接收模擬視頻信號並通過A/D將其數字化，或者直接接收攝像機數字化之後的數字視頻；
（8） 圖像採集卡將數字圖像放到處理器或者計算機的內存中；
（9） 處理器對圖像進行處理、分析、識別，獲得測量結果，或邏輯控制值；
（10） 處理結果控制流水線的動作；或進行定位，糾正運動的誤差等。
機器視覺系統的優點有：
1、非接觸測量，對於觀測者與被觀測者都不會產生任何損傷，從而提高系統的可靠性。
2、具有較寬的光譜響應范圍，例如使用人眼看不見的紅外測量，擴展了人眼的視覺范圍。
3、長時間穩定工作，人類難以長時間對同一對象進行觀察，而機器視覺則可以長時間地作測量、分析和識別任務。
http://..com/question/431373928.html?oldq=1
5. 機器視覺系統都由哪幾部分組成那位高人指點下
從字面意思就可看出機器視覺系統主要分為三部分：機器、視覺和系統。機器負責機械的運動和控制；視覺通過光源、工業鏡頭、工業相機、圖像採集卡等來實現；系統主要是指軟體，也可理解為整套的機器視覺設備。
機器視覺光源?
光源作為機器視覺系統輸入的重要部件，它的好壞直接影響輸入數據的質量和應用效果。由於沒有通用的機器視覺光源設備，所以針對每個特定的應用實例，要選擇相應的視覺光源，以達到最佳效果。常見的光源有：LED環形光源、低角度光源、背光源、條形光源、同軸光源、冷光源、點光源、線型光源、平行光源等。
工業鏡頭
鏡頭在機器視覺系統中主要負責光束調制，並完成信號傳遞。
鏡頭類型包括：標准、遠心、廣角、近攝和遠攝等，選擇依據一般是根據相機介面、拍攝物距、拍攝范圍、CCD尺寸、畸變允許范圍、放大率、焦距和光圈等。
工業相機
工業相機在機器視覺系統中最本質功能就是將光信號轉變為電信號，與普通相機相比，它具有更高的傳輸力、抗干擾力以及穩定的成像能力。
按照不同標准可有多種分類：按輸出信號方式，可分為模擬工業相機和數字工業相機；按晶元類型不同，可分CCD工業相機和CMOS工業相機，這種分類方式最為常見。
圖像採集卡
圖像採集卡雖然只是完整機器視覺系統的一個部件，但它同樣非常重要，直接決定了攝像頭的介面：黑白、彩色、模擬、數字等。
比較典型的有PCI採集卡、1394採集卡、VGA採集卡和GigE千兆網採集卡。這些採集卡中有的內置多路開關，可以連接多個攝像機，同時抓拍多路信息。
機器視覺軟體
機器視覺軟體是機器視覺系統中自動化處理的關鍵部件，根據具體應用需求，對軟體包進行二次開發，可自動完成對圖像採集、顯示、存儲和處理。在選購機器視覺軟體時，一定要注意開發硬體環境、開發操作系統、開發語言等，確保軟體運行穩定，方便二次開發。
6. 機器視覺行業如何設計機器視覺系統框架
如何設計機器視覺系統框架 --- 創科黎友在決定一個機器視覺系統的需求及應用時，很多因素需要考慮。機器視覺（或稱為自動可視檢測系統）一般包含了大量部件，這些部件直接影響系統的性能。為了獲得這些子系統的優越性能，並無縫將他們接合在你的生產線上，最好花一些時間來學習視覺系統的組成、應用、以及正確的規劃的重要性。 機器視覺的應用在對精度和可靠性都很高的重復性檢測任務中，機器視覺廣泛應用在這些生產流程中。一些常見的任務：在食物包裝中檢測數據代碼；自動檢測部件用於正確的安裝；為機器人的撿起（pick）和放置（place）動作提供向導；在制葯中效驗葯品的顏色；讀取部件的條形碼、以及在產品上的標識；還有更多更多。基於PC的機器視覺系統的基本組成 由於機器視覺應用非常廣泛，在不同的系統里使用不同的部件，但是，我們可以將這些部件分成如下幾類（見圖1）。圖1 通常的機器視覺系統的主要組成（附件1） 1. 攝像頭和光學部件 –這一類通常含有一個或多個攝像頭和鏡頭（光學部件），用於拍攝被檢測的物體。根據應用，攝像頭可以基於如下標准，黑白RS-170/CCIR、復**色（Y/C），RGB彩色，非標准黑白（可變掃描），步進掃描（progressive-scan）或線掃描。 2. 燈光 –燈光用於照亮部件，以便從攝像頭中拍攝到更好的圖像，燈光系統可以在不同形狀、尺寸和亮度。一般的燈光形式是高頻熒光燈、LED、白熾燈和石英鹵（quartz-halogen）光纖。 3. 部件感測器 –通常以光柵或感測器的形式出現。當這個感測器感知到部件靠近，它會給出一個觸發信號。當部件處於正確位置時，這個感測器告訴機器視覺系統去採集圖像。 4. 圖像採集卡 –也稱為視頻抓取卡，這個部件通常是一張插在PC上的卡。這張採集卡的作用將攝像頭與PC連接起來。它從攝像頭中獲得數據（模擬信號或數字信號），然後轉換成PC能處理的信息。它同時可以提供控制攝像頭參數（例如觸發、曝光時間、快門速度等等）的信號。圖像採集卡形式很多，支持不同類型的攝像頭，不同的計算機匯流排。 5. PC平台 –計算機是機器視覺的關鍵組成部分。應用在檢測方面，通常使用Pentium III或更高的CPU。一般來講，計算機的速度越快，視覺系統處理每一張圖片的時間就越短。由於在製造現場中，經常有振動、灰塵、熱輻射等等，所以一般需要工業級的計算機。 6. 檢測軟體 –機器視覺軟體用於創建和執行程序、處理採集回來的圖像數據、以及作出「通過/失敗（PASS/FAIL）」決定。機器視覺有多種形式（C語言庫、 ActiveX控制項、點擊編程環境等等），可以是單一功能（例如設計只用來檢測LCD或BGA、對齊任務等等），也可以是多功能（例如設計一個套件，包含計量、條形碼閱讀、機器人導航、現場驗證等等）。 7. 數字I/O和網路連接 –一旦系統完成這個檢測部分，這部分必須能與外界通信，例如需要控制生產流程、將「通過/失敗（PASS/FAIL）」的信息送給資料庫。通常，使用一張數字I/O板卡和（或）一張網卡來實現機器視覺系統與外界系統和資料庫的通信。 配置一個基於PC的機器視覺系統認真的計劃和注意細節能幫助你確保你的檢測系統符合你的應用需求。如下是你必需考慮的幾點： 確定你的目標 –這可能是最重要的一步 棗決定在這個檢測任務中你需要實現什麼，檢測任務通常分為如下幾類： 1. 測量或計量 2. 讀取字元或編碼（條形碼）信息。 3. 檢測物體的狀態 4. 認知和識別特殊的特性棗模式識別 5. 將物體與模板進行對比或匹配 6. 為機器或機器人導航檢測流程可以包含只有一個操作或包含多個與檢測任務相關的任務。為了確認你的任務，首先你應該明確為了最大限度檢測部件你需要做的測試，也就是你能考慮到會出現的缺陷。為了明確什麼哪個才是最重要的，最好做一張評估表，列出「必須做」和「可以做」的測試。一旦主要的對測試標准滿意，隨後可以將更多的測試加進去來改善檢測過程，一定要記住，添加測試的同時也會增加檢測的時間。確定你需要的速度 –系統檢測每一個部件需要多少時間？這個不只是由PC的速度決定，還受生產流水線速度的影響。很多機器視覺包含了時鍾/計時器，所以檢測操作的每一步所需要的時間都可以准確測量，從這些數據，我們就可以修改我們的程序以滿足時間上的要求。通常，一個基於PC的機器視覺系統每一秒可以檢測20-25個部件，與檢測部件的多少和處理程序以及計算機的速度有密切關系。聰明地選擇你的硬體 –一套機器視覺系統的性能與它的部件密切相關。在選擇的過程中，有很多捷徑棗特別在光學成像上棗可能很大程度降低系統的效率。如下是在選擇部件時你必須緊記的幾個基本原則。 1. 攝像頭攝像頭的選擇與應用的需求直接相關，通常考慮三點：a）黑白還是彩色；b）部件/目標的運動；c）圖像解析度。在檢測應用中大部分使用黑白攝像頭，因為黑白圖像能提供90%可視數據，並且比彩色便宜。彩色攝像頭主要用於一些需要分析彩色圖像的場合里。根據部件在檢測時是否移動，決定我們選擇標准隔行掃描攝像頭還是逐行掃描攝像頭。另外，圖像的解析度必須足夠高，以提供檢測任務需要的足夠的數據。最後，攝像頭必須質量好和可以避免工業現場中的振動、灰塵和熱的影響。 2. 光學部件和照明這個至關重要的因素往往被人所忽略。當你使用一個很差的光學部件或照明，就算你使用最好的機器視覺系統，它表現出的性能甚至比不上一個配上良好光學部件和適當照明的低能力系統。光學部件的目標是產生最好和最大可用面積的圖像，並且提供最好的圖像解析度。照明的目標是照亮需要測量或檢測的部分的關鍵特徵。通常，照明系統的設計由如下因素決定：顏色、紋理、尺寸、外形、反射率等等。 3. 圖像採集卡雖然圖像採集卡只是完整的機器視覺系統的一個部件，但是它扮演一個非常重要的角色。圖像採集卡直接決定了攝像頭的介面：黑白、彩色、模擬、數字等等。使用模擬輸入的圖像採集卡，目標是盡量不變地將攝像頭採集的圖像轉換為數字數據。使用不正確的圖像採集卡可能得到錯誤的數據。工業用的圖像採集卡通常用於檢測任務，多媒體採集卡由於它通過自動增益控制、邊沿增強和顏色增強電路來更改圖像數據，所以不用在這個領域里。使用數字輸入的圖像採集卡的目標是將攝像頭輸出的數字圖像數據轉換並輸送到PC中作處理。考慮各種變化：人類的眼睛和大腦可以在不同的條件下識別目標，但是機器視覺系統就不是這樣多才多藝了，它只能按程序編寫的任務來工作。了解你的系統能看到什麼和不能看到什麼能幫助你避免失敗（例如將好的部件認為是壞的）或其它檢測錯誤。一般要考慮的包括部件顏色、周圍光線、焦點、部件的位置和方向和背景顏色的大變化。正確選擇軟體：機器視覺軟體是檢測系統中的智能部分，也是最核心的部分。軟體的選擇決定了你編寫調試檢測程序的時間、檢測操作的性能等等。圖2 DTVF是一個多功能、圖形化編程的機器視覺軟體（附件2）機器視覺提供了圖形化編程界面 (通常稱為「Point & Click」) 通常比其他編程語言(例如Visual C++)容易，但是在你需要一些特殊的特徵或功能時有一定的局限性。基於代碼的軟體包，盡管非常困難和需要編碼經驗，但在編寫復雜的特殊應用檢測演算法具備更大的靈活性。一些機器視覺軟體同時提供了圖形化和基於代碼的編程環境，提供兩方面最好的特徵，提供了很多靈活性，滿足不同的應用需求。通信和記錄數據：機器視覺系統的總的目標是通過區分好和壞的部件來實現質量檢測。為了實現這一功能，這個系統需要與生產流水線通信，這樣才可以在發現壞的部件是做某種動作。通常這些動作是通過數字I/O板，這些板與製造流水線中的PLC相連，這樣壞的部件就可以跟好的部件分離。例外，機器視覺系統可以與網路連接，這樣就可以將數據傳送給資料庫，用於記錄數據以及讓質量控制員分析為什麼會出現廢品。在這一步認真考慮將有助於將機器視覺系統無縫與生產流水線結合起來。需要考慮的問題是： 1. 使用了什麼類型的PLC，它的介面如何？ 2. 需要什麼類型的信號？ 3. 現在使用或必須使用什麼類型的網路？ 4. 在網路上傳送的文件格式是什麼？通常使用RS-232埠與資料庫通信，來實現對數據的紀錄。為以後做准備：當你為機器視覺系統選擇部件時，時刻記住未來的生產所需和有可能發生的變動。這些將直接影響你的機器視覺軟硬體是否容易更改來滿足以後新的任務。提前的准備將不僅僅節約你的時間，而且通過在將來重用現有的檢測任務可以降低整個系統的價格。機器視覺系統的性能由最差的部分決定（就像一個木桶的容量由最短的一個木塊決定），精度則由它能獲取的信息決定。花時間和精力合理配置系統就可以建造一個零故障和有彈性的視覺檢測系統。
7. 計算機視覺技術有哪些
【計算機視覺技術】包括以下幾個方面：
1、識別技術
（1）基於內容的圖像提取；
（2）姿態評估：對某一物體相對於攝像機的位置或者方向的評估；
（3）光學字元識別：對圖像中的印刷或手寫文字進行識別鑒別，通常的輸出是將之轉化成易於編輯的文檔形式。
2、運動技術
（1）自體運動：監測攝像機的三維剛性運動。
（2）圖像跟蹤：跟蹤運動的物體。
3、場景重建技術：給定一個場景的二或多幅圖像或者一段錄像，場景重建尋求為該場景建立一個計算機模型/三維模型。最簡單的情況便是生成一組三維空間中的點。更復雜的情況下會建立起完整的三維表面模型。
4、圖像恢復技術： 圖像恢復的目標在於移除圖像中的雜訊，例如儀器雜訊，模糊等。
【計算機視覺技術】是一門研究如何讓計算機達到人類那樣「看」的學科。更准確點說，它是利用攝像機和電腦代替人眼使得計算機擁有類似於人類的那種對目標進行分割、分類、識別、跟蹤、判別決策的功能。計算機視覺技術是使用計算機及相關設備對生物視覺的一種模擬，是人工智慧領域的一個重要部分，它的研究目標是使計算機具有通過二維圖像認知三維環境信息的能力。是以圖像處理技術、信號處理技術、概率統計分析、計算幾何、神經網路、機器學習理論和計算機信息處理技術等為基礎， 並通過計算機分析與處理視覺信息的技術。
8. 什麼是計算機視覺
計算機視覺是一門研究如何使機器「看」的科學，更進一步的說，就是是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。
作為一個科學學科，計算機視覺研究相關的理論和技術，試圖建立能夠從圖像或者多維數據中獲取『信息』的人工智慧系統。這里所 指的信息指Shannon定義的，可以用來幫助做一個「決定」的信息。因為感知可以看作是從感官信號中提 取信息，所以計算機視覺也可以看作是研究如何使人工系統從圖像或多維數據中「感知」的科學。
計算機視覺既是工程領域，也是科學領域中的一個富有挑戰性重要研究領域。計算機視覺是一門綜合性的學科，它已經吸引了來自各個學科的研究者參加到對它的研究之中。其中包括計算機科學和工程、信號處理、物理學、應用數學和統計學，神經生理學和認知科學等。
原理：
計算機視覺就是用各種成象系統代替視覺器官作為輸入敏感手段，由計算機來代替大腦完成處理和解釋。計算機視覺的最終研究目標就是使計算機能象人那樣通過視覺觀察和理解世界，具有自主適應環境的能力。要經過長期的努力才能達到的目標。因此，在實現最終目標以前，人們努力的中期目標是建立一種視覺系統，這個系統能依據視覺敏感和反饋的某種程度的智能完成一定的任務。例如，計算機視覺的一個重要應用領域就是自主車輛的視覺導航，還沒有條件實現象人那樣能識別和理解任何環境，完成自主導航的系統。因此，人們努力的研究目標是實現在高速公路上具有道路跟蹤能力，可避免與前方車輛碰撞的視覺輔助駕駛系統。這里要指出的一點是在計算機視覺系統中計算機起代替人腦的作用，但並不意味著計算機必須按人類視覺的方法完成視覺信息的處理。計算機視覺可以而且應該根據計算機系統的特點來進行視覺信息的處理。但是，人類視覺系統是迄今為止，人們所知道的功能最強大和完善的視覺系統。如在以下的章節中會看到的那樣，對人類視覺處理機制的研究將給計算機視覺的研究提供啟發和指導。因此，用計算機信息處理的方法研究人類視覺的機理，建立人類視覺的計算理論，也是一個非常重要和信人感興趣的研究領域。這方面的研究被稱為計算視覺（Computational Vision）。計算視覺可被認為是計算機視覺中的一個研究領域。
以上內容來自於網路，希望對你有點幫助。
9. 計算機cv方向是什麼
計算機視覺（Computer Vision）是指用計算機實現人的視覺功能——對客觀世界的三維場景的感知、識別和理解。
這意味著計算機視覺技術的研究目標是使計算機具有通過二維圖像認知三維環境信息的能力。因此不僅需要使機器能感知三維環境中物體的幾何信息（形狀、位置、姿態、運動等）而且能對它們進行描述、存儲、識別與理解。可以認為，計算機視覺與研究人類或動物的視覺是不同的：它藉助於幾何、物理和學習技術來構築模型，用統計的方法來處理數據。
人工智慧的完整閉環包括感知、認知、推理再反饋到感知的過程，其中視覺在我們的感知系統中占據大部分的感知過程。所以研究視覺是研究計算機的感知重要的一步。
2發展的幾個重要節點
視覺研究的開端-Hubel和Wiesel關於大腦視皮層細腦感受野的論述
感受野-（一個感覺神經元的感受野是指這個位置里適當的刺激能夠引起該神經元反應的區域。感受野一詞主要是指聽覺系統、本體感覺系統和視覺系統中神經元的一些性質。）
1959年，Hubel和Wiesel貓實驗的故事，把微電極埋進貓的視皮質細胞，之後在屏幕上打出一些光影和圖形。通過固定貓的頭部來控制視網膜上的成像，並測試細胞對線條、直角、邊緣線等圖形的反應。Hubel和Wiesel告訴我們視覺識別應該從簡單的形狀開始。
對於看到魚和老鼠投像的貓來說，視覺處理的前期並不是對整體的魚或者老鼠進行處理，視覺處理流程的第一步是對簡單的形狀的結構處理、邊緣排列。只有當圖片切換時的反應激烈。
二維到三維- Roberts積木世界讓計算機理解三維場景
20世紀50年代主要分析二維圖像，而Lary Roberts 1963年寫的論文《block world》（積木世界），運用計算機程序，試圖從圖像中闡釋出諸如立方體等多面體的這些邊緣和形狀。它根據線畫圖來理解由多面體構成的景物，並對物體形狀物體的空間關系進行描述。
學科的誕生
計算機視覺真正的誕生時間是在1966年，MIT人工智慧實驗室成立了計算機視覺學科，標志著CV成為一門人工智慧領域中的可研究的學科，同時歷史的發展也證明了CV是人工智慧領域中增長最快的一個學科。
視覺理論：視覺是分層的
20世紀80年代初，MIT人工智慧實驗室的David Marr出版了一本書《視覺》（全名《Vision： A Computational Investigation into the Human Representation and Processing of Visual Information》），他提出了一個觀點：視覺是分層的。
他認為視覺是個信息處理任務，應該從三個層次來研究和理解，即計算理論、演算法、實現演算法的機制或硬體。
一、信息處理的計算理論，在這個層次研究的是對什麼信息進行計算和為什麼要進行這些計算。
二、演算法，在這個層次研究的是如何進行所要求的計算，即設計特定的演算法
三、實現演算法的機制或硬體，在這個層次上研究完成某一特定演算法的計算機構。
例如根據 Fourier 分析理論，任意連續函數可用它的 Fourier 頻譜來表示，因此 Fourier 變換是屬於第一層的理論，而計算Fourier 變換的演算法是屬於第二個層次的，至於實現快速，Fourier演算法的陣列處理機就屬於第三層次。
視覺理論使人們對視覺信息的研究有了明確的內容和較完整的基本體系，仍被看做是研究的主流；
3計算機視覺是一門交叉學科
計算機視覺技術是一種典型的交叉學科研究領域，包含了生物、心理，物理，工程，數學，計算機科學等領域，存在與其他許多學科或研究方向之間相互滲透、相互支撐的關系。在概念的理解中我們常常聽到AI、圖像處理、模式識別、機器視覺等詞語，那麼他們和計算機視覺之間是怎樣的關系呢？
（圖片來自網路）
計算機視覺與人工智慧
人工智慧技術主要研究智能系統的設計和有關智能的計算理論與方法。 人工智慧可被分為三個階段感知 、認知和動作執行。計算機視覺常被視為A I的一分支 。
計算機視覺與圖像處理
圖像處理中，人是最終的解釋者；計算機視覺中，計算機是圖像的解釋者。圖像處理演算法在機器視覺系統的早期階段起著很大的作用，它們通常被用來增強特定信息並抑制雜訊。計算機視覺系統必須有圖像處理模塊存在。
（圖片來自wikipedia）
計算機視覺與模式識別
模式識別是根據從圖像中抽取的統計特性或結構信息，把圖像分為設定的類別。圖像模式的分類是計算機視覺中的一個重要問題。模式識別中的許多方法可以應用於計算機視覺中。
計算機視覺與機器視覺
計算機視覺技術的研究目標是使計算機具有通過一幅或多幅圖像認知周圍環境的能力（包括對客觀世界三維環境的感知 、識別與理解）。 這意味著計算機不僅要模擬人眼的功能，而且更重要的是使計算機完成人眼所不能勝任的工作。而機器視覺則是建立在計算機視覺理論基礎之上，偏重於計算機視覺技術的工程化，能夠自動獲取和分析特定的圖像，以控制相應的行為。與計算機視覺所研究的視覺模式識別、視覺理解等內容不同，機器視覺技術重點在於感知環境中物體的形狀、位置 、姿態 、運動等幾何信息 。兩者基本理論框架、底層理論、演算法相似，只是研究的最終目的不同。所以實際中並不加以嚴格劃分，對於工業應用常使用「機器視覺」 ，而一般情況下則常用「計算機視覺「。（部分選自《基於 OpenCV 的計算機視覺技術實現》）
10. 計算機視覺與機器視覺的區別
1、定義不同
計算機視覺：計算機視覺是一門研究如何使機器「看」的科學，更進一步的說，就是是指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等機器視覺，並進一步做圖形處理，使電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。
機器視覺：機器視覺是人工智慧正在快速發展的一個分支。簡單說來，機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是通過機器視覺產品(即圖像攝取裝置，分CMOS和CCD兩種)將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，
得到被攝目標的形態信息，根據像素分布和亮度、顏色等信息，轉變成數字化信號;圖像系統對這些信號進行各種運算來抽取目標的特徵，進而根據判別的結果來控制現場的設備動作。
2、原理不同
計算機視覺：計算機視覺就是用各種成象系統代替視覺器官作為輸入敏感手段，由計算機來代替大腦完成處理和解釋。計算機視覺的最終研究目標就是使計算機能象人那樣通過視覺觀察和理解世界，具有自主適應環境的能力。要經過長期的努力才能達到的目標。
因此，在實現最終目標以前，人們努力的中期目標是建立一種視覺系統，這個系統能依據視覺敏感和反饋的某種程度的智能完成一定的任務。例如，計算機視覺的一個重要應用領域就是自主車輛的視覺導航，還沒有條件實現象人那樣能識別和理解任何環境，完成自主導航的系統。
因此，人們努力的研究目標是實現在高速公路上具有道路跟蹤能力，可避免與前方車輛碰撞的視覺輔助駕駛系統。這里要指出的一點是在計算機視覺系統中計算機起代替人腦的作用，但並不意味著計算機必須按人類視覺的方法完成視覺信息的處理。
計算機視覺可以而且應該根據計算機系統的特點來進行視覺信息的處理。但是，人類視覺系統是迄今為止，人們所知道的功能最強大和完善的視覺系統。如在以下的章節中會看到的那樣，對人類視覺處理機制的研究將給計算機視覺的研究提供啟發和指導。
因此，用計算機信息處理的方法研究人類視覺的機理，建立人類視覺的計算理論，也是一個非常重要和信人感興趣的研究領域。這方面的研究被稱為計算視覺（Computational Vision）。計算視覺可被認為是計算機視覺中的一個研究領域。
機器視覺：機器視覺檢測系統採用CCD照相機將被檢測的目標轉換成圖像信號，傳送給專用的圖像處理系統，根據像素分布和亮度、顏色等信息，轉變成數字化信號，
圖像處理系統對這些信號進行各種運算來抽取目標的特徵，如面積、數量、位置、長度，再根據預設的允許度和其他條件輸出結果，包括尺寸、角度、個數、合格 / 不合格、有 / 無等，實現自動識別功能。
3、應用不同
計算機視覺：人類正在進入信息時代，計算機將越來越廣泛地進入幾乎所有領域。一方面是更多未經計算機專業訓練的人也需要應用計算機，而另一方面是計算機的功能越來越強，使用方法越來越復雜。
這就使人在進行交談和通訊時的靈活性與在使用計算機時所要求的嚴格和死板之間產生了尖銳的矛盾。人可通過視覺和聽覺，語言與外界交換信息，並且可用不同的方式表示相同的含義，而計算機卻要求嚴格按照各種程序語言來編寫程序，只有這樣計算機才能運行。
為使更多的人能使用復雜的計算機，必須改變過去的那種讓人來適應計算機，來死記硬背計算機的使用規則的情況。而是反過來讓計算機來適應人的習慣和要求，
以人所習慣的方式與人進行信息交換，也就是讓計算機具有視覺、聽覺和說話等能力。這時計算機必須具有邏輯推理和決策的能力。具有上述能力的計算機就是智能計算機。
機器視覺：在國外，機器視覺的應用普及主要體現在半導體及電子行業，其中大概40%-50%都集中在半導體行業。具體如PCB印刷電路：各類生產印刷電路板組裝技術、設備；單、雙面、多層線路板，覆銅板及所需的材料及輔料；
輔助設施以及耗材、油墨、葯水葯劑、配件；電子封裝技術與設備；絲網印刷設備及絲網周邊材料等。SMT表面貼裝：SMT工藝與設備、焊接設備、測試儀器、返修設備及各種輔助工具及配件、SMT材料、貼片劑、膠粘劑、焊劑、焊料及防氧化油、焊膏、清洗劑等；
再流焊機、波峰焊機及自動化生產線設備。電子生產加工設備：電子元件製造設備、半導體及集成電路製造設備、元器件成型設備、電子工模具。機器視覺系統還在質量檢測的各個方面已經得到了廣泛的應用，並且其產品在應用中占據著舉足輕重的地位。
除此之外，機器視覺還用於其他各個領域。