簡介
![機器視覺[科技技術]](/img/4/ad1/nBnauM3XzUjN5ITM2YTN4UjM2UTM1QDN5MjM5ADMwAjMwUzL2UzL1czLt92YucmbvRWdo5Cd0FmLyE2LvoDc0RHa.jpg)
機器視覺[科技技術] 機器視覺是一項綜合技術，包括圖像處理、機械工程技術、控制、電光源照明、光學成像、感測器、模擬與數字視頻技術、計算機軟硬體技術(圖像增強和分析算法、圖像卡、 I/O卡等)。一個典型的機器視覺套用系統包括圖像捕捉、光源系統、圖像數位化模組、數字圖像處理模組、智慧型判斷決策模組和機械控制執行模組。
機器視覺系統最基本的特點就是提高生產的靈活性和自動化程度。在一些不適於人工作業的危險工作環境或者人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺。同時，在大批量重複性工業生產過程中，用機器視覺檢測方法可以大大提高生產的效率和自動化程度。
發展
如今，中國正成為世界機器視覺發展最活躍的地區之一，套用範圍涵蓋了工業、農業、醫藥、軍事、航天、氣象、天文、公安、交通、安全、科研等國民經濟的各個行業。其重要原因是中國已經成為全球製造業的加工中心，高要求的零部件加工及其相應的先進生產線，使許多具有國際先進水平的機器視覺系統和套用經驗也進入了中國。
經歷過長期的蟄伏，2010年中國機器視覺市場迎來了爆發式增長。數據顯示當年，中國機器視覺市場規模達到8.3億元，同比增長48.2%，其中智慧型相機、軟體、光源和板卡的增長幅度都達到了50%，工業相機和鏡頭也保持了40%以上的增幅，皆為2007年以來的最高水平。
2011年，中國機器視覺市場步入後增長調整期。相較2010年的高速增長，雖然增長率有所下降，但仍保持很高的水平。2011年中國機器視覺市場規模為10.8億元，同比增長30.1%，增速同比2010年下降18.1個百分點，其中智慧型相機、工業相機、軟體和板卡都保持了不低於30%的增速，光源也達到了28.6%的增長幅度，增幅遠高於中國整體自動化市場的增長速度。電子製造行業仍然是拉動需求高速增長的主要因素。2011年機器視覺產品電子製造行業的市場規模為5.0億人民幣，增長35.1%。市份額達到了46.3%。電子製造、汽車、製藥和包裝機械占據了近70%的機器視覺市場份額。
概述
機器視覺（Machine vision）
視覺系統工作原理簡圖 機器視覺系統的特點是提高生產的柔性和自動化程度。在一些不 適合於人工作業的危險工作環境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；同時在大批量工業生產過程中，用人工視覺檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。而且機器視覺易於實現信息集成，是實現計算機集成製造的基礎技術。
基本構造
一個典型的工業機器視覺系統包括：光源、鏡頭（定焦鏡頭、變倍鏡頭、遠心鏡頭、顯微鏡頭）、 相機（包括CCD相機和COMS相機）、圖像處理單元（或圖像捕獲卡）、圖像處理軟體、監視器、通訊 / 輸入輸出單元等。
系統可再分為
一、採集和分析分開的系統。
主端電腦（Host Computer)
影像擷取卡（Frame Grabber)與影像處理器
影像攝影機
定焦鏡頭鏡頭
顯微鏡頭
照明設備
Halogen光源LED光源
高周波螢光燈源
閃光燈源
其他特殊光源
影像顯示器
LCD
機構及控制系統
PLC、PC-Base控制器
精密桌台
伺服運動機台
二、採集和分析一體的系統
智慧型相機（圖像採集和分析一體）
其他配套外圍設備：光源、顯示、PLC控制系統等等。
工作原理
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，轉變成數位化信號，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。
典型結構
一個典型的機器視覺系統包括以下五大塊：
照明
照明是影響機器視覺系統輸入的重要因素，它直接影響輸入數據的質量和套用效果。由於沒有通用的機器視覺照明設備，所以針對每個特定的套用實例，要選擇相應的照明裝置，以達到最佳效果。光源可分為可見光和不可見光。常用的幾種可見光源是白熾燈、日光燈、水銀燈和鈉光燈。可見光的缺點是光能不能保持穩定。如何使光能在一定的程度上保持穩定，是實用化過程中急需要解決的問題。另一方面，環境光有可能影響圖像的質量，所以可採用加防護屏的方法來減少環境光的影響。照明系統按其照射方法可分為：背向照明、前向照明、結構光和頻閃光照明等。其中，背向照明是被測物放在光源和攝像機之間，它的優點是能獲得高對比度的圖像。前向照明是光源和攝像機位於被測物的同側，這種方式便於安裝。結構光照明是將光柵或線光源等投射到被測物上，根據它們產生的畸變，解調出被測物的三維信息。頻閃光照明是將高頻率的光脈衝照射到物體上，攝像機拍攝要求與光源同步。
鏡頭
FOV（Field of Vision）=所需解析度*亞象素*相機尺寸/PRTM（零件測量公差比）
鏡頭選擇應注意：
①焦距②目標高度 ③影像高度 ④放大倍數 ⑤影像至目標的距離 ⑥中心點 /節點⑦畸變
視覺檢測中如何確定鏡頭的焦距
為特定的套用場合選擇合適的工業鏡頭時必須考慮以下因素：
· 視野 - 被成像區域的大小。
· 工作距離 (WD) - 攝像機鏡頭與被觀察物體或區域之間的距離。
· CCD - 攝像機成像感測器裝置的尺寸。
機器視覺鏡頭 · 這些因素必須採取一致的方式對待。如果在測量物體的寬度，則需要使用水平方向的 CCD 規格，等等。如果以英寸為單位進行測量，則以英尺進行計算，最後再轉換為毫米。
參考如下例子：有一台 1/3” C 型安裝的 CCD 攝像機（水平方向為 4.8 毫米）。物體到鏡頭前部的距離為 12”（305 毫米）。視野或物體的尺寸為2.5”（64 毫米）。換算係數為 1” = 25.4 毫米（經過圓整）。
FL = 4.8 毫米 x 305 毫米 / 64 毫米
FL = 1464 毫米 / 64 毫米
FL = 按 23 毫米鏡頭的要求
FL = 0.19” x 12” / 2.5”
FL = 2.28” / 2.5”
FL = 0.912” x 25.4 毫米/inch
FL = 按 23 毫米鏡頭的要求
註：勿將工作距離與物體到像的距離混淆。工作距離是從工業鏡頭前部到被觀察物體之間的距離。而物體到像的距離是 CCD 感測器到物體之間的距離。計算要求的工業鏡頭焦距時，必須使用工作距離
高速相機
相機 按照不同標準可分為：標準解析度數字相機和模擬相機等 。要根據不同的實際套用場合選不同的相機和高解析度相機：
按成像色彩劃分，可分為彩色相機和黑白相機；
按解析度劃分，像素數在38萬以下的為普通型，像素數在38萬以上的高解析度型；
按光敏面尺寸大小劃分，可分為1/4、1/3、1/2、1英寸相機；
按掃描方式劃分，可分為行掃描相機（線陣相機）和面掃描相機（面陣相機）兩種方式；（面掃描相機又可分為隔行掃描相機和逐行掃描相機）；
按同步方式劃分，可分為普通相機（內同步）和具有外同步功能的相機等。
圖像採集卡
採集卡 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接口：黑白、彩色、模擬、數字等等。
比較典型的是PCI或AGP兼容的捕獲卡，可以將圖像迅速地傳送到計算機存儲器進行處理。有些採集卡有內置的多路開關。例如，可以連線8個不同的攝像機,然後告訴採集卡採用那一個相機抓拍到的信息。有些採集卡有內置的數字輸入以觸發採集卡進行捕捉，當採集卡抓拍圖像時數字輸出口就觸發閘門。
視覺處理器
視覺處理器集採集卡與處理器於一體。以往計算機速度較慢時，採用視覺處理器加快視覺處理任務。採集卡傳輸圖像到存儲器，進而計算分析。當前主流配置的PLC，且配置較高，視覺處理器已經幾乎退出市場。
機器選型
在機器視覺系統中，獲得一張高質量的可處理的圖像是至關重要。系統之所以成功，首先要保證圖像質量好，特徵明顯。一個機器視覺項目之所以失敗，大部分情況是由於圖像質量不好，特徵不明顯引起的。要保證好的圖像，必須要選擇一個合適的光源。
光源選型基本要素：
對比度：對比度對機器視覺來說非常重要。機器視覺套用的照明的最重要的任務就是使需要被觀察的特徵與需要被忽略的圖像特徵之間產生最大的對比度，從而易於特徵的區分。對比度定義為在特徵與其周圍的區域之間有足夠的灰度量區別。好的照明應該能夠保證需要檢測的特徵突出於其他背景。
亮度：當選擇兩種光源的時候，最佳的選擇是選擇更亮的那個。當光源不夠亮時，可能有三種不好的情況會出現。第一，相機的信噪比不夠；由於光源的亮度不夠，圖像的對比度必然不夠，在圖像上出現噪聲的可能性也隨即增大。其次，光源的亮度不夠，必然要加大光圈，從而減小了景深。另外，當光源的亮度不夠的時候，自然光等隨機光對系統的影響會最大。
魯棒性：另一個測試好光源的方法是看光源是否對部件的位置敏感度最小。當光源放置在攝像頭視野的不同區域或不同角度時，結果圖像應該不會隨之變化。方向性很強的光源，增大了對高亮區域的鏡面反射發生的可能性，這不利於後面的特徵提取。
好的光源需要能夠使你需要尋找的特徵非常明顯，除了是攝像頭能夠拍攝到部件外，好的光源應該能夠產生最大的對比度、亮度足夠且對部件的位置變化不敏感。光源選擇好了，剩下來的工作就容易多了。具體的光源選取方法還在於試驗的實踐經驗。
套用案例
在布匹的生產過程中，像布匹質量檢測這種有高度重複性和智慧型性的工作只能靠人工檢測來完成，在現代化流水線後面常常可看到很多的檢測工人來執行這道工序，給企業增加巨大的人工成本和管理成本的同時，卻仍然不能保證100 %的檢驗合格率（即“零缺陷”）。對布匹質量的檢測是重複性勞動，容易出錯且效率低。
![機器視覺[科技技術]](/img/4/abd/nBnauM3X0gzNzUDM2YTN4UjM2UTM1QDN5MjM5ADMwAjMwUzL2UzL3czLt92YucmbvRWdo5Cd0FmLzE2LvoDc0RHa.jpg)
機器視覺[科技技術] 流水線進行自動化的改造，使布匹生產流水線變成快速、實時、準確、高效的流水線。在流水線上，所有布匹的顏色、及數量都要進行自動確認（以下簡稱“布匹檢測”）。採用機器視覺的自動識別技術完成以前由人工來完成的工作。在大批量的布匹檢測中，用人工檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。
特徵提取辨識
一般布匹檢測（自動識別）先利用高清晰度、高速攝像鏡頭拍攝標準圖像，在此基礎上設定一定標準；然後拍攝被檢測的圖像，再將兩者進行對比。但是在布匹質量檢測工程中要複雜一些：
1． 圖像的內容不是單一的圖像，每塊被測區域存在的雜質的數量、大小、顏色、位置不一定一致。
2． 雜質的形狀難以事先確定。
3． 由於布匹快速運動對光線產生反射，圖像中可能會存在大量的噪聲。
4． 在流水線上，對布匹進行檢測，有實時性的要求。
由於上述原因，圖像識別處理時應採取相應的算法，提取雜質的特徵，進行模式識別，實現智慧型分析。
Color檢測
一般而言，從彩色CCD相機中獲取的圖像都是RGB圖像。也就是說每一個像素都由紅（R）綠（G）藍（B）三個成分組成，來表示RGB色彩空間中的一個點。問題在於這些色差不同於人眼的感覺。即使很小的噪聲也會改變顏色空間中的位置。所以無論我們人眼感覺有多么的近似，在顏色空間中也不盡相同。基於上述原因，我們需要將RGB像素轉換成為另一種顏色空間CIELAB。目的就是使我們人眼的感覺儘可能的與顏色空間中的色差相近。
Blob檢測
根據上面得到的處理圖像，根據需求，在純色背景下檢測雜質色斑，並且要計算出色斑的面積，以確定是否在檢測範圍之內。因此圖像處理軟體要具有分離目標，檢測目標，並且計算出其面積的功能。
Blob分析（Blob Analysis）是對圖像中相同像素的連通域進行分析，該連通域稱為Blob。經二值化（Binary Thresholding）處理後的圖像中色斑可認為是blob。Blob分析工具可以從背景中分離出目標，並可計算出目標的數量、位置、形狀、方向和大小，還可以提供相關斑點間的拓撲結構。在處理過程中不是採用單個的像素逐一分析，而是對圖形的行進行操作。圖像的每一行都用遊程長度編碼(RLE）來表示相鄰的目標範圍。這種算法與基於象素的算法相比，大大提高處理速度。
結果處理和控制
應用程式把返回的結果存入資料庫或用戶指定的位置，並根據結果控制機械部分做相應的運動。
根據識別的結果，存入資料庫進行信息管理。以後可以隨時對信息進行檢索查詢，管理者可以獲知某段時間內流水線的忙閒，為下一步的工作作出安排；可以獲知內布匹的質量情況等等。
套用現狀
在國外，機器視覺的套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、藥水藥劑、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、半導體及積體電路製造設備、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套用，並且其產品在套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。
而在中國，視覺技術的套用開始於90年代，因為行業本身就屬於新興的領域，再加之機器視覺產品技術的普及不夠，導致以上各行業的套用幾乎空白。目前國內機器視覺大多為國外品牌。國內大多機器視覺公司基本上是靠代理國外各種機器視覺品牌起家，隨著機器視覺的不斷套用，公司規模慢慢做大，技術上已經逐漸成熟。
隨著經濟水平的提高，3D機器視覺也開始進入人們的視野。3D機器視覺大多用於水果和蔬菜、木材、化妝品、烘焙食品、電子組件和醫藥產品的評級。它可以提高合格產品的生產能力，在生產過程的早期就報廢劣質產品，從而減少了浪費節約成本。這種功能非常適合用於高度、形狀、數量甚至色彩等產品屬性的成像。
在行業套用方面，主要有製藥、包裝、電子、汽車製造、半導體、紡織、菸草、交通、物流等行業，用機器視覺技術取代人工，可以提供生產效率和產品質量。例如在物流行業，可以使用機器視覺技術進行快遞的分揀分類，不會出現大多快遞公司人工進行分揀，減少物品的損壞率，可以提高分揀效率，減少人工勞動。
產生髮展
機器視覺的研究是從20世紀60年代中期美國學者L.R.羅伯茲關於理解多面體組成的積木世界研究開始的。當時運用的預處理、邊緣檢測、輪廓線構成、對象建模、匹配等技術，後來一直在機器視覺中套用。羅伯茲在圖像分析過程中，採用了自底向上的方法。用邊緣檢測技術來確定輪廓線，用區域分析技術將圖像劃分為由灰度相近的像素組成的區域，這些技術統稱為圖像分割。其目的在於用輪廓線和區域對所分析的圖像進行描述，以便同機記憶體儲的模型進行比較匹配。實踐表明，只用自底向上的分析太困難，必須同時採用自頂向下，即把目標分為若干子目標的分析方法，運用啟發式知識對對象進行預測。這同言語理解中採用的自底向上和自頂向下相結合的方法是一致的。在圖像理解研究中，A.古茲曼提出運用啟發式知識，表明用符號過程來解釋輪廓畫的方法不必求助於諸如最小二乘法匹配之類的數值計算程式。
70年代，機器視覺形成幾個重要研究分支：①目標制導的圖像處理；②圖像處理和分析的並行算法；③從二維圖像提取三維信息；④序列圖像分析和運動參量求值；⑤視覺知識的表示；⑥視覺系統的知識庫等。
最新發現
機器視覺的阿喀琉斯之踵：據麻省理工《技術評論》報導，來自谷歌和OpenAI研究所的研究人員發現了機器視覺算法的一個弱點：機器視覺會被一些經過修改的圖像干擾，而人類可以很容易地發現這些圖像的修改之處。
套用領域
機器視覺的套用主要有檢測和機器人視覺兩個方面：
⒈ 檢測：又可分為高精度定量檢測（例如顯微照片的細胞分類、機械零部件的尺寸和位置測量）和不用量器的定性或半定量檢測（例如產品的外觀檢查、裝配線上的零部件識別定位、缺陷性檢測與裝配完全性檢測）。
⒉機器人視覺：用於指引機器人在大範圍內的操作和行動，如從料斗送出的雜亂工件堆中揀取工件並按一定的方位放在傳輸帶或其他設備上（即料斗揀取問題）。至於小範圍內的操作和行動，還需要藉助於觸覺感測技術。
此外還有：
1自動光學檢查
2人臉識別
3無人駕駛汽車
4產品質量等級分類
5印刷品質量自動化檢測
6文字識別
7紋理識別
8追蹤定位
......
等機器視覺圖像識別的套用。
【機器視覺特點】
⒈攝像機的拍照速度自動與被測物的速度相匹配，拍攝到理想的圖像；
⒉零件的尺寸範圍為2.4mm到12mm，厚度可以不同；
⒊系統根據操作者選擇不同尺寸的工件，調用相應視覺程式進行尺寸檢測，並輸出結果；
⒋針對不同尺寸的零件，排序裝置和輸送裝置可以精確調整料道的寬度，使零件在固定路徑上運動並進行視覺檢測；
⒌機器視覺系統解析度達到2448×2048，動態檢測精度可以達到0.02mm；
⒍廢品漏檢率為0；
⒎本系統可通過顯示圖像監視檢測過程，也可通過界面顯示的檢測數據動態查看檢測結果；
⒏具有對錯誤工件及時準確發出剔除控制信號、剔除廢品的功能；
⒐系統能夠自檢其主要設備的狀態是否正常，配有狀態指示燈；同時能夠設定系統維護人員、使用人員不同的操作許可權；
⒑實時顯示檢測畫面，中文界面，可以瀏覽幾次不合格品的圖像，具有能夠存儲和實時察看錯誤工件圖像的功能；
⒒能生成錯誤結果信息檔案，包含對應的錯誤圖像，並能列印輸出。
套用實例
⒈ 基於機器視覺的儀錶板總成智慧型集成測試系統
EQ140-Ⅱ汽車儀錶板總成是中國某汽車公司生產的儀表產品，儀錶板上安裝有速度里程表、水溫表、汽油表、電流表、信號報警燈等，其生產批量大，出廠前需要進行一次質量終檢。檢測項目包括：檢測速度表等五個儀表指針的指示誤差；檢測24個信號報警燈和若干照明9燈是否損壞或漏裝。一般採用人工目測方法檢查，誤差大，可靠性差，不能滿足自動化生產的需要。基於機器視覺的智慧型集成測試系統，改變了這種現狀，實現了對儀錶板總成智慧型化、全自動、高精度、快速質量檢測，克服了人工檢測所造成的各種誤差，大大提高了檢測效率。
整個系統分為四個部分：為儀錶板提供模擬信號源的集成化多路標準信號源、具有圖像信息反饋定位的雙坐標CNC系統、攝像機圖像獲取系統和主從機平行處理系統。
⒉ 金屬板表面自動控傷系統
金屬板如大型電力變壓器線圈扁平線收音機朦朧皮等的表面質量都有很高的要求，但原始的採用人工目視或用百分表加控針的檢測方法不僅易受主觀因素的影響，而且可能會繪被測表面帶來新的劃傷。金屬板表面自動探傷系統利用機器視覺技術對金屬表面缺陷進行自動檢查，在生產過程中高速、準確地進行檢測，同時由於採用非接角式測量，避免了產生新劃傷的可能。其工作原理圖如圖8-6所示；在此系統中，採用雷射器作為光源，通過針孔濾波器濾除雷射束周圍的雜散光，擴束鏡和準直鏡使雷射束變為平行光並以45度的入射角均勻照明被檢查的金屬板表面。金屬板放在檢驗台上。檢驗台可在X、Y、Z三個方向上移動，攝像機採用TCD142D型2048線陳CCD，鏡頭採用普通照相機鏡頭。CCD接口電路採用單片機系統。主機PC機主要完成圖像預處理及缺陷的分類或劃痕的深度運算等，並可將檢測到的缺陷或劃痕圖像在顯示器上顯示。CCD接口電路和PC機之間通過RS-232口進行雙向通訊，結合異步A/D轉換方式，構成人機互動式的數據採集與處理。
該系統主要利用線陣CCD的自掃描特性與被檢查鋼板X方向的移動相結合，取得金屬板表面的三維圖像信息。
⒊ 汽車車身檢測系統
英國ROVER汽車公司800系列汽車車身輪廓尺寸精度的100%線上檢測，是機器視覺系統用於工業檢測中的一個較為典型的例子，該系統由62個測量單元組成，每個測量單元包括一台雷射器和一個CCD攝像機，用以檢測車身外殼上288個測量點。汽車車身置於測量框架下，通過軟體校準車身的精確位置。
測量單元的校準將會影響檢測精度，因而受到特別重視。每個雷射器/攝像機單元均在離線狀態下經過校準。同時還有一個在離線狀態下用三坐標測量機校準過的校準裝置，可對攝像頂進行線上校準。
檢測系統以每40秒檢測一個車身的速度，檢測三種類型的車身。系統將檢測結果與人、從CAD模型中撮出來的合格尺寸相比較，測量精度為±0.1mm。 ROVER的質量檢測人員用該系統來判別關鍵部分的尺寸一致性，如車身整體外型、門、玻璃視窗等。實踐證明，該系統是成功的，並將用於ROVER公司其它系統列汽車的車身檢測。
⒋ 紙幣印刷質量檢測系統：
該系統利用圖像處理技術，通過對紙幣生產流水線上的紙幣20多項特徵（號碼、盲文、顏色、圖案等）進行比較分析，檢測紙幣的質量，替代傳統的人眼辨別的方法。
⒌ 智慧型交通管理系統：
通過在交通要道放置攝像頭，當有違章車輛（如闖紅燈）時，攝像頭將車輛的牌照拍攝下來，傳輸給中央管理系統，系統利用圖像處理技術，對拍攝的圖片進行分析，提取出車牌號，存儲在資料庫中，可以供管理人員進行檢索。
⒍金相分析：
金相圖象分析系統能對金屬或其它材料的基體組織、雜質含量、組織成分等進行精確、客觀地分析，為產品質量提供可靠的依據。
⒎ 醫療圖像分析：
血液細胞自動分類計數、染色體分析、癌症細胞識別等。
⒏ 瓶裝啤酒生產流水線檢測系統：
可以檢測啤酒是否達到標準的容量、啤酒標籤是否完整
⒐ 大型工件平行度、垂直度測量儀：
採用雷射掃描與CCD探測系統的大型工件平行度、垂直度測量儀，它以穩定的準直雷射束為測量基線，配以迴轉軸系，旋轉五角標稜鏡掃出互相平行或垂直的基準平面，將其與被測大型工件的各面進行比較。在加工或安裝大型工件時，可用該認錯器測量面間的平行度及垂直度。
⒑ 螺紋鋼外形輪廓尺寸的探測器件：
以頻閃光作為照明光源，利用面陣和線陣CCD作為螺紋鋼外形輪廓尺寸的探測器件，實現熱軋螺紋鋼幾何參數線上測量的動態檢測系統。
⒒軸承實時監控：
視覺技術實時監控軸承的負載和溫度變化，消除過載和過熱的危險。將傳統上通過測量滾珠表面保證加工質量和安全操作的被動式測量變為主動式監控。
⒓ 金屬表面的裂紋測量：
用微波作為信號源，根據微波發生器發出不同波濤率的方波，測量金屬表面的裂紋，微波的波的頻率越高，可測的裂紋越狹小。
發展趨勢
機器視覺有如下的發展趨勢。
價格持續下降
目前，在我國機器視覺技術還不太成熟，主要靠進口國外整套系統，價格比較昂貴.隨著技術的進步和市場競爭的激烈，價格下降已成必然趨勢，這意味著機器視覺技術將逐漸被接受。
功能逐漸增多
更多功能的實現主要來自於計算能力的增強，更高解析度的感測器，更快的掃描率和軟體功能的提高，PC處理器的速度在得到穩步提升的同時，其價格也在下降，這推動了更快的匯流排的出現，而匯流排又反過來允許具有更多數據的更大圖像以更快的速度進行傳輸和處理。
產品小型化
產品的小型化趨勢讓這個行業能夠在更小的空間內包裝更多的部件，這意味著機器視覺產品變得更小，這樣他們就能夠在廠區所提供的有限空間內套用。例如在工業配件上LED 已經成為主導光源，它的小尺寸使成像參數的測定變得容易，他們的耐用性和穩定性非常適用於工廠設備。
集成產品增多
智慧型相機的發展預示了集成產品增多的趨勢，智慧型相機是在一個單獨的盒內集成了處理器、鏡頭、光源、輸入/輸出裝置及乙太網，電話和 PDA 推動了更快、更便宜的精簡指令集計算機(RISC)的發展，這使智慧型相機和嵌入式處理器的出現成為可能。同樣，現場可程式門列陣(FPGA)技術的進步為智慧型相機增添了計算功能，並為PC 機嵌入了處理器和高性能楨採集器，智慧型相機結合處理大多數計算任務的FPGA，DSP和微處理器則會更具有智慧型性。
前景展望
由於機器視覺系統可以快速獲取大量信息，而且易於自動處理，也易於同設計信息以及加工控制信息集成，因此，在現代自動化生產過程中，人們將機器視覺系統廣泛地用於工況監視、成品檢驗和質量控制等領域。
但是機器視覺技術比較複雜，最大的困難在於人的視覺機制尚不清楚。人可以用內省法描述對某一問題的解題過程，從而用計算機加以模擬。但儘管每一個正常人都是“視覺專家”，卻不可能用內省法來描述自己的視覺過程。因此建立機器視覺系統是十分困難的任務。
可以預計的是，隨著機器視覺技術自身的成熟和發展，它將在現代和未來製造企業中得到越來越廣泛的套用。
