当前，工业自动化程度越来越高，对产品的检测也提出了更高要求，因此机器视觉设备开始进入飞速发展阶段。机器视觉是人工智能正在快速发展的一个分支，简单而言，机器视觉就是用机器代替人眼来做测量和判断。机器视觉对比人工检测有着强大的优势，同创仪器拥有13年机器视觉研发生产经验，将主要针对机器视觉的功能及优势进行简单分析。尺寸测量无论是在产品的生产过程中，还是产品生产完成后的质量检验中都是必不可少的步骤，而机器视觉在尺寸测量方面有其独特的技术优势。

机器视觉的应用及功能：

1、识别功能：机器视觉可用于对一维码及二维码光学字符的识别与确认、颜色及形状的识别等；

2、缺陷检测：机器视觉可以用于对产品表面进行精密检测，包括目标方向及位置检测，产品表面的压伤、破损、刮伤、脏污检测，印刷表面的瑕疵检测等；

3、产品测量：机器视觉可以在非接触情况下，对产品尺寸进行精密测量，以确定产品外观尺寸方面的误差；

4、视觉定位：机器视觉采用先进的图像视觉检测技术，对高速运动的工业产品进行实时的视觉定位分析，此功能主要用于自动装配及生产；

5、机器人引导：当前工业机器人已经大范围应用于自动化流水线中，机器人在操作过程中，需要通过机器视觉系统实时了解工作环境的变化，相应调整动作以保证任务的正确完成；

图像的分割

图像分割是将图像分成若干部分，每一部分对应于某一物体表面，在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量。某本质是将像素进行分类。分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。图像分割是图像处理技术的基本方法之一，应用于诸如染色体分类、景物理解系统、机器视觉等方面。图像的分割图像分割是将图像分成若干部分，每一部分对应于某一物体表面，在进行分割时，每一部分的灰度或纹理符合某一种均匀测度度量。

图像分割主要有两种方法：一是鉴于度量空间的灰度阈值分割法。它是根据图像灰度直方图来决定图像空间域像素聚类。但它只利用了图像灰度特征，并没有利用图像中的其它有用信息，使得分割结果对噪声十分敏感；二是空间域区域增长分割方法。它是对在某种意义上（如灰度级、组织、梯度等）具有相似性质的像素连通集构成分割区域，该方法有很好的分割效果，但缺点是运算复杂，处理速度慢。其它的方法如边缘踪法，主要着眼于保持边缘性质，跟踪边缘并形成闭合轮廓，将目标分割出来；这些细分领域的投资者，大多都具有自身技术优势，并将为各类场景提供应用解决方案来盈利。锥体图像数据结构法和标记松弛迭代法同样是利用像素空间分布关系，将边邻的像素作合理的归并。而基于知识的分割方法则是利用景物的先验信息和统计特性，首先对图像进行初始分割，抽取区域特征，然后利用领域知识推导区域的解释，后根据解释对区域进行合并。

两种常用的物体照明方式是暗场照明和亮场照明。暗场照明从较低角度照明物体，在一个非常平滑如镜面般的物体表面上，反射的光将超出视觉检测设备的视场范围。这样的话，物体表面将呈现黑色，而通过视觉检测设备到的物体表面发光的部分，就对应着表面的缺陷或者划痕。而两场照明是与暗场照明相反，亮场照明是在成像物体上方打光，因此物体反射的光将会处于视觉检测设备的视场范围中。随着现代工业自动化技术日趋成熟，越来越多的制造企业考虑如何采用机器视觉，取代人工来帮助生产线实现检查、测量和自动识别等功能，以提率并降低成本，从而实现生产效率的较大化。

以及 检验处理器，用于显示编写步骤的指导，自动从对应于由用户输入或选择的对象的类别的标准检验流中选择一标准检验流，从算法存储器中读出至少一种图像处理算法，从对应于用户的选择的标准检验流存储器中读出至少一个检验参数，利用该检验标准检验流、图像处理算法和检验参数编写一个临时视觉检验程序，根据该临时视觉检验程序处理有缺陷单元和无缺陷单元的样本图像数据，执行视觉检验来利用所处理的数据检验关于每一样本图像数据的对象的外观是否有缺陷，在显示单元的监视器显示装置上显示样本图像数据的视觉检验结果，询问用户该临时视觉检验程序是否合适，当用户判定该临时视觉检验程序合适时，输出该临时视觉检验程序作为终视觉检验程序。机器视觉技术在中国工业产品质量检测领域的应用已经越来越广泛，尤其是在产品的尺寸测量与外观缺陷检测上，这一技术已经挑起了大梁。