应用领域:合于曲面，表面凹凸，弧形表面检测，或金属、玻璃表面反光较强的物体表面检测。
机器视觉检测系统采用CCD照相机将被检测 的目标转换成图像信号，传送给的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格
机器视觉引导的质量
应用领域:合于曲面，表面凹凸，弧形表面检测，或金属、玻璃表面反光较强的物体表面检测。
机器视觉检测系统采用CCD照相机将被检测 的目标转换成图像信号，传送给的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能
镜头
FOV（Field Of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）镜头选择应注意：①焦距②目标高度 ③影像高度 ④放大倍数 ⑤影像至目标的距离 ⑥中心点 /节点 ⑦畸变
相机
按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD和面阵CCD；单色相机和彩色相机。
观点二：
在各种缺陷检测的应用中，打光是个难点。如果获得的图片让人看还要仔细斟酌才能给出结果，那么算法就太难做了。反之如果前期搞好打光，突出所要检测的特征，算法并不是困难的东西。
但是，注意这里有一个很严重的但是。我并不是说算法已经够好了，机器视觉和人类的差距还是非常巨大的！这里面差距就是智能。没错，智能相机距离智能两个字，还很远。主要体现在：对于非预期的缺陷的识别。
数据处理误差
图像算法是引起视觉测量误差的重要来源之一，其和图像质量共同决定着视觉测量的精度和稳定性。
玖瑞科技的LOOKSMART视觉测量系列专利算法保证了由数据处理而产生的误差较小，能够满足绝大部分客户的需求。
精度分析
视觉测量的精度是由硬件分辨力、标定精度、图像算法及测量条件来共同决定的。一般来说，测量条件是固定的，改善的空间有限，硬件分辨力和标定精度有较大的改善空间，但受制于技术条件、项目预算等主客观因素，在上述条件下如何取得符合条件的高清晰图像是课题，其是精度高低的50%因素。
（作者： 来源：）
