机器视觉处理多年来一直存在于卷积神经网络的应用中，这些算法能够从传感器的输入的数据提取有用的信息。对于场景的分析CNN是非常的，能够分辨出很多对象如汽车、人、动物、道路标志、道路交叉点、路边标志（物体），能够确定场景中的相关现实对象。所有这些操作都是实时的，只要传感器部分设置完成后，后续的融合/决策操作就会发生。无论是一个还是所有传感器（LIDAR（激光探测与测量）
工业自动化视觉检测
机器视觉处理多年来一直存在于卷积神经网络的应用中，这些算法能够从传感器的输入的数据提取有用的信息。对于场景的分析CNN是非常的，能够分辨出很多对象如汽车、人、动物、道路标志、道路交叉点、路边标志（物体），能够确定场景中的相关现实对象。所有这些操作都是实时的，只要传感器部分设置完成后，后续的融合/决策操作就会发生。无论是一个还是所有传感器（LIDAR（激光探测与测量）、雷达、摄像头、红外传感器）的输入数据有所改变，系统就会立刻做出i佳的决策。
众所周知，食品药品关系到人类的生命健康，如果因为药品的质量问题而对人的生命造成威胁，这将是一个大的灾难。因而各药品生产厂家，尤其是世界大厂对药品的整个生产过程甚至后段的包装都给予了非常大的重视。在食品药品的生产、包装过程中，无论是药品的泡罩包装、液体灌装，还是后段的压盖、贴标、喷码，以及后的装盒检测，机器视觉检测技术都可以发挥其强大的功能。
密封圈是各种机器中的的部件，一旦这个部件出问题，那么质量便得不到保障，哪怕是很细小的瑕疵也会造成严重的产量问题，因此在目前的生产过程中，每一个密封圈都需要人仔仔细细的进行分别甄选，这其中耗费的人力，时间成本很高，目前单外观检测工位就需要6个人来满足生产的需求，但是随着人工作时间的加长，视觉疲劳便会出现，漏检的情况便会发生，产品的得不到保障。基于以上问题，一台基于机器视觉的外观检测设备，就实现了密封圈外观尺寸、缺陷等检测功能。
伴随着现代工业自动化的发展，机器视觉检测被广泛应用到各种各样的检查、测量和零件识别，例如红外截止滤光片表面缺陷检测、汽车轮毂型号识别、磁性材料外观缺陷检测、产品包装上的条码和字符识别等，这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。随着经济水平的提高，机器视觉检测越来越受到重视。它可以提高合格产品的生产能力，在生产过程的早期就报废劣质产品，从而减少了浪费节约成本。但是，在视觉技术的应用开始于90年代，因为行业本身就属于新兴的领域，再加之机器视觉检测产品技术的普及不够，也是以后发展壮大的趋势。
（作者： 来源：）
