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
视觉引导焊接
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。
随着动物的进化，出现了杯状或是囊状光感受器并具有晶状体，可使光线聚焦。环节动物、软体动物以及节肢动物常有纽扣状的眼或是凸出的。这类光感受器由许多叫做个眼的结构排列在体表隆起之上构成，仍位于小囊之内。小眼中的光感受细胞为色素所包围，光线只能由一个方向进入小眼，故而能感受光的方向。这种视觉器宫在进化过程中，在不同种类的动物表现为特定的型式，如昆虫的复眼。脊椎动物的视觉系统通常包括，相关的神经通路和神经，以及为实现其功能所必须的各种附属系统。这些附属系统主要包括：眼外肌，可使眼球在各方向上运动；眼的屈光系统（、晶体等），保证外界物体在上形成清晰的图像。
随着科技日新月异的发展，机器视觉慢慢的被人所熟悉，那么今天我们来讨论下用工业相机和分析软件作为主体组成的机器视觉检测系统是否能取代人工目视检测？如果能，你认为可应用的范围有哪些？如果不能，你认为缺少什么条件，难度在哪里？
观点一：
替代？只能说可以替代一部份吧，目前中小型企业生存空间有限，自动化升级需要资金、人才，由于各种局限性，不愿意投入大量资金，所以机器视觉检测还是在实力雄厚的大型企业里才会出现。 目前人工成本，企业也在高成本运营，资金压力大，除非是必须要买，不然都将就着过着。
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。
（作者： 来源：）
