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
机器视觉引导的质量
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。
够给我们客户的运营提供增值的产品与解决方案，让工业生产变的更智能更简单！
助力客户：、增值始终是我们努力的方向。我们不仅致力于满足许多制造与研究行业客户现在的需求，同时致力于预见市场的未来发展，为客户提供更加长远的改善方案。
在智能智造领域我们的方案广泛应用于3C产业（手机零部件、笔记本电脑、电子、半导体等），汽车电子及零部件，新能源动力电池行业、机械加工工序检测、电工电气检测、、、刑侦等领域
其中相机的分辨率和帧率主要根据检测精度和检测速度来选择，通过计算检测物体的视场大小与相机与被测物之间的距离决定合适的分辨率，考虑被测物体的运动速度与检测精度要求选择相机的帧率。
对于镜头，轴承缺陷检测主要需要根据相机的极限分辨率来选取对应的镜头分辨率，选择大于相机极限分辨率的相机即可，还需要根据工作距离与视野计算镜头的焦距，并根据被测物体与相机的距离变化选用合适的景深。在测量下，要保证测量精度，除以上参数的正确选择之外，可以选择几何畸变相对于普通镜头小的远心镜头，远心镜头不仅几何畸变较小，还能减小物体距离变化带来的误差。
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：）
