机器视觉系统主要使计算机能够识别和评估图像。它类似于语音识别技术，但使用图像代替,狭小空间提供紧凑的外形尺寸，为快速移动的生产线提供高速成像，并为详细检查提供高分辨率。

机器视觉系统通常由数码相机以及后端图像处理硬件和软件组成。前端的摄像头从环境或聚焦对象捕获图像，然后将其发送到处理系统。根据MVS的设计或需要，可以对捕获的图像进行相应的存储或处理。

关于机器视觉系统的了解

机器视觉系统有两种主要形式：

1、内置视觉算法的智能相机，能够执行简单的推理任务。

2、基于PC的系统，可以是视觉控制箱，工业PC或具有加速器和视觉分析软件选件的视觉服务器。

近代的智能相机为机器视觉应用提供紧凑的基本计算节点。它们具有与基于PC的系统相媲美的处理速度，同时提供了灵活，便捷的配置和设置。

基于PC的视觉系统由具有操作系统的PC和一个或多个摄像头组成。PC中的图像采集卡或以太网卡与相机接口以导入图像。PC上的软件应用程序分析图像，可以根据数据做出判断和决策，并将该决策数据（例如质量通过或失败信息）发送到其他系统。

任何视觉系统的两个重要指标是灵敏度和分辨率。灵敏度是机器在昏暗的光线下看到或检测不可见波长处的弱脉冲的能力。分辨率是机器可以区分对象的程度。通常，分辨率越好，视野越受限。灵敏度和分辨率是相互依赖的。所有其他因素保持不变，提高灵敏度会降低分辨率，而提高分辨率会降低灵敏度。

机器视觉系统的集成过程

从根本上说，“系统集成”是将各种不同的组件和子系统组合在一起并使它们作为单个统一系统运行的过程。成功集成的步骤，阶段和术语相差很大。

对于机器视觉中的整个系统集成过程，步骤可能包括：

第1部分–准备：初步分析和项目需求规范。

第2部分–设计：详细的优异技术/系统规范。

第3部分–实施：组装/构建/初始测试

第4部分–部署：交付/安装/启动和验收测试。

机器视觉的制造及用途

机器视觉被用于各种用例中，这些用例为制造商带来业务价值。例如，用于质量保证的视觉应用程序可以将近实时图像处理带到工厂车间，以主动检测制造商生产线上的机械异常情况。这样可以简化质量保证流程，较大地减少停机时间和缺陷，并提高生产线速度。

机器视觉的应用在很大程度上取决于行业和生产环境，其中一些典型的应用包括：子组件的结尾检查、发动机零件检查产品标签检、验检查医疗设备是否有缺陷、机器人指导、检查激光标记和切割、食品以及医疗瓶包装检查等等