一个完整的如下:工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。图像采集部分按照事先设定的程序和延时，分别向摄像机和照明系统发出启动脉冲。摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。另一个启动脉冲打开灯光照明，灯光的开启时间应该与摄像机的曝光时间匹配。摄像机曝光后，式开始一帧图像的扫描和输出。图像采集部分接收模拟视频信号通过a/d将其数字化或者是直接接收摄像机数字化后的数字视频数据。图像采集部分将数字图像存放在处理器或计算机的内存中。处理器对图像进行处理、分析、识别，获得测量结果或逻辑控制值。处理结果控制流水线的动作、进行定位、纠正运动的误差等。机器视觉优势明显，准确度高。

创新的机器学习和深度学习过程可以确保更强大的识别率。由于人工智能的进步，公司可以从更高程度的自动化，更高的生产效率，更可靠的识别，以及更普遍的识别对象中受益。作为生产之眼，机器视觉软件已经成为该技术的基本要素，处理非结构化数据，例如数码图像和视频，仅通过其外部光学特征来识别物体。这种软件工作速度非常快，并且可以实现极高且可靠的识别率，因此可以在各行各业中用于各种任务，例如故障检查，工件定位和物体识别。

系统性价比值高，在保障质量的基础上，客户较为关心的莫过于价格问题。机器视觉技术不断升级本是件对客户有益的事，但如果只是一味的使用昂贵的部件，就会造成价格的大幅提升，对于大部分的用户来说，无疑增添了负担。性能好、价格低的系统才是能满足较基本需求，因此性价比是衡量一个系统的重要标志，也是客户选择产品较重要的指标之一。 中国是世界的制造工厂，目前全球几乎所有的知名企业都把生产工厂放在中国，机器作业代替人员操作已成为市场优胜劣汰的必然选择。机器视觉产业在中国有着非常广阔而光明的前景，也使中国机器视觉市场成为全球机器视觉企业的竞争焦点，因此我们要抓住时机，不断引进各项高新技术，促进行业的快速发展。

机器视觉技术是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。自起步发展至今，机器视觉已经有20多年的历史，其功能以及应用范围随着工业自动化的发展逐渐完善和推广，其中特别是目前的数字图像传感器、cmos和ccd摄像机、dsp、fpga、arm等嵌入式技术、图像处理和模式识别等技术的快速发展，大大地推动了机器视觉的发展。机器视觉就是利用机器代替人眼来作各种测量和判断。在生产线上，人来做此类测量和判断会因疲劳、个人之间的差异等产生误差和错误，但是机器却会不知疲倦地、稳定地进行下去。一般来说，机器视觉系统包括了照明系统、镜头、摄像系统和图像处理系统。对于每一个应用，我们都需要考虑系统的运行速度和图像的处理速度、使用彩色还是黑白摄像机、检测目标的尺寸还是检测目标有无缺陷、视场需要多大、分辨率需要多高、对比度需要多大等。从功能上来看，典型的机器视觉系统可以分为:图像采集部分、图像处理部分和运动控制部分。机器视觉软件已经成为该技术的基本要素。

分析和评估大型数据集，为了使识别过程更加稳健并且能够灵活适应网络化IIoT过程的要求，机器视觉软件开发人员开始使用人工智能（AI）领域的方法。深度学习是机器学习领域的一个方法，它使计算机能够通过卷积神经网络（CNN）等体系结构进行培训和学习。人工智能，机器学习和深度学习技术的特殊属性使它们能多方面分析和评估大量数据，以便训练许多不同的类，从而更有效地区分对象。这些数据越来越多地在IIoT内被创建。主要来源于数字图像信息，传感器，扫描仪和其他过程组件。来自人工智能（AI）领域的深度学习技术和卷积神经网络（CNN）等方法正在进入机器视觉，以帮助图像处理系统学习和区分缺陷并使识别过程更加精确。机器视觉系统与被检测对象无接触，安全可靠。

视是将外界信息经过成像来显现成数字信号反应给计算机，需求依托一整套的硬件处理计划，包括光源、相机、图像采集卡、视觉传感器等。觉则是计算机对数字信号停止处置和剖析，主要是软件算法。机器视觉在工业上应用范畴宽广，中心功用包括：丈量、检测、辨认、定位等。在检测行业，与人类视觉相比，机器视觉优势明显，准确度高：人类视觉是64灰度级，且对微小目的分辨力弱；机器视觉可明显进步灰度级，同时可观测微米级的目的；速度快：人类是无法看清快速运动的目的的，机器快门时间则可达微秒级别。稳定性高：机器视觉处理了人类一个十分严重的问题，不稳定，人工目检是劳动十分单调和辛劳的行业，无论你设计怎样的奖惩制度，都会发作比拟高的漏检率。信息的集成与留存：机器视觉取得的信息量是多方面且可追溯的，相关信息能够很便当的集成和留存。机器视觉还有诸多难点有待攻破，光源与成像：机器视觉中较好的成像是步，由于不同资料物体外表反光、折射等问题都会影响被测物体特征的提取，因而光源与成像能够说是机器视觉检测要攻克的个难关。比方如今玻璃、反光外表的划痕检测等，很多时分问题都卡在不同缺陷的集成成像上。