机器视觉的主要任务：通过图像分析，生成一组描述信息，用于图像中涉及的场景或物体。也就是说，机器视觉系统的输入是图像(或图像序列)，输出是对这些图像的感知描述。这组描述与这些图像中的对象或场景密切相关，机器视觉系统可以帮助机器完成指导机器人系统与周围环境交互的特定后续任务。举个例子：指导机器手臂按要求抓取传送带上的零件。零件的类型、位置和方向是任意的。当传送带上的零件通过上摄像头时，机器视觉系统可以通过机器视觉生成一组零件描述：类型、位置和方向，从而指导机器人手臂按要求抓取。

在现代自动化生产过程中，机器视觉逐渐取代了人工视觉，机器视觉系统特别是在工况检测、成品检验、质量控制等领域。随着工业4.随着0时代的到来，这一趋势不可逆转。机器视觉系统由不同的功能模块组成，因此机器视觉系统设计出一个成功的机器视觉系统对工程师的要求是很高的。机器视觉一般涵盖以下专业领域：1、电气工程：机器视觉系统中的硬件和软件设计。2、工程数学：图像处理技术的基础。3、物理:照明系统设计的基础。4、机械工程：机器视觉系统的应用。良好的机器视觉系统能更好地为制造业提供更多的技术支持，从而提高产品质量和生产效率。

常见的表面缺陷包括金属表面的划痕、孔、斑点、非金属表面的混合、损伤、污渍、纸张表面的色差、压痕、玻璃等。一般来说，机器视觉系统表面缺陷通常是物理和化学不均匀的局部区域。机器视觉系统产品的外观对企业的产品销售和质量非常重要，因此对企业非常重视。传统的表面缺陷检测方法是人工检测，但不准确，抽样率高，人员成本高，强度高，不利于产品质量控制。智能视觉表面缺陷检测系统可以在很大程度上克服上述缺陷，提高公司的生产效率和质量保证，从而提高市场竞争力。

精密量仪的工作行程必须根据工厂要测量的产品的尺寸来确定仪器的工作行程尺寸。机器视觉系统如果仪器的工作行程与测量的产品尺寸相比太小，则无法测量工件。如果太大，则为浪费（仪器的工作行程与销售价格直接相关）；精密仪表的精度标准是指工厂所需测量的产品的精度（每个仪器制造商的工厂标准和装配标准，甚至仪器的精度会不同）。如果工厂产品的测量精度要求不高，可以选择一般厂家的仪器。如果测量产品的精度要求较高，机器视觉系统则需要购买仪器精度高的厂家生产的相关仪器；

温度会影响LED光源的性能，随着LED温度上升，其亮度下降，这可以通过光源控制器来进行亮度输出补偿。由于需要良好的热设计，LED自身产生的热量也会加速老化甚至直接报废。机器视觉系统其他部件也会有相应的温度限值，比如工业控制器/嵌入式PC一般都能使用工业环境，但如果没有风扇，那么很可能PC也会报废。机器视觉系统除了选择好的硬件外，还应考虑被测物体本身对温度的敏感性，以保证视觉成像的稳定性。例如，金属物体对温度有热膨胀和冷收缩。因此，当测量这些物体时，长度和体积会发生变化。