机器视觉检测对比人工检测，它的优势主要有以下几点：

　　1、数字化：机器视觉工作期间生成的所有测量数据都可以***或通过网络连接出来，便于生产过程统计和分析。同时，您可以导出的测量数据并在测量后生成报告，而无需一个个地手动添加，这无疑比手动检测的数据统计要好得多。

　　2、信息集成：机器视觉可以通过多站测量方法一次测量多个技术参数，例如要检测的产品的轮廓，尺寸，外观缺陷和产品高度。当人工检测面临不同的检测内容时，只能通过多工位的协调与配合才能完成，而且不同的员工具有不同的检测标准，极易发生漏检。

机器视觉之颜色检测视觉检测硬件构成的基本部分包括：处理器，相机，镜头，光源。其中，和光源相关的的两个参数就是光源颜色和光源形状。

一，什么是颜色?

颜色是通过眼、脑和我们的生活经验所产生的一种对光的视觉效应，我们肉眼所见到的光线，是由波长范围很窄的电磁波产生的，不同波长的电磁波表现为不同的颜色，对色彩的辨认是肉眼受到电磁波辐射能刺激后所引起的一种视觉***的感觉。

颜色具有三个特性，即色相、饱和度和明亮度。

简单讲就是光线照到物体，反射到眼中的部分被大脑感知，引起的一种感觉。通过色相(Hue)、饱和度(Saturation)和明亮度(Value)来表示，即我们常说的HSV。

当然，颜色有不止一种表示方法，RGB三原色也是另外一种表示方法。但是对人类直观感受的方式是HSV。

机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯兹关于理解多面体组成的积木世界研究开始的。当时运用的预处理、边缘检测、轮廓线构成、对象建模、匹配等技术，后来一直在机器视觉中应用。罗伯兹在图像分析过程中，采用了自底向上的方法。用边缘检测技术来确定轮廓线，用区域分析技术将图像划分为由灰度相近的像素组成的区域，这些技术统称为图像分割。其目的在于用轮廓线和区域对所分析的图像进行描述，以便同机内存储的模型进行比较匹配。实践表明，只用自底向上的分析太困难，必须同时采用自顶向下，即把目标分为若干子目标的分析方法，运用启发式知识对对象进行预测。这同言语理解中采用的自底向上和自顶向下相结合的方法是一致的。在图像理解研究中，A.古兹曼提出运用启发式知识，表明用符号过程来解释轮廓画的方法不必求助于诸如二乘法匹配之类的数值计算程序。70年代，机器视觉形成几个重要研究分支：①目标制导的图像处理；②图像处理和分析的并行算法；③从二维图像提取三维信息；④序列图像分析和运动参量求值；⑤视觉知识的表示；⑥视觉系统的知识库等。


检测系统主要功能编辑字符检测系统的主要功能有：检测字符的有无、完整性及正确与否检测字符表面污渍判定被检物体位置及方向自动对检测物体***（旋转及位置校正）自动校正字符整体偏移可实现在线动态检测，被检物体无需停留检测精度可调在线检测速度≥300个/分钟系统检测到质量问题时，提供警示、剔除或其它控制信号系统有自学习功能，且学习过程操作简单系统具备局域网间通讯功能