0世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的***元时发现其独特的网络结构可以有效地降低反馈***网络的复杂性，继而提出了卷积***网络(CNN) 。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。实质上，CNN就是通过模仿细胞视觉信息的处理过程而构建的多层Hubel-Wiesel结构 。

CNN和普通的***网络具有许多相似之处，它们都是模仿人类***的结构，由具有可学习的权重和偏置常数的***元组成。每一个***元可以接收输入信号，经过运算后输出每一个分类的分数。但是，CNN的输入一般是图像，卷积网络通过一系列方法，成功将数据量庞大的图像识别问题不断降维，终使其能够被训练。CNN利用该特点，把***元设计成具有三个维度：。

机器视觉的视力为何如此之强？关键在于芯片，核心是将一些特定图像算法用芯片方式实现，同时融入了深度学习和***网络算法。

机器视觉原理——图像处理和算法

机器视觉或称计算机视觉是用一个可以代替人眼的光学装置和传感器来对客观世界三维场景进行感知，即获取物体的数字图像，机器自学习识别缺陷检测设备，利用计算机或者芯片，结合专门应用软件来模拟人脑的判断准则而对所获取的数字图像进行测量和判断。该技术已广泛用于实际的测量、控制和检测中，非标定制高速视觉检测设备，随着芯片技术发展，检测设备，在人工智能各个领域应用也逐步展开。

一个典型的工业机器视觉系统包括：光源、镜头、相机 (包括CCD相机和COMS相机)、图像处理单元 (或机器视觉芯片)、图像处理软件、监视器、通讯、输入输出单元等。系统可再分为主端电脑、影像采集与影像处理器、影像摄影机、TV镜头、显微镜头、照明设备、Halogen光源、LED光源、高周波萤光灯源、闪光灯源、其他特殊光源、影像显示器、LCD、机构及控制系统、控制器、精密桌台、伺服运动机台。

在机器视觉体系中，取得一张高质量的可处置的图画是至关重要。视觉体系之所以成功，首先要确保图画质量好，特征显着。一个机器视觉项目之所以失利，大多数状况是因为图画质量欠好，深度学习型自动化检测设备，特征不显着导致的。要确保好的图画，必需求挑选一个适宜的光源。

　　光源选型基本要素：

　　对比度：对比度对机器视觉来说十分重要。机器视觉使用的照明的重要的使命即是使需求被调查的特征与需求被疏忽的图画特征之间发作大的对比度，然后易于特征的差异。对比度界说为在特征与其周围的区域之间有满足的灰衡量差异。好的照明大概可以确保需求检测的特征突出于其他布景。

非标定制高速视觉检测设备-CCD机器视觉检测-检测设备由上海迈迅威视觉科技有限公司提供。行路致远，砥砺前行。上海迈迅威视觉科技有限公司（www.mxw-vision.com）致力成为与您共赢、共生、共同前行的战略伙伴，更矢志成为行业专用设备具影响力的企业，与您一起飞跃，共同成功!同时本公司（www.mxwvision.com）还是从事光学筛选机，CCD视觉影像检测，外观缺陷检测设备的厂家，欢迎来电咨询。