基于DSP FPG技术实现嵌入式视觉检测，根据应用需求定制检测算法，实现紧凑化、分布式，组网式智能视觉测量，便于工业现场使用。应用场合包括：

（1）多目视觉三维形貌测量，如大尺寸变形监测等

（2）结构光三维扫描测量，如便携三维扫描测量仪等

（3）基于图像的外观缺陷、尺寸、颜色自动检测

（4）基于机器视觉的生产线自动检测和质量可控制。

　简洁、直观的图形界面是容易使用和设置的关键。当今机器视觉产品之间的主要区别在于它们的图形接口。接口应该从“设置”和“操作”这两方面来评价。对一个工程师来讲，它应该非常复杂，而对于一个操作者来说应非常简单。

视觉系统的分辨率是系统能分辨的较小特征。例如，“1的视觉范围(FOV)使用一个640x480像素的计算机图像将得到1/640的分辨率或0.00156”。2）速度快：人类是无法看清快速运动的目标的，机器快门时间则可达微秒级别。实际上，机器视觉算法具有亚像素的能力。也就是说，这些算法能够测量或得出比一个像素更小的单位。

那么，为什么一定要用到机器视觉呢?

1、机器视觉能够提高整个生产的速度，并且会减少整体的拒绝率。

2、自动检测能够在不利环境中实施，并且能够把检测到的信息记录下来用于后续统计分析。

3、需要人眼检测的地方，其检测结果依赖于操作者的疲劳度、责任心和经验等。

4、机器视觉能够实现产品在线100%的检测，便于系统集成。

5、机器视觉能够帮助提高用户对制造商产品的信心，并且增加销售量。

在机器视觉赖以普及发展的诸多因素中，有技术层面的，也有商业层面的，但制造业的需求是决定性的。制造业的发展，带来了对机器视觉需求的提升;也决定了机器视觉将由过去单纯的采集、分析、传递数据，判断动作，逐渐朝着开放性的方向发展，这一趋势也预示着机器视觉将与自动化更进一步的融合。整条包装线采用的机器人具备操作简单、安全、稳定、准确和可连续工作的特性，让月饼包装突破了常规的人工和时间局限，全力推动包装工序的快速进行。需求决产品，只有满足需求的产品才有生存的空间，这是不变的规律。机器视觉也是如此。

在机器视觉系统中，获得一张高质量的可处理的图像是至关重要。系统之所以成功，首先要保证图像质量好，特征明显。这样，机器视觉系统才能对产品图像进行精准分析。但其实这只是一个错觉，人类生理视觉有着天然的局限，只有投射到眼球中心视觉场景的中间部分，我们才能详细而色彩鲜明地看清楚。一个机器视觉项目之所以失败，大部分情况是由于图像质量不好，特征不明显引起的。要保证好的图像，必须要选择一个合适的光源。

那么机器视觉系统应用中视觉光源与目标颜色应该怎样进行搭配呢？

我们看到某个物体成某种颜色，是因为其反射了对应的光谱。即如果目标是红色的，如果是白色的光照射或者是红色的光照射，都有红色的光返回，那么在黑白相机中将会是白色的，如果是蓝色的光来拍摄，则没有红色的光可以反射，那么其将会是黑色的。基于机器视觉的嵌入式系统的逐步广泛应用,为智能机器人视觉控制系统的研究提供了一条新的思路，而且对于进一步提高嵌入式系统与智能机器人控制系统的研究和应用具有一定的战略意义。基于这样的理论，我们拍摄物体时，如果要将某种颜色打成白色，那么就得使用与此颜色相同或相似的光源（光的波长一样或接近），而如果要打成黑色，则需要选择与目标颜色波长差较大的光源。

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。主要原因是随着计算机技术和微电子技术的迅速发展，嵌入式系统应用领域越来越广泛，尤其是其具备低功耗技术的特点得到人们的重视。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、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。

可见，从应用技术划分，机器视觉是一门综合了模拟、数字电子、计算机、图像处理、传感器、机械工程、光源照明、光学成像等跨学科的前沿技术；从应用学科划分，机器视觉是一门涉及人工智能、***生物学、心理物理学、计算机科学、图像处理、模式识别等多个领域的交叉学科。针对传统的人工密集型检测模式，机器视觉系统可代替大量的检测工人，将“人眼 简单工具”的检测模式升级为高精度快速的自动检测结果。