机器视觉本质上是一个系统（例如一台计算机）查看的能力。系统通过该能力分析图像，然后作出决策或进行分类。机器视觉技术可以实现产品自动检验、面部识别以及防碰撞技术。机器视觉技术无处不在，批量生产 - 从视频到半导体再到纺织品 - 依赖机器视觉来引导自动化和产品质量检查。

机器视觉工业相机的运行必须全天、每天、多年都保持可靠性，即便是处于可能存在持续振动的恶劣环境中。下面是其工作的典型场景：工业相机根据外部信号立即触发图像捕捉，并发送信号触发光照乃至其他工业相机。图像分析软件随后触发机器动作，例如：拒绝不良部件、整理包装、分析样品或引导机器人。

图像处理流程

机器视觉系统组成

机器视觉系统拥有多种操控和创建某一特定类型图像的功能。机器视觉中的基础和高级功能包括：

• 限定在小范围视野并忽略其他场景的能力

• 自动颜色纠正

• 将图像与其他传感器读数相同步的时间戳

• 通过其他硬件设备的信号同步图像捕获

• 同步多个摄像头捕获的图像

• 通过内部软件开发套件精确控制摄像头配置

• 轻松集成到第三方机器视觉软件

机器视觉让电子和机械系统将视觉信息转化，为决策开发人员可以进一步通过此步骤，利用深度学习快速完成复杂且主观决策的自动化。深度学习通过神经网络区分重要异常和自然变化，模仿人类大脑处理数据。这将有助于分析更复杂的模式、加快系统开发、提高交付产品质量并增强生产力的能力。

深度学习系统一般需要单独的摄像头和计算机系统。而 FLIR Neuro Technology 使您可以直接部署经过训练的神经网络到摄像头。许多情况下，无需主机 PC 直接在摄像头上做出决策，因此可以降低系统成本和复杂性。