机器视觉简单说就是用摄像头、光源、算法这套软硬件组合，代替人眼完成拍照、测量、识别、缺陷检测、定位分拣的技术，属于人工智能的一个分支，人眼容易疲劳、标准不稳定、微小缺陷很难看清，而机器视觉可以持续高速工作，精度稳定，还能识别红外、紫外这些人眼看不到的光谱信息，把画面转成数字信号交给算法提取特征，输出合格不合格、位置坐标、尺寸数值、类别信息，再传给 PLC 或者机器人执行动作，现在工业产线、自动驾驶、扫码支付、安防摄像头、医疗影像里面都在用机器视觉，也是智能制造里面最常用的感知方案。
一、机器视觉一套系统由哪些部分组成
- 光源：打光，突出需要检测的特征，减少反光、阴影干扰，有环形光源、条形光源、同轴光源等
- 镜头：对焦，控制视野和放大倍率，常用远心镜头、定焦镜头、变焦镜头
- 相机：CCD 或者 CMOS 传感器，把光信号变成数字图像，分面阵相机、线扫相机、智能相机
- 图像采集卡（可选）：把相机图像传到电脑 / 工控机
- 视觉软件 / 算法：图像预处理、找边缘、提取特征、深度学习缺陷识别
- 控制和执行单元：工控机、PLC、机器人、气缸，根据结果做分拣、剔除、对位
二、机器视觉完整工作流程
- 光源打光，相机拍摄目标物体，得到原始图像
- 图像传输到视觉软件，做降噪、对比度调整等预处理
- 算法提取特征：边缘、尺寸、颜色、纹理、二维码、缺陷斑点
- 和标准模板、阈值对比，输出判断结果：OK/NG、坐标、长度、类别
- 信号下发给 PLC、机器人，执行分拣、剔除、定位、焊接、扫码动作
三、机器视觉和计算机视觉的区别对照表
| 项目 | 机器视觉 | 计算机视觉 |
|---|---|---|
| 侧重点 | 偏向工业落地、自动化产线、稳定检测 | 偏向科研、通用图像理解，比如图片分类、大模型识图 |
| 实时性要求 | 高，匹配产线节拍，毫秒级出结果 | 弹性更大，很多场景不强制高速 |
| 环境要求 | 固定工位、可控光源，环境稳定 | 场景复杂，光照、角度多变 |
| 输出结果 | 给设备控制指令，直接驱动自动化动作 | 理解画面内容，输出标签、描述 |
四、主流应用场景清单
✅ 工业制造：PCB 板检测、零件尺寸测量、外观划痕缺陷检测、螺丝有无检测、产品分拣
✅ 汽车行业：车身漆面检测、零部件装配校验、焊缝检测
✅ 食品医药：药片缺粒检测、包装标签识别、异物检测、瓶盖密封性检查
✅ 物流零售：快递面单 OCR 识别、二维码扫码、商品识别、称重扫码一体机
✅ 安防交通：车牌识别、行人检测、闯红灯抓拍
✅ 机器人：拆垛、无序抓取、视觉引导定位
✅ 医疗：CT、X 光影像辅助筛查、病理切片识别
五、机器视觉对比人眼的优势
- 长时间连续工作，不会疲劳，一致性稳定
- 精度更高，可以微米级测量，看清人眼很难分辨的微小瑕疵
- 可以识别红外、紫外等非可见光，黑夜、特殊检测场景可用
- 速度快，适配高速流水线，一秒检测几十个工件
- 适合高危、粉尘、强辐射等不适合人进入的环境
六、常见局限
机器视觉很依赖光源和稳定环境，光照一变，检测效果容易波动；复杂无规则缺陷，传统算法很难识别，需要深度学习样本训练；透明、高反光物体检测难度高；前期方案调试、光源选型需要经验，不是装上相机就能直接用。
【相关 FAQ】
问题 1：机器视觉是什么，机器视觉主要用来干什么？
回答 1：机器视觉就是给机器装上视觉感知系统，代替人眼完成拍照识别、尺寸测量、缺陷检测、定位分拣，把图像转换成数字信号，由算法判断并驱动自动化设备动作。
问题 2：机器视觉和计算机视觉是一回事吗？
回答 2：机器视觉偏向工业自动化落地，强调稳定、高速、对接产线；计算机视觉范围更广，偏向通用图像理解，二者技术同源，但是落地目标和约束不一样。
问题 3：一套完整的机器视觉系统，必须包含哪些硬件？
回答 3：一套完整机器视觉系统核心硬件包含光源、镜头、相机，搭配工控机或者智能相机，再配合视觉软件、PLC、机器人等执行机构。
问题 4：机器视觉在工业上一般怎么判断产品好坏？
回答 4：机器视觉拍摄产品图片，算法提取尺寸、纹理、斑点等特征，和提前设置好的标准模板对比，输出 OK 合格或者 NG 不合格信号，控制机构剔除不良品。
【参考资料】
[2026-10-12]（机器视觉入门科普：原理、组成、应用全解析）视觉系统设计
[2026-08-25]（一文看懂机器视觉与计算机视觉的区别）OFweek 机器视觉网
[2025-10-25]（从 “看见” 到 “看懂”，机器视觉如何开启新 “视” 界）科普中国网
[2025-06-10]（机器视觉系统基础构成与选型指南）清华大学出版社智能制造丛书
【免责声明】
本文仅为机器视觉科普内容，不构成视觉方案选型、光源相机采购建议；实际项目检测效果受光源、镜头、算法、现场环境影响，工业项目需要样品测试验证。