机器视觉检测的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。典型结构编辑一个典型的机器视觉系统包括以下三大块：照明照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到效果。


亮度：当选择两种光源的时候，的选择是选择更亮的那个。当光源不够亮时，可能有三种不好的情况会出现。，相机的信噪比不够；由于光源的亮度不够，图像的对比度必然不够，在图像上出现噪声的可能性也随即增大。其次，光源的亮度不够，必然要加大光圈，从而减小了景深。另外，当光源的亮度不够的时候，自然光等随机光对系统的影响会。鲁棒性：另一个测试好光源的方法是看光源是否对部件的位置敏感度。当光源放置在摄像头视野的不同区域或不同角度时，结果图像应该不会随之变化。

需要准备大量的基础数据，来为机器学习提供素材，良品的照片可能比较容易准备，而不良品的判断可以通过结合实物或者通过对良品的分析自主判断。和传统的计算机算法不同，机器学习本质上人类是无法清楚获悉机器学习的具体方式的，人类只是建立一个训练模型，提供素材，剩下的就让机器自行学习，人类在学习过程中根据结果情况对学习模型进行修改与调校。