随着自动化行业的飞速发展，现如今机器视觉技术的应用现已十分广泛。例如在自动化制造行业中，用机器视觉检测尺寸、检测工件的各种尺度参数，如长度、圆、角度量、弧线、区域等丈量，应用十分遍及。

机器视觉检测成本低、精度高，加上功能强大的视觉软件，能快速发现和解决问题，在制造业有着举足轻重的地位。

但在某些检测项目里，有些客户遇到了检测难题。例如：检测零件尺寸、暗裂、内外径，精度需达到10um。现在许多装备挑选500万的相机，理论上可以到10u，但实际能做到30u就很不错了。

为什么会这样呢？主要原因如下：

1、相机的挑选

CMOS相机相关于CCD相机成本较低，但CMOS相机拍照物体边缘时对比度较差，从而导致差错。不能在个当地为了节约成本，应挑选CCD相机更为稳妥。

2、镜头的选取有误

一般镜头由于视角要素，拍照到零部件内壁情况等，则软件处理时无法找到真实、准确的边缘概括。

3、光源的挑选

我们都知道检测环境对光源的要求十分严厉，光线的折射衍射等要素的影响，对图片的清晰度等也会造成较大的影响，因此，在挑选光源是，不能只考虑一般的背光源。

除此之外，还有光照强度、曝光时间和增益、方针距离、焦距、光照方向、采样率、暗漏电流 、分辨率（像素数量）等也会影响检测的精准度

有这么多的要素会导致机器视觉检测的差错，那是不是就不能用机器视觉检测了呢？有什么方式才能控制或者避免这些差错吗？

检测体系的差错通常包括：机械差错、标定差错和分析差错三部分。那么，我们在建立检测体系的过程中，要在实际检测条件的基础上合理分配体系的差错。主要办法有：

1、简化机电体系运动过程，进步机电体系的硬件精度；

2、选用较高精度标定算法和标定模板；

3、进步图画质量，尽量选用较小的物像比。

工业电脑作为机器视觉系统的重要组成部分之一，相当于人的大脑对体系获取的图画，做出正确判别。是完成工业的智能化、自动化的核心部件，关于体系的处理分析能力有着重要作用。