在检测行业，机器视觉与人类视觉相比具有明显的优势
1)精度高：人类视觉为64灰度级，小目标分辨率较弱；机器视觉可以显著提高灰度，同时观察微米级目标；
2)速度快：人类看不到快速移动的目标，机器的快门时间可以达到微秒级；
3)高稳定性：机器视觉解决了一个非常严重的人类问题，不稳定。人工目测是一个非常枯燥和辛苦的行业。无论你设计什么样的奖惩制度，漏检率都会比较高。但是机器视觉检测设备没有疲劳问题，也没有情绪波动。只要写在算法里，每次都会认真执行。大大提高质量控制效果的可控性。
4)信息集成与保留：机器视觉获取的信息量全面、可追溯，相关信息可以轻松集成和保留。
2
机器视觉技术近年来发展迅速
1)图像采集技术发展迅速
CCD、CMOS等固件越来越成熟，图像敏感器件尺寸不断缩小，像素数和数据率不断提高，分辨率和帧率的速度日新月异，产品系列越来越丰富。不断优化增益、快门、信噪比等参数，通过核心测试指标(MTF、畸变、信噪比、光源亮度、均匀性、色温、系统成像能力综合评价等)对光源、镜头、相机进行集成。(
2)图像处理和模式识别发展迅速
在图像处理中，随着图像高精度边缘信息的提取，许多原本混在背景噪声中难以直接检测的低对比度缺陷开始得到解决。
模式识别本身可以看作是一个标记过程，在一定的测量或观察的基础上将待识别的模式划分为自己的模式。图像识别主要采用决策理论和结构化方法。决策理论和方法的基础是决策函数，用于基于时序描述(如统计纹理)对模式向量进行分类识别；结构化方法的核心是将对象分解成模式或模式原语，不同的对象结构有不同的原语字符串(或字符串)。通过对未知对象使用给定的模式基元，得到编码边界和字符串，然后根据字符串判断其属。在特征生成方面，许多新算法不断出现，包括基于小波、小波包、分形和独立双成分分析的特征。还有支持向量机、变形模板匹配、线性和非线性分类器设计等。
