机器视觉技术是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、图像处理模块、判断决策模块和机械控制执行模块。
基本构造
机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
机器视觉系统的特点是：非接触测量，对于观测者与被观测者都不会产生任何损伤，从而提高系统的可靠性；具有较宽的光谱响应范围，例如使用人眼看不见的红外测量，扩展了人眼的视觉范围；长时间稳定工作，人类难以长时间对同一对象进行观察，而机器视觉则可以长时间地作测量、分析和识别任务。
机器视觉和人工智能有什么区别
机器视觉和人工智能是两个不同的概念，但之间有一定的联系和交叉。
机器视觉是利用计算机和摄像机等设备分析和解读图像与视频内容的技术。主要工作原理是将图像或视频转化为数字信号，通过算法对图像和视觉内容进行处理和分析，识别出其中的目标物体、形状和颜色等特征，并进行相应的决策。机器视觉技术主要侧重于从图像和视频中提取和分析信息，以实现具体的功能和任务。通常被应用于无人驾驶、智能安防、医疗诊断等领域，需要对大量的图像和视频数据进行处理，提取出有用的信息，从而实现对现实世界的认知和控制。
人工智能则是制造智能机器和软件的技术，其领域包括机器学习、计算机视觉、语音识别和自然语言处理等。人工智能的主要目标是让机器能够像人类一样思考和决策，具有自主学习和适应环境的能力。在人工智能中，机器视觉作为一个重要的子领域，通过图像识别技术来实现对图像和视频的自动分析和理解，为人工智能系统提供了重要的感知能力。
可以说机器视觉是人工智能的一个重要组成部分，是实现人工智能目标的重要手段。虽然机器视觉和人工智能在定义和目标上有所不同，但之间有很多交叉和互补的地方，相互促进、相互依存。随着技术的不断发展，机器视觉和人工智能将会在更多领域得到应用和发展。
审核编辑：黄飞
