随着自动化行业发展，机器视觉技术的应用已经十分广泛。例如在自动化制造行业中，用机器视觉测量、检测工件的各种尺寸参数，如长度、圆、角度量、弧线、区域等测量，应用十分普遍。

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、内外径，精度需达到10um。目前很多配置选择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、相机的选择

CMOS相机相对于CCD相机成本较低，但CMOS相机拍摄物体边缘时对比度较差，从而导致误差。不能在个地方为了节约成本，应选择CCD相机更为稳妥。

2、镜头的选取有误

普通镜头由于视角因素，拍摄到零部件内壁情况等，则软件处理时无法找到真实、准确的边缘轮廓。

3、光源的选择

我们都知道检测环境对光源的要求非常严格，光线的折射衍射等因素的影响，对图片的清晰度等也会造成较大的影响，因此，在选择光源是，不能只考虑普通的背光源。

除此之外，还有光照强度、曝光时间和增益、目标距离、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

有这么多的因素会导致机器视觉检测的误差，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误差吗？

检测系统的误差通常包括：机械误差、标定误差和分析误差三部分。那么，我们在建立检测系统的过程中，要在实际检测条件的基础上合理分配系统的误差。主要方法有：

1、简化机电系统运动步骤，提高机电系统的硬件精度；

2、采用较高精度标定算法和标定模板；

3、提高图像质量，尽量采用较小的物像比。

工业电脑作为机器视觉系统的重要组成部分之一，相当于人的大脑对系统获取的图像，做出正确判断。是实现工业的智能化、自动化的核心部件，对于系统的处理分析能力有着重要作用。