机器视觉用边缘检测技术来确定轮廓线，用区域分析技术将图像划分为由灰度相近的像素组成的区域，这些技术统称为图像分割。其目的在于用轮廓线和区域对所分析的图像进行描述，以便同机内存储的模型进行比较匹配。实践表明，只用自底向上的分析太困难，必须同时采用自顶向下，即把目标分为若干子目标的分析方法，运用启发式知识对对象进行预测。这同言语理解中采用的自底向上和自顶向下相结合的方法是一致的。在图像理解研究中，A.古兹曼提出运用启发式知识，表明用符号过程来解释轮廓画的方法不必求助于诸如极小二乘法匹配之类的数值计算程序。装配工艺检测：检测范围:部件位置、尺寸、物体外沿、字符读取及校验、支脚、外观等检测。机器视觉生产厂家
机器视觉产品小型化；产品的小型化趋势让这个行业能够在更小的空间内包装更多的部件，这意味着机器视觉产品变得更小，这样他们就能够在厂区所提供的有限空间内应用。例如在工业配件上LED已经成为主导光源，它的小尺寸使成像参数的测定变得容易，他们的耐用性和稳定性非常适用于工厂设备。机器视觉集成产品增多；智能相机的发展预示了集成产品增多的趋势，智能相机是在一个单独的盒内集成了处理器、镜头、光源、输入/输出装置及以太网，电话和PDA推动了更快、更便宜的精简指令集计算机(RISC)的发展，这使智能相机和嵌入式处理器的出现成为可能。同样，现场可编程门列阵(FPGA)技术的进步为智能相机增添了计算功能，并为PC机嵌入了处理器和高性能桢采集器，智能相机结合处理大多数计算任务的FPGA，DSP和微处理器则会更具有智能性。机器视觉机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号。
机器视觉高速相机：按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高的分辨率相机：按成像色彩划分，可分为彩色相机和黑白相机；按分辨率划分，像素数在38万以下的为普通型，像素数在38万以上的高的分辨率型；按光敏面尺寸大小划分，可分为1/4、1/3、1/2、1英寸相机；按扫描方式划分，可分为行扫描相机（线阵相机）和面扫描相机（面阵相机）两种方式；（面扫描相机又可分为隔行扫描相机和逐行扫描相机）；按同步方式划分，可分为普通相机（内同步）和具有外同步功能的相机等。
应用程序把返回的结果存入数据库或用户指定的位置，并根据结果控制机械部分做相应的运动。根据识别的结果，存入数据库进行信息管理。以后可以随时对信息进行检索查询，管理者可以获知某段时间内流水线的忙闲，为下一步的工作作出安排；可以获知内布匹的质量情况等等。而在中国，视觉技术的应用开始于90年代，因为行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。目前国内机器视觉大多为国外品牌。国内大多机器视觉公司基本上是靠代理国外各种机器视觉品牌起家，随着机器视觉的不断应用，公司规模慢慢做大，技术上已经逐渐成熟。机器视觉能够设置系统维护人员、使用人员不同的操作权限。
在布匹的生产过程中，像布匹质量检测这种有高度重复性和智能性的工作只能靠人工检测来完成，在现代化流水线后面常常可看到很多的检测工人来执行这道工序，给企业增加巨大的人工成本和管理成本的同时，却仍然不能保证100%的检验合格率（即“零缺陷”）。对布匹质量的检测是重复性劳动，容易出错且效率低。流水线进行自动化的改造，使布匹生产流水线变成快速、实时、准确、高效的流水线。在流水线上，所有布匹的颜色、及数量都要进行自动确认（以下简称“布匹检测”）。采用机器视觉的自动识别技术完成以前由人工来完成的工作。在大批量的布匹检测中，用人工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很大提高生产效率和生产的自动化程度。在机器视觉智能缺陷库中，我们可以建立一个缺陷数据库。江苏机器视觉自动化
检测速度为每分钟1200件，比传统的人工测试方法更有效，能有效地提高生产效率。机器视觉生产厂家
随着各个部件的性能的提升，机器视觉系统的能力也呈指数级增长。系统的复杂度取决于特定的应用需求。选择部件，不止只要考虑部件的性能能否满足需求（比如分辨率，帧率，测量算法等），同时需要考虑系统所处的环境条件。比如在工业领域，这些环境条件包含部件变化，移载，定位，处理接口，振动，环境光，温度，灰尘，油污，水，电磁辐射等。在极端恶劣条件下，有时候需要将机器视觉组件添加保护措施。典型的例子，有些相机需要在相对洁净环境下使用。不过，通常情况下，工业环境是能够满足工业相机的直接使用的。机器视觉生产厂家
