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，尽量选用较小的物象比。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。