各种工业场景中，人工检测效率低、误差大、易疲劳。机器视觉通过整套的成像、分析、联动的智能系统，实现24小时不间断检测，常规误差可以控制在0.01mm，漏检率1%以下。在这五个方向，机器视觉应用更为广泛。
在工业检测中，有无检测属于关键且基础的环节。涵盖各种工业生产环节中的零件漏装、异物混入、标签漏贴等场景，常见的应用场景包括：电子元件的螺丝漏装、食品中的毛发杂质、包装上的生产日期标签漏贴等。
有无检测的技术原理属于模版对比。先拍摄合格产品图像作为标准模板，再将实时采集的工件图像与模板进行对比，工件上存在部分缺陷，算法发出报警信号，实现高速度、高精度的有无判断。
这类检测需求主要用于检测划痕、凹陷色差、裂纹等瑕疵。在进行检测的过程中，关键在于光源+算法的协同组合。
针对不同瑕疵类型选择特殊光源。检测金属划痕通常采用低角度光源，利用阴影凸显划痕；检测透明玻璃气泡可以采用背光源，透明图片中气泡呈现黑色。检测颜色差别可以选择高均匀性面光源。在搭配AI算法后，通过灰度分析判断色差是否在合格区间，如果边缘存在细微划痕，可以识别0.01mm级别的细微瑕疵。
尺寸检测主要用于测量工件的孔径、长度、高度、角度等参数。用于解决人工测量的效率低、误差大的问题，适用于各种机械零件、电子元件、包装产品等各类需要尺寸测量的场景。
在技术上通过像素换算+精度校准，在进行调试的过程中，使用标准标定板进行校准，确定图像中1个像素对应的实际毫米数，算法软件自动定位工件边缘并转化为实际尺寸。将测量结果与预设的合格范围对比，超差触发报警。
主要用于检测各类二维码、条形码等条码识别、文字识别（OCR）、分类识别，通常用于产品追溯、分类分拣、合规检查等场景。常见的适用场景包括药品包装的追溯码、电子产品的SN码；食品袋上的生产日期与净含量；分类识别则能区分不同型号、颜色的产品，如不同规格的电阻、不同颜色的瓶盖。
在技术上，需要完成各类识别通常需要开发专用算法。创视自动化自研算法内置的算法模块可以快速解析码内信息；OCR算法能提取图像中的文字并与预设内容对比，判断信息是否合规；分类识别通过AI深度学习训练模型，精准区分不同类别产品。
主要用于确定工件位置，同时引导机械手完成抓取、装配等动作，实现检测+执行的联动，适用于各种工件定位、装配引导、抓取定位等场景。
主要技术原理在于特征点定位。在工件上选取标志性特征点；相机📷️拍摄工件后，计算实时坐标；同时可以将坐标数据同步至机械手，并完成相应动作。
从有无判断的基础检测，到识别细微瑕疵的外观检测，再到精准测量的尺寸检测、智能识别的分类追溯、联动机械手的位置检测，机器视觉已成为工业检测的全能选手，覆盖工业生产的多个环节。并且随着未来技术发展，视觉检测的应用范围还能进一步升级。
