工业视觉检测技术是指利用机器代替人眼进行对象的识别、判断和测量，主要应用于工业领域的测量、定位、检测、引导以及各种码识别等方向。它是利用机器代替人眼进行对象的识别、判断和测量的一种技术。它主要应用于工业领域中的测量、定位、检测、引导以及识别等方向，其涉及到光学、光电子学、图像处理、模式识别、信号处理、人工智能及计算机技术等领域。

机器视觉检测系统通常包括照明系统、成像系统和信息处理系统等关键组成部分。

照明系统主要是将外部光以合适的方式照射到被测目标物体以突出图像的特定特征，并抑制外部干扰等，从而实现图像中目标与背景的分离，提高系统检测精度与运行效率。

成像系统则主要由相机、镜头等组成，将来自目标的光辐射聚焦在图像传感器上，以获取目标的图像信息。

信息处理系统则对图像进行处理分析实现对特定目标的检测、分析与识别，并做出相应决策等工作。

机器视觉技术的发展历程可以追溯到70年代MIT的Marr实验室提出的视觉系统的三个层次和三个阶段，到如今的机器视觉领域多维化蓬勃发展。随着硬件和深度学习等图像处理技术的飞速发展，机器视觉已经逐步从实验室理论研究转向工业领域的相关技术应用。机器视觉技术在工业生产中具有广泛的应用前景，例如汽车表面涂装缺陷检测等问题。

工业视觉检测技术由系统硬件设计和系统软件设计两部分组成。其中，系统硬件设计包括摄像机和镜头的选用、图像采集和传输等，系统软件设计主要包括图像处理技术、图像特征识别、图像理解和摄像机标定技术等，每个组成部分都会影响最终视觉检测结果的速度、精度、稳定性和可靠性等。

常用的关键技术包括：

①图像分割：将图像分为多个不同的区域，从而便于进一步的图像处理和特征提取。常见的图像分割算法包括阈值法、区域生长法、边缘检测法、聚类法等。

②边缘检测：通过检测图像中的边缘来提取目标物体的轮廓信息。边缘检测算法包括Sobel算子、Prewitt算子、Canny算子等。

③边缘的亚像素定位技术：提高了边缘检测的精度。通过对图像进行插值和拟合，可以得到更为准确的边缘位置。

④摄像机标定技术：通过确定摄像机的内外参数，对图像进行校正和变换，使得图像中的物体位置能够与实际位置一一对应。常用的标定方法包括棋盘格标定法、直线标定法等。

除了以上常用技术，还有其他的技术，如形状分析、纹理分析、模板匹配、神经网络等，这些技术可以根据具体的应用场景进行选择和组合使用，以达到最佳的检测效果。。

工业视觉技术应用广泛，但由于工业场景复杂多样，需要系统工程师进行定制化设计。视觉信息处理主要分为传统算法和深度学习算法两种。