描述這些概念背后的潛在科學更為簡單。例如，在傳統(tǒng)的機器視覺系統(tǒng)中，可能需要讀取零件上的條形碼、判斷其尺寸或檢查其是否有缺陷。為此，系統(tǒng)集成商通常使用現(xiàn)成的軟件，這些軟件提供了標準工具。例如，可以部署這些工具來確定數(shù)據(jù)矩陣代碼，或者使用圖形用戶界面來測量零件尺寸的工具集。

因此，部件的測量可以分為好或壞，這取決于它們是否符合某些預定標準。與這種測量技術不同，所謂的“深度學習”工具更好地歸類為圖像分類器。與專門讀取條形碼數(shù)據(jù)的軟件不同，它們被設計用于確定圖像中的對象是存在還是好或壞。因此，這些工具是互補的。

人工智能技術在線檢測機完成分圖形界限3Mil（0.075毫米）的線路板在線檢測的設備，另外順利完成2Mil（0.05mm）檢驗要求硬件測試。設備配用好的髙速高像素的線掃描儀工業(yè)鏡頭，每秒可拍攝8000張照片，收集圖象清晰度達到24億；選用多GPU并行處理技術性，6秒以內(nèi)進行4gB數(shù)據(jù)處理方法并顯示信息缺點；檢驗效率是現(xiàn)階段市面上類似線下設備的6-8倍，每條生產(chǎn)線可節(jié)約12-16人。

2D機器視覺概述機器視覺組成AOI機器視覺的系統(tǒng)組成與人的組成相似,相機 就像人的眼睛,只不過天生是近視,所以 一般需要在它的前面加一個鏡頭,檢測是機器視覺工業(yè)領域主要的應用之一，幾乎所有產(chǎn)品都需要檢測，而人工檢測存在著較多的弊端，人工檢測準確性低，長時間工作的話，準確性更是無法保證，而且檢測速度慢，容易影響整個生產(chǎn)過程的效率。因此，機器視覺在圖像檢測的應用方面也非常的廣泛。