参考如下例子：有一台 1/3” C 型安装的 CDD 摄像机（水平方向为 4.8 毫米）。物体到镜头前部的距离为 12”（305 毫米）。视野或物体的尺寸为2.5”（64 毫米）。换算系数为 1” = 25.4 毫米（经过圆整）。FL = 4.8 毫米 x 305 毫米 / 64 毫米FL = 1464 毫米 / 64 毫米FL = 按 23 毫米镜头的要求FL = 0.19” x 12” / 2.5”FL = 2.28” / 2.5”FL = 0.912” x 25.4 毫米/inchFL = 按 23 毫米镜头的要求注：勿将工作距离与物体到像的距离混淆。工作距离是从工业镜头前部到被观察物体之间的距离。而物体到像的距离是 CCD 传感器到物体之间的距离。计算要求的工业镜头焦距时，必须使用工作距离调节光源的亮度、触发时序（与相机同步），确保图像采集的稳定性和准确性。杨浦区推荐视觉检测设备按需定制
这些产品采用具有“无标签效果”的透明标签材料进行贴标。但这却使得灰度系统难以准确寻找到标签的边缘，从而无法检测其是否位置不当和起皱，结果导致系统出现误允许缺陷瓶子流入市场的结果。于是公司向梅特勒-托利多 CI-Vision 求助，帮助寻找这一问题的解决方案。CI-Vision 推荐使用的双摄像机彩色解决方案，这套解决方案使用彩色摄像机及其随配软件更清晰地识别与检测透明标签，以及检查每只瓶子上打印的日期/批号。此外，一台条形码阅读器可确认每个包装上的代码，这样可无需使用附加摄像机。欧莱雅包装生产线经理要求欧莱雅市场部在设计包装时，将各个品牌的标签与代码放置在一致的位置，从而帮助简化了检测工作。普陀区本地视觉检测设备销售厂预处理：对图像进行去噪、增强对比度、调整亮度等处理，以提高后续分析的准确性。
光源选型基本要素：对比度：对比度对机器视觉来说非常重要。机器视觉应用的照明的**重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生比较大的对比度，从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够保证需要检测的特征突出于其他背景。亮度：当选择两种光源的时候，比较好的选择是选择更亮的那个。当光源不够亮时，可能有三种不好的情况会出现。***，相机的信噪比不够；由于光源的亮度不够，图像的对比度必然不够，在图像上出现噪声的可能性也随即增大。其次，光源的亮度不够，必然要加大光圈，从而减小了景深。另外，当光源的亮度不够的时候，自然光等随机光对系统的影响会比较大。
1956年成为人工智能元年，次年即1957年，美国国家标准局的科学家拉塞尔·基尔希创建了历史上第一张数字图像。1959年，神经生理学家大卫·休伯尔和托斯坦·维厄瑟尔的视觉神经研究为计算机视觉技术40年后的突破性发展奠定了基础。1969年，贝尔实验室的韦拉德·博伊尔和乔治·史密斯研发了电荷耦合器件（CCD），逐渐应用于工业相机传感器，标志着计算机视觉走上应用舞台 [4-5] [18]。80年代后，计算机视觉成为一门**学科，并开始从实验室走向应用 [4-5]。机器视觉早在20世纪50年代就已提出，主要经历了三大阶段：20世纪80年代从学术层面开始走向产业启蒙层面；食品行业：检查食品包装、标签、异物检测等。
2. 视觉检测在PCB板检测中的应用利用视觉系统对PCB裸板进行检测，检测板上的导线和元件的位置和间距错误、线路和元件的尺寸错误、元件形状错误、线路的通段、板上污损等。3. 视觉检测在零件检测中应用机器视觉检测可以轻松应对金属零件生产的质量控制，如硬币、汽车零部件、连接器等。通过图像处理的方法，发现金属零件表面的划伤、残缺、变色、粘膜等缺陷，并指导机械传动系统将残缺品剔除，**提高了生产效率。同时对缺陷类型的统计分析能够指导生产参数的调整，提高产品质量。2. 视觉检测在PCB板检测中的应用利用视觉系统对PCB裸板进行检测，检测板上的导线和元件的位置和间距错误、线路和元件的尺寸错误、元件形状错误、线路的通段、板上污损等。3. 视觉检测在零件检测中应用机器视觉检测可以轻松应对金属零件生产的质量控制，如硬币、汽车零部件、连接器等。通过图像处理的方法，发现金属零件表面的划伤、残缺、变色、粘膜等缺陷，并指导机械传动系统将残缺品剔除，**提高了生产效率。同时对缺陷类型的统计分析能够指导生产参数的调整，提高产品质量。客观、一致性高：消除了人为主观因素和疲劳带来的判断误差，确保检测结果的准确性和可靠性。杨浦区推荐视觉检测设备按需定制
24/7连续工作：可在恶劣环境（高温、粉尘、有毒）下稳定运行，满足长时间生产需求。杨浦区推荐视觉检测设备按需定制
再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。高级系统还能输出缺陷的具体类型、精确位置、严重等级等信息，并可将结果反馈至生产控制系统，形成从图像采集、预处理、特征提取、分析判断到结果反馈的完整闭环检测流程 [2] [12]。深度学习是机器学习的一个分支，通过模拟人脑神经网络的工作方式从大量数据中自动学习特征表示，在视觉检测领域，深度学习技术特别是卷积神经网络(CNN)的应用使得系统能够自动从图像中提取并识别出目标物体的特征 [11]。杨浦区推荐视觉检测设备按需定制
上海轶炫自动化科技有限公司是一家有着先进的发展理念，先进的管理经验，在发展过程中不断完善自己，要求自己，不断创新，时刻准备着迎接更多挑战的活力公司，在上海市等地区的仪器仪表中汇聚了大量的人脉以及**，在业界也收获了很多良好的评价，这些都源自于自身的努力和大家共同进步的结果，这些评价对我们而言是比较好的前进动力，也促使我们在以后的道路上保持奋发图强、一往无前的进取创新精神，努力把公司发展战略推向一个新高度，在全体员工共同努力之下，全力拼搏将共同 轶炫供应和您一起携手走向更好的未来，创造更有价值的产品，我们将以更好的状态，更认真的态度，更饱满的精力去创造，去拼搏，去努力，让我们一起更好更快的成长！
