在行业应用方面，主要有制药、包装、电子、汽车制造、半导体、纺织、、交通、物流等行业，用机器视觉技术取代人工，可以提供生产效率和产品质量。例如在物流行业，可以使用机器视觉技术进行快递的分拣分类，不会出现大多快递公司人工进行分拣，减少物品的损坏率，可以提高分拣效率，减少人工劳动。[6]产展编辑机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯兹关于理解多面体组成的积木世界研究开始的。当时运用的预处理、边缘检测、轮廓线构成、对象建模、匹配等技术，后来一直在机器视觉中应用。罗伯兹在图像分析过程中，采用了自底向上的方法。用边缘检测技术来确定轮廓线，用区域分析技术将图像划分为由灰度相近的像素组成的区域，这些技术统称为图像分割。其目的在于用轮廓线和区域对所分析的图像进行描述，以便同机内存储的模型进行比较匹配。实践表明，只用自底向上的分析太困难，必须同时采用自顶向下，机器学习视觉，即把目标分为若干子目标的分析方法，运用启发式知识对对象进行预测。这同言语理解中采用的自底向上和自顶向下相结合的方法是一致的。在图像理解研究中，A.古兹曼提出运用启发式知识，表明用符号过程来解释轮廓画的方法不必求助于诸如二乘法匹配之类的数值计算程序。70年代，机器视觉形成几个重要研究分支：①目标制导的图像处理；②图像处理和分析的并行算法；③从二维图像提取三维信息；④序列图像分析和运动参量求值；⑤视觉知识的表示；⑥视觉系统的知识库等。
· 这些因素必须采取一致的方式对待。如果在测量物体的宽度，则需要使用水平方向的 CCD规格，等等。如果以英寸为单位进行测量，则以英尺进行计算，后再转换为毫米。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。
机器学习视觉-机器视觉-格拉尼视觉科技(查看)由苏州格拉尼视觉科技有限公司提供。行路致远，砥砺前行。苏州格拉尼视觉科技有限公司（www.grani.com.cn）致力成为与您共赢、共生、共同前行的战略伙伴，与您一起飞跃，共同成功!