机器视觉检测技术的应用大致分为两个层次

产品检测在半导体、精密制造、包装印刷等行业应用广泛且需求迫切，但检测手段一直在离线检测（如工具显微镜、投影测量仪和体视显微镜等传统设备）或人工检测的技术中徘徊。近些年随着产品的高档化和微型化，加工订单的国际化，对检测的要求越来越高，精度从0.01mm向0.001mm过渡，计量方式从抽检向100％全检过渡，检测项目从简单走向复杂、从单项走向多项综合。通过机器视觉技术改变传统的计量和检测方式，满足现代制造业的高速、精密、复杂需要已迫在眉睫。

机器视觉检测技术的应用大致分为两个层次；一类是离线检测，由于对算法的实时性和硬件的处理速度要求不高，此类应用已经相对成熟；另一类是实时在线检测，目前存在如下瓶颈问题。

1）复杂问题的求解：缺陷是检测对象的物理特性、力学特性和光学特性的综合反映，容易淹没在重复模式的微动、材料形变和背景噪声之中，高速环境下单纯依赖图像信息来获得全面质量数据，在很多应用场合已被证明不可行。

2）视觉信息处理的网络化问题：随着检测精度的提高，观测面积的增大和检测任务的复杂，单机系统无法同时满足数据传输、图像处理和实时控制的要求，以网络为中心的多目视觉检测和分布式计算成为现代自动化生产线计量和品检的主流需求。

3）处理速度的高速化问题：当今最快的生产速度已达到1000m/min，处理速度的高速化永远是机器视觉系统所追求的目标，但处理速度受制于数据流量、处理算法和硬件结构。针对上述问题，本书的目的，一是提出网络化多目视觉在线快速检测理论与系统，将检测对象的运动学特性和动力学特性映射到视觉信息空间和纹理空间，建立描述模式微动和形变特性的动态视觉信息模型，进而将产品瑕疵从模式差异、材料形变和图像噪声中分离出来；检测速度和实时性通过网络化多目视觉系统来实现。