機器視覺使機器能夠偵測和分析影像。攝影機捕捉場景，軟體擷取資訊：零件是否有缺陷？標籤是否對齊？焊接是否完整？機器做出判斷並觸發相應的操作，通常是接受或拒絕。

工廠自動化推動了這一領域的發展。在1980年代，機器視覺系統使用類比相機和客製化硬件，既昂貴又脆弱。如今，GigE Vision和USB3相機可以將影像傳輸到運行深度學習模型的工業PC。單一系統每分鐘可以偵測數百個零件，其精確度甚至超過人工檢測。

機器視覺應用

• 生產線缺陷檢測。
• 尺寸測量和計量。
• 條碼和OCR識別。
• 機器人引導和揀選。
• 出勤核查和到場/缺勤檢查。

最難的部分在於光照。好的影像能讓軟體的工作變得輕鬆，而糟糕的影像則會讓一切變得不可能。機器視覺工程師在光照上花費的時間甚至超過了演算法本身。背光可以勾勒輪廓，環形燈可以減少陰影，球形燈可以漫射反射，結構光則可以增加景深。一旦影像清晰，深度學習模型就能高精度地辨識缺陷或分割物體。機器視覺並非要像人一樣觀察，而是要能持續、快速、不疲倦地捕捉對任務至關重要的訊息。