机器视觉与图像处理、模式分类和场景分析三个领域密切相关。(1)图像处理主要是根据现有图像获得新图像。由于获得的是图像，其输出结果仍需要分析和解释。（2）模式分类的主要任务是：对“模式”进行分类。这些“模式”是指事物的一组属性或者说特征。通过这些属性特征，机器视觉检测将其划归为已知类中的某一类，也就是识别出了这个事物。(3)场景分析的重点是将简单的描述转化为更复杂、更详细、更有利于我们判断或得出结论的描述。机器视觉检测这些输出描述深化了输入描述，进一步解释了事物之间的深层联系。

智能生产线的平面设计应确保零部件的运输路线很短，生产工人操作方便，机器视觉检测辅助服务部门工作方便，有效地利用生产区域，并考虑智能生产线之间的相互连接。智能生产线的位置涉及到每条智能生产线之间的相互关系。应根据加工部件组装的顺序进行安排。机器视觉检测整体布局应考虑材料的流动，以缩短路线，减少运输工作量。6、制定智能产线标准计划指示图，根据智能产线上每个工作地都按一定的节拍重复地生产，可定制订出智能产线的标准计划指示图表，表示出智能产线生产的期量标准、工作制度和工作程序等等，为生产作业计划的编制提供依据。

温度会影响LED光源的性能，随着LED温度上升，其亮度下降，这可以通过光源控制器来进行亮度输出补偿。由于需要良好的热设计，LED自身产生的热量也会加速老化甚至直接报废。机器视觉检测其他部件也会有相应的温度限值，比如工业控制器/嵌入式PC一般都能使用工业环境，但如果没有风扇，那么很可能PC也会报废。机器视觉检测除了选择好的硬件外，还应考虑被测物体本身对温度的敏感性，以保证视觉成像的稳定性。例如，金属物体对温度有热膨胀和冷收缩。因此，当测量这些物体时，长度和体积会发生变化。

机器视觉技术大大提高了工业自动化中的信息采集能力。信息不再是一维的简单数据，而是大量的广域三维数据。与此同时，它将极大地突破人眼在速度、大小、光谱等方面。比如，机器视觉系统基本上覆盖了整个光谱，分辨率可微米，速度可达每秒数亿帧。这远远超出了目前工业制造业的速度和精度水平，甚至在未来很长一段时间内满足更准确、更高速的制造要求。机器视觉检测能够充分保证工业制造业信息收集的速度和准确性。另一方面，随着图像技术的快速发展，大量的图像信息可以快速、实时、智能地的图像信息，大大提高了判断速度，更接近人类的智能，机器视觉检测提高了工业生产中信息处理的速度和准确性。视觉技术服务业4.0的技术框架-四个智能化（智能识别、智能测量、智能检测、智能互联）。

完整的机器视觉系统通常由光学系统、图像采集单元、图像处理单元、执行器和人机界面组成。功能模块是相辅相成的，缺一不可。1、照明（光源）照明是影响机器视觉系统输入的重要因素。光源系统的设计与输入数据直接相关，即图像质量和应用效果。工程师需要首先确定有效的照明条件，并根据用户的需要和产品的特点选择相应的照明设备，机器视觉检测以确保在此照明条件下产生的图像能够突出显示用户所需的目标信息特征。光源通常分为可见光源和不可见光源。工业上通常使用的可见光源是LED，卤素灯，荧光灯等。机器视觉检测不可见光源主要是近红外光，紫外光，X射线等。LED光源是一种广泛应用于教学的机器视觉光源，具有效率高、使用寿命长、防潮、抗震、节能环保的特点。这是工程师在设计照明系统时的选择。由于不可见光的穿透只能到达检测点，不可见光源主要用于满足管道焊接工艺等特定需要。

振动：大多数工业相机都进行了防振处理，机器人和轨道电缆可以很好地影响相机的移动。锁定的连接器可以避免相机受到振动。机器视觉检测具有良好的稳定保护机制的耐用PC和嵌入电脑。定焦镜头利用金属接口锁定螺丝确保了不受振动影响。滤光片一定程度上保护了镜头。环境光：日用滤光片可改变光线进入传感器的信息，从而避免受到环境光的影响。机器视觉检测采用高亮度调制光源，减少传感器曝光时间，减少光圈，减少环境光的影响。可见光的影响可以通过使用红外等波长的相机来降低。