机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端，在现代工业中得到越来越广泛的研究和应用。近几十年来，在工业检测中利用视觉系统的非接触、速度快、精度合适、现场抗干扰能力强等突出的优点，使机器视觉技术得到了广泛的应用，取得了巨大的经济与社会效益。

机器视觉目前已经用于产品外形和表面缺陷检验，如木材加工检测、金属表面视觉检测、二极管基片检查、印刷电路板缺陷检查、焊缝缺陷自动识别等。以机器视觉表面缺陷检测为研究对象，在广泛调研相关文献和发展成果的基础上，对基于机器视觉在表面缺陷检测领域进行了应用。这些检测识别系统属于二维机器视觉，技术已经较为成熟，其基本流程是用一个摄像机获取图像，对所获取的图像进行处理及模式识别，检测出所需的内容。

机器视觉基本组成为图像获取模块、图像处理模块、图像分析模块、数据管理及人机接口模块。视觉检测的应用领域十分的广泛，主要包括钢铁冶金，有色金属加工，高精铜板带，铝板带，铝箔，不锈钢制造，电子素材，无纺布，织物，玻璃，纸张，薄膜等领域。机器视觉系统中，图像处理和分析算法是重要内容，算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性，一直是研究者们努力的方向。

现有机器视觉软件和硬件平台，所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究。机器视觉是对人类视觉的模拟，机器视觉表面检测涉及众多学科和理论，如何使检测进一步向自动化和智能化方向发展，还需要更深入的研究。