传统的机器视觉系统和深度学习检测有什么不同？如今，工业自动化的快速发展和生产流水线的产品质量检测，促使许多企业开始采用机器视觉代替人工肉眼进行检测。但是，随着神经网络之深度学习技术的不断成熟，它为产品外观检测带来了更多的可能性，那么，它与传统视觉检测有什么区别呢？康耐德智能告诉你：虽然传统的机器视觉系统在处理具有明显缺陷的产品时能够稳定地进行检测和识别，但是随着缺陷类型的增多，算法也会变得越来越有挑战性，某些识别检测将无法简单依靠。

因此，深度学习这项技术在外观缺陷视觉检测中便发挥了很大的作用，在生产线上更加高效精准且快速地完成这些任务。人类擅长分类不同但相似的东西，几秒内就能理解某一组物体间的差异。深度学习将人类的辨别理解能力和基于规则的传统机器视觉的一致性、可重复性和可扩展性的优势结合在一起。

一般包括三个坐标系：世界坐标系就是物体在客观世界的位置；相机坐标系物体在世界坐标系中相对相机的位置；图像坐标系物体在图像中的坐标，结果是像素值。一般来说，视觉定位、视觉测量等检测项目都需要把像素坐标转换到相机坐标系中，也就是把像素值转换成实际尺寸，需要提前标定。

同学，我已经成功的标定远心镜头了，传统的方法是不能用的，而且matlab工具箱也是针对传统相机标定的，所以你得自己编程，你可以去参考我的论文，Telecentricstereomicrovisionsystem:Calibrationmethodandexperiments.。

人的肉眼肯定比不上仪器。测量光幕又叫检测光幕、测量光栅，检测光栅等，是用特殊的光电传感器制造的检测仪器。这种技术在国内外应用的非常广泛，比如在物流行业可以用来测量物品的长宽高，从而计算物体的体积，但是这种测量方式有天然的弊端，比起3D视觉测量来说，精确度和测量速度都有很大的劣势。测量光幕系统原理对比测量光幕原理：光幕由投光器和接收器组成。

比如有五十个光轴，每个光轴之间的距离是10mm,一个物体（如包装箱）经流水线传送带送到光幕检测区域时，测量光幕被挡住了其中35束光点，这个包装箱宽度可以粗略计算为：35X10350mm。测量高度时为：（遮挡最大光点数1）X光轴间距＋基准高度，测量和计算出来的值则为高度值，测量长度时则常常采用计算位移的方法进行测量，流水线速度要求不高时也可以直接用测量光幕直接测得。