图像预处理

表面生成

制造行业工序复杂，在线检测的环节比较多，需要对产品进行大量的质量检测、缺陷检查等。传统的质量检测以人工为主，人工识别精度有限，检测速度慢、误差大、成本高，工人长时间工作容易疲劳，容易出现次品漏检现象。

智能光测系统主要以机器视觉为技术依托，作为一种新型的检测技术，可以最终实现无须人力的机器自主质检，在生产加工制造过程中发挥着举足轻重的作用。

生产现场

根据现场生产环境及检测需求可能会对检测物件及载体进行标记。

前端采集摄像机

信息的获取是指通过传感器，将光或声音等信息转化为电信息。也就是获取研究对象的基本信息并通过某种方法将其转变为机器能够认识的信息。根据用户生产环境具体需求采集摄像机可选为单目、双目、3D、深度相机等。

觅视智能光测系统

觅视智能光测系统包含两个基本方向：图像识别和三维重建。

结果输出

针对具体需求可以将用户希望的最终数据单独显示或者跟类似声光报警系统集成发送脉冲信号至第三方平台。

特征抽取和选择

分类设计及决策

我们所研究的图像是各式各样的，如果要利用某种方法将它们区分开，就要通过这些图像所具有的本身特征来识别，而获取这些特征的过程就是特征抽取。在特征抽取中所得到的特征也许对此次识别并不都是有用的，这个时候就要提取有用的特征，这就是特征的选择。特征选择和特征抽取有着些许的相似点，这两者达到的效果是一样的，就是试图去减少特征数据集中的属性的数目。

分类器设计是指通过训练而得到一种识别规则，通过此识别规则可以得到一种特征分类，使图像识别技术能够得到高识别率。分类决策是指在特征空间中对被识别对象进行分类，从而更好地识别所研究的对象具体属于哪一类。

预处理主要是指图像处理中的去噪、平滑、变换等的操作，从而加强图像的重要特征。

图像分析中，图像质量的好坏直接影响识别算法的设计与效果的精度，因此在图像分析（特征提取、分割、匹配和识别等）前，需要进行预处理。图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，从而改进特征提取、图像分割、匹配和识别的可靠性。