在當(dāng)今這個(gè)時(shí)代，計(jì)算機(jī)視覺(jué)領(lǐng)域呈現(xiàn)出很多新的趨勢(shì)，其中顯著的一個(gè)，就是應(yīng)用的性增長(zhǎng)。除了手機(jī)、個(gè)人電腦和工業(yè)檢測(cè)之外，計(jì)算機(jī)視覺(jué)技術(shù)在智能安防、機(jī)器人、自動(dòng)駕駛、智慧醫(yī)、、增強(qiáng)現(xiàn)實(shí)（AR）等領(lǐng)域都出現(xiàn)了各種形態(tài)的應(yīng)用方式。計(jì)算機(jī)視覺(jué)迎來(lái)了一個(gè)應(yīng)用性增長(zhǎng)的時(shí)代，目前的應(yīng)用如下圖所示，主要以運(yùn)動(dòng)控制為主。隨著各個(gè)領(lǐng)域技術(shù)不斷發(fā)展，許多科技巨頭也開(kāi)始了在圖像識(shí)別和人工智能領(lǐng)域的布局，F(xiàn)acebook簽下的人工智能Yann LeCun重大的成就就是在圖像識(shí)別領(lǐng)域，其提出的LeNet為代表的卷積神經(jīng)網(wǎng)絡(luò)，在應(yīng)用到各種不同的圖像識(shí)別任務(wù)時(shí)都取得了不錯(cuò)效果，被認(rèn)為是通用圖像識(shí)別系統(tǒng)的代表之一；Google 借助模擬神經(jīng)網(wǎng)絡(luò)“DistBelief”通過(guò)對(duì)數(shù)百萬(wàn)份YouTube 視頻的學(xué)習(xí)自行掌握了貓的關(guān)鍵特征，這是機(jī)器在沒(méi)有人幫助的情況下自己讀懂了貓的概念。這也能看出國(guó)技公司對(duì)圖像識(shí)別技術(shù)以及人工智能技術(shù)的重視程度。

在易拉罐的生產(chǎn)過(guò)程中，需要對(duì)產(chǎn)品的瑕疵及印刷質(zhì)量進(jìn)行檢測(cè)。而易拉罐瓶蓋的綜合檢測(cè)一直是一個(gè)難題，其中的原因在于產(chǎn)品的材質(zhì)具有極高的反射度并且表面印制了彩案，打光技術(shù)難以解決。

　　而機(jī)器視覺(jué)技術(shù)的運(yùn)用，能迅速準(zhǔn)確的發(fā)現(xiàn)印刷品的各種缺陷。工業(yè)鏡頭基于機(jī)器視覺(jué)的罐蓋質(zhì)量檢測(cè)系統(tǒng)，根據(jù)易拉罐罐蓋制造生產(chǎn)線的工作環(huán)境和檢測(cè)要求，實(shí)現(xiàn)了鋁制罐蓋瑕疵的自動(dòng)檢測(cè)和快速剔除。該視覺(jué)系統(tǒng)實(shí)時(shí)性好，可靠性高，有效地提高了罐蓋檢測(cè)生產(chǎn)線的工作效率。

基于機(jī)器視覺(jué)的易拉罐質(zhì)量檢測(cè)系統(tǒng)使用機(jī)器視覺(jué)LED光源：圓頂式無(wú)影光，三環(huán)式無(wú)影光，低角度環(huán)形光，同軸光，有效地解決了打光的難題。通過(guò)對(duì)復(fù)合式光源的組合控制，能獲得輪廓清晰、色彩對(duì)比鮮明的瓶蓋圖像，并能迅速地與設(shè)定值比較，找出具有邊緣凹陷、表面劃傷、拉環(huán)變形、密封膠破損、印刷字符、圖案不清晰的不良產(chǎn)品，并立即剔出生產(chǎn)線。