视觉检测，简单定义就是用机器代替人眼来做测量和判断。定义简单，实现过程却很复杂，要理解，也可以用人眼做一个对比。科学告诉我们，人类看见物体是由物体反射的光达成的，再通过人眼球复杂的成像系统经视神经传给大脑，人就可以视物了。
光线，成像系统，处理系统构成视物的三要素，在视觉检测系统中同样如此。
机器视觉主应用分定位、测量、检测和识别四类。这些应用由一整套的工业视觉检测系统完成，包括摄像头和光学部件、灯光、图像传感器和检测软件，也是上述说的成像系统和处理系统。
随着工业自动化的发展，机器视觉的应用范围逐渐扩大和完善，在国外机器视觉的应用普及主要体现在半导体和电子行业，元器件行业检测量大，检测难度高，人眼难以发现的细微瑕疵，只有凭借机器的高精度和维度来代替解决。
对于检测效果，不同的应用领域有不同的要求，拿机器视觉下的两个分支，工业视觉和计算机视觉对比，工业视觉则更加注重检测精度的提高。
摄像头和光学部件，灯光，图像传感器，检测软件构成视觉检测系统的主要部分，同时检测精度也由它们决定。
在检测的过程中，照明的目的是增强图像特征点与背景的对比度。在图像中，对比度代表着图像信号的质量，它反应了两个区间的差别，光源就是要突出这些区别。适当的光源照明可以将被测物体的目标信息与背景信息区分，以获得高品质，高对比的图像，从而降低图像处理算法的难度，同时提高系统精度和可靠性。
检测软件精度问题，工业相机捕捉到的图像还需通过工业计算机进行处理分辨，检测软件需要创建和执行程序，处理采集回来的图像数据、以及做出“通过/失败(pass\fail)”决定，帧率和分辨率变得重要。
物体的移动速度同样是重要的因素，如果被测量的物体不是静止的，而是运动状态，那么一定要考虑运动模糊对图像精度的影响（模糊像素=物体运动速度*相机曝光时间），不是软件能够决定（编程，根据相机曝光时间调整物体运动速度）
根据视觉检测应用领域，视觉检测系统对其组成部分有着不同的要求，在智能制造领域，照明亮度，相机的像素，计算机的算力与性能同样重要，比如在相机和计算机上的选择上，都要求是工业级的，且对工业相机的帧频分辨率等指标依据需求筛选，而计算机的的性能、算力和环境适应同时也要和检测需求匹配（物体移动速度，灯光亮度，检测软件兼容等），检测精度的提高是最重要的，而这取决于以上谈到的各种因素之间的相互匹配。
