机器视觉在自动检测系统中的应用越来越广泛。主要原因工业相机的信息需要从中提取，而不是从专用传感器中提取。该相机可用于提取温度信息、测量尺寸、检查物体是否存在。它还提供了许多其他有用的信息。这使得它广泛应用于质量检测、机械控制和机器人导引等领域，在控制硬件和软件的选择上都有着的要求和挑战。机器视觉系统运行的效果依赖于软件环境的优良程度，因此完善的 软件是保障机器视觉系统稳定运行的重要因素。

通常软件开发模式可选取以下两种：自行开发或基于视觉工具的定制开发。

自行开发适合软件研发实力雄厚的个体，可从层按照自身需求对软件进行定制化设计。但这样的开发模式往往在稳 定性和可承继性上存在隐患：新开发的软件环境需要经过大量的验证才能保证其可稳定持续的工作，否则容易造成工期延误和资金损失，而验证此项工作需要耗费大量的时间和人力；另一方面就是一旦不再负责此项工作，此软件系统就将处于无法升 级和维护的境况，可承继性不强。

基于工具的开发是机器视觉解决方案提供商根据客户的实际 情况和需求，选择现有成熟完善的视觉工具为客户进行定制性的 软件开发。相比软硬件分立的模式，这种提供整套解决方案的模式能使机器视觉系统硬件和软件配合更加良好，有经验丰富的专业人员进行软件中算子的精确匹配、提供之后长期的软件维护和升级，优势非常明显。

此外，现场调试成本也是不可忽视的成本之一。

尤其是缺陷检测类的项目，由于不能预知被测物缺陷出现的位置和特点，在调试测试阶段，通常需要对大批量的被测物实物 进行拍摄和统计才能最终确定，之后再根据所得结果对软件设计 进行不断调整。针对此类项目，有经验的工程师从开始就会进行目的明确的样本搜集，及时地进行被测物特征统计并对软件做调 整，大大缩短调试时间。

机器视觉软件类似人的“大脑”，通过图像处理算法完成对目标物的识别、定位、测量、检测等功能。在工业制造中，相比于人眼观测，机器视觉在精度、速度、适应性、客观性、重复性、可靠性、信息集成等方面具有显著优势， 是工业制造数字化、网络化、智能化的未来发展方向。