4、攝像機開始新的一幀掃描之前打開曝光機構(gòu)，曝光時間可以事先設(shè)定。

　　5、另一個啟動脈沖打開燈光照明，燈光的開啟時間應(yīng)該與攝像機的曝光時間匹配。

　　6、攝像機曝光后，正式開始一幀圖像的掃描和輸出。

　　7、圖像部分接收模擬視頻信號將其數(shù)字化，或者是直接接收攝像機數(shù)字化后的數(shù)字視頻數(shù)據(jù)。

　　8、圖像部分將數(shù)字圖像存放在處理器或計算機的內(nèi)存中。

　　9、處理器對圖像進行處理、分析、識別，獲得測量結(jié)果或邏輯控制值。

　　10、處理結(jié)果控制流水線的動作、進行定位、糾正運動的誤差等。

　　以上內(nèi)容就是對CCD視覺檢測設(shè)備及其工作原理的介紹了，視覺檢測系統(tǒng)是一種相對復(fù)雜的系統(tǒng)。大多監(jiān)控和檢測對象都是運動的物體，系統(tǒng)與運動物體的匹配和協(xié)調(diào)動作尤為重要，所以給系統(tǒng)各部分的動作時間和處理速度帶來了嚴格的要求。 

為了實現(xiàn)外觀缺陷自動檢測,研究了基于機器視覺技術(shù)的外觀缺陷檢測系統(tǒng)。首先針對外觀缺陷圖像特點,分析了采用灰度閾值及單一顏色模型分割缺陷的局限性,提出基于混合顏色模型的缺陷圖像分割方法,實現(xiàn)了外觀缺陷快速、準確分割;然后通過分析外觀缺陷特點,分別從形狀、顏色和紋理共選取了12個類別差異明顯的特征參數(shù),提取了外觀缺陷特征;后選擇BP神經(jīng)網(wǎng)絡(luò)作為缺陷分類器,根據(jù)經(jīng)驗和實驗確定了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù),并分析了傳統(tǒng)BP算法在外觀缺陷分類應(yīng)用中的不足,通過改變收斂標準、自適應(yīng)調(diào)整步長和引入動量項以優(yōu)化BP算法,改善了神經(jīng)網(wǎng)絡(luò)分類效果。

設(shè)計了基于機器視覺的智能大輸液異物在線檢測系統(tǒng),該系統(tǒng)可以實現(xiàn)灌裝后大輸液瓶中雜質(zhì)的檢測;研究了該檢測系統(tǒng)的基本構(gòu)成,工作原理以及一些關(guān)鍵圖像處理技術(shù);該檢測系統(tǒng)采用特殊的硬件檢測平臺,讓雜質(zhì)與瓶身作相對運動,再利用的光學成像系統(tǒng)獲取運動異物的序列圖像,通過圖像預(yù)處理、運動目標提取、運動目標分割和圖像識別與判斷這四個步驟完成對異物的檢測;實驗表明該系統(tǒng)可快速的檢測出大輸液溶液巾所含的多種雜質(zhì),準確度高,實時性強.

機器視覺芯片出現(xiàn)細分。CV芯片將隨著應(yīng)用領(lǐng)域不同而出現(xiàn)細分，如分為的自動駕駛CV芯片、導航CV芯片、AR/VR應(yīng)用CV芯片等。因為在某個特殊領(lǐng)域，隨著機器視覺算法應(yīng)用需求越來越多，必然帶來成本的需求，以增加產(chǎn)品的利潤，所以，在CV芯片上做costdown，裁減非本領(lǐng)域的應(yīng)用功能，并不斷深化該領(lǐng)域應(yīng)用是必然的。