機器視覺系統可以快速獲取大量信息并自動進行數據處理，易于同生產中其他板塊信息相集成，在提高生產的柔性和自動化程度方面有很大的優勢。在一些不適合人工作業的危險環境或人工視覺難以滿足要求的場合，常用機器視覺替代人工視覺。

在大批量工業生產過程中，用機器視覺系統檢查產品質量有速度快、精度高的優點，可以大大提高生產效率和生產自動化程度。但是由于機器視覺技術本身的性質和要求，該技術在一些應用中仍有許多技術難題需解決。例如，在煙草行業中就有四大難題仍待解決。

1、關于圖像處理的動態性。目前，多部分研究成果都是靜態的，即先從室內或者田間采集靜態圖像，再用計算機對圖像進行處理。而實際應用中要求識別的算法能夠適應戶外動態的條件。雖然一些動態的算法已經過得了成功，但分類精度扔不是很高。有研究表明：利用現代數學的分析方法，如分型理論、小波變換可以再圖像處理和識別的軟件設計方面提高算法的快速性和有效性。

2、關于農業環境的多變性。一般地，圖像采集要求在具有可控光照、色溫以及沒有環境因素影響的實驗室或者溫室等理想條件下進行，但在實際應用中農田環境多變、圖像背景復雜，光照、風速的不可控性以及設備的機械震動等許多因素都能導致圖像質量下降、噪聲增加，大大增加了圖像預處理的難度，降低了處理結果的準確性和快速性。通過二值化分割、中值濾波等處理可以去除圖像中雜質和噪聲，以提高圖像質量。

3、煙葉質量的波動性。通常，煙葉質量會因為年份、地區、品種以及等級的不同而產生差異，因此圖像識別的算法應該充分考慮到煙葉質量差異的存在，并作出相應的算法轉換和調整，這對實現煙葉的自動化檢測造成了一定的困難。在實際生產過程中需要擴大樣本數量，同時也應該關注煙葉樣本的選擇標準。

4、尚缺乏相關的理論支撐。傳統的煙葉質量評價方法并不完全適宜于基于機器視覺技術的煙葉質量評價，如傳統煙葉分級中油份、成熟度等概念不利于進行定量分析，因此需要選取適宜的評價指標，并對指標進行簡化，以建立適宜的質量評價模型。這需要煙葉內在品質與外觀顯性之間建立相關的聯系，以便為煙葉品質快速而精確的檢測創造條件。

更多資訊請關注機器視覺頻道