机器视觉检验技术主要涉及以下几个方面的学习内容：
图像处理：
这是机器视觉的基础，包括图像增强、图像匹配、图像分割、图像分类和图像识别等基本概念和技术。
模式识别：
模式识别是指让机器能够识别和分类不同的模式，这在机器视觉中非常重要，例如识别物体、人脸、文字等。
机器学习：
机器学习算法可以帮助机器从数据中学习并改进其性能，在机器视觉中常用的机器学习算法包括支持向量机（SVM）、神经网络、决策树等。
视觉算法：
包括特征提取与选择、目标检测、目标跟踪、三维视觉、深度学习等，这些算法是实现机器视觉应用的关键。
硬件选型：
了解如何选择合适的摄像头、镜头、光源等硬件设备，以便构建一个高效的机器视觉系统。
软件框架设计：
设计一个稳定的软件框架，能够支持视觉算法的实现和运行。
系统集成：
将视觉系统与机械、运动控制、电气等其他系统集成，实现一个完整的自动化解决方案。
建议从基础知识和算法入手，逐步深入，同时结合实际项目进行练习，以更好地掌握机器视觉检验技术。