机器视觉基于 图像处理技术、模式识别技术、深度学习技术、计算机软硬件技术等多种技术。
图像处理技术：
这是机器视觉的基础，涉及图像的获取、预处理、增强、去噪、滤波、几何校正等，旨在提高图像质量，为后续的特征提取和模式识别提供良好的基础。
模式识别技术：
这是机器视觉的核心部分，包括统计学、人工神经网络、支持向量机和决策树等方法。通过这些技术，机器视觉系统能够对预处理后的图像进行解析、分类和识别。
深度学习技术：
近年来，深度学习在机器视觉中得到了广泛应用，尤其是卷积神经网络（CNN）在图像识别、目标检测和分割等方面表现出色，进一步提升了机器视觉系统的自动化与智能化水平。
计算机软硬件技术：
包括图像卡、I/O卡、高性能计算机等硬件，以及图像处理软件、机器学习算法等软件，这些共同支持机器视觉系统的运行和应用。
光学成像技术：
涉及镜头、相机等光学设备，用于捕捉和转换图像信号。
传感器技术：
用于感知和采集环境中的视觉信息。
控制技术：
用于根据机器视觉系统的输出结果控制现场设备的动作。
电光源照明技术：
用于提供稳定的光源，确保图像采集的质量。
模拟与数字视频技术：
涉及图像信号的模拟和数字化处理。
人机接口技术：
用于实现机器视觉系统与用户之间的交互和控制。
这些技术的综合应用使得机器视觉系统能够在工业、医疗、安防、交通等多个领域发挥重要作用，实现自动化识别、检测、测量、定位等功能。