造紙工業(yè)的紙張生產(chǎn)流程主要有：制漿、網(wǎng)部紙張成型、壓榨脫水、烘干干燥、涂布、壓光、卷繞、復(fù)卷、切紙等。在紙制漿的過程中，經(jīng)常會(huì)有一些費(fèi)紙沒有完全打成紙漿、或是一些紙漿在儲(chǔ)存罐中停留時(shí)間過長(zhǎng)，而出現(xiàn)一些腐漿團(tuán)。如果這些腐漿團(tuán)在整個(gè)造紙過程中沒有被除去，則會(huì)出現(xiàn)在成品紙張中。另外，紙張中也會(huì)存在一些紙張的色斑(費(fèi)紙中油墨沒有完全除去)及紙張裂紋等，這些紙張中的缺陷通稱為瑕疵。此類的紙張供給印刷企業(yè)，印刷機(jī)在印刷時(shí)，極有可能對(duì)印刷機(jī)造成一定傷害，同時(shí)也影響到產(chǎn)品的品質(zhì)及企業(yè)的信譽(yù)。因此，在紙張的生產(chǎn)過程中，應(yīng)當(dāng)采取一定的措施檢測(cè)并剔除含有腐紙漿團(tuán)等瑕疵的紙張，紙張的品質(zhì)。由于紙張中的瑕疵，傳統(tǒng)的人眼檢測(cè)無法適應(yīng)高速生產(chǎn)線，而且容易漏檢給企業(yè)造成損失。所以通過機(jī)器視覺技術(shù)進(jìn)行紙張表面瑕疵檢測(cè)為紙張質(zhì)量檢測(cè)提供了很好的方案。對(duì)于正常紙張，白度都在百分之七十以上，而腐漿團(tuán)的白度一般情況下小于百分之三十。白度的檢測(cè)可以利用各種光學(xué)檢測(cè)儀器測(cè)量，由于目前紙張測(cè)量要求在高速運(yùn)行中動(dòng)態(tài)檢測(cè)，必須利用快速檢測(cè)裝置，而現(xiàn)有技術(shù)方案中應(yīng)用機(jī)器視覺CCD檢測(cè)系統(tǒng)是理想的選擇?；跈C(jī)器視覺技術(shù)MVC紙張瑕疵檢測(cè)儀通過線陣相機(jī)對(duì)紙張表面進(jìn)行掃描，配合易菲特自主研發(fā)的MVC紙張瑕疵檢測(cè)系統(tǒng)對(duì)瑕疵進(jìn)行快速識(shí)別，瑕疵進(jìn)行自動(dòng)分類，發(fā)現(xiàn)瑕疵報(bào)警提示并進(jìn)行打標(biāo)，實(shí)現(xiàn)了紙張瑕疵檢測(cè)，極大的提高生產(chǎn)效率。機(jī)器視覺在表面質(zhì)量檢測(cè)中能夠?qū)崿F(xiàn)高速、在線檢測(cè)的優(yōu)越，目前已經(jīng)在帶鋼、薄膜、無紡布、紙張等領(lǐng)域廣泛應(yīng)，備受行業(yè)用戶青睞，其成本低、精度高、安裝簡(jiǎn)易等優(yōu)點(diǎn)更是不在話下，已經(jīng)成為自動(dòng)化生產(chǎn)檢測(cè)、質(zhì)量控制等領(lǐng)域的一把利器。如今，中國正成為世界機(jī)器視覺發(fā)展活躍的地區(qū)之一，應(yīng)用范圍涵蓋了工業(yè)、農(nóng)業(yè)、醫(yī)藥、軍事、航天、氣象、天文、公安、交通、安全、科研等國民經(jīng)濟(jì)的各個(gè)行業(yè)。其重要原因是中國已經(jīng)成為全球制造業(yè)的加工中心，高要求的零部件加工及其相應(yīng)的先進(jìn)生產(chǎn)線，使許多具有國際先進(jìn)水平的機(jī)器視覺系統(tǒng)和應(yīng)用經(jīng)驗(yàn)也進(jìn)入了中國。經(jīng)歷過長(zhǎng)期的蟄伏，2010年中國機(jī)器視覺市場(chǎng)迎來了爆發(fā)式增長(zhǎng)。數(shù)據(jù)顯示當(dāng)年，中國機(jī)器視覺市場(chǎng)規(guī)模達(dá)到8.3億元，同比增長(zhǎng)48.2%，其中智能相機(jī)、軟件、光源和板卡的增長(zhǎng)幅度都達(dá)到了50%，工業(yè)相機(jī)和鏡頭也保持了40%以上的增幅，皆為2007年以來的zui高水平。2011年，中國機(jī)器視覺市場(chǎng)步入后增長(zhǎng)調(diào)整期。相較2010年的高速增長(zhǎng)，雖然增長(zhǎng)率有所下降，但仍保持很高的水平。2011年中國機(jī)器視覺市場(chǎng)規(guī)模為10.8億元，同比增長(zhǎng)30.1%，增速同比2010年下降18.1個(gè)百分點(diǎn)，其中智能相機(jī)、工業(yè)相機(jī)、軟件和板卡都保持了不低于30%的增速，光源也達(dá)到了28.6%的增長(zhǎng)幅度，增幅遠(yuǎn)高于中國整體自動(dòng)化市場(chǎng)的增長(zhǎng)速度。電子制造行業(yè)仍然是拉動(dòng)需求高速增長(zhǎng)的主要因素。2011年機(jī)器視覺產(chǎn)品電子制造行業(yè)的市場(chǎng)規(guī)模為5.0億人民幣，增長(zhǎng)35.1%。市份額達(dá)到了46.3%。電子制造、汽車、制藥和包裝機(jī)械占據(jù)了近70%的機(jī)器視覺市場(chǎng)份額。機(jī)器視覺的研究是從20世紀(jì)60年代中期美國學(xué)者L.R.羅伯茲關(guān)于理解多面體組成的積木世界研究開始的。當(dāng)時(shí)運(yùn)用的預(yù)處理、邊緣檢測(cè)、輪廓線構(gòu)成、對(duì)象建模、匹配等技術(shù)，后來一直在機(jī)器視覺中應(yīng)用。羅伯茲在圖像分析過程中，采用了自底向上的方法。用邊緣檢測(cè)技術(shù)來確定輪廓線，用區(qū)域分析技術(shù)將圖像劃分為由灰度相近的像素組成的區(qū)域，這些技術(shù)統(tǒng)稱為圖像分割。其目的在于用輪廓線和區(qū)域?qū)λ治龅膱D像進(jìn)行描述，以便同機(jī)內(nèi)存儲(chǔ)的模型進(jìn)行比較匹配。實(shí)踐表明，只用自底向上的分析太困難，必須同時(shí)采用自頂向下，即把目標(biāo)分為若干子目標(biāo)的分析方法，運(yùn)用啟發(fā)式知識(shí)對(duì)對(duì)象進(jìn)行預(yù)測(cè)。這同言語理解中采用的自底向上和自頂向下相結(jié)合的方法是一致的。在圖像理解研究中，A.古茲曼提出運(yùn)用啟發(fā)式知識(shí)，表明用符號(hào)過程來解釋輪廓畫的方法不必求助于諸如zui小二乘法匹配之類的數(shù)值計(jì)算程序。70年代，機(jī)器視覺形成幾個(gè)重要研究分支：①目標(biāo)制導(dǎo)的圖像處理；②圖像處理和分析的并行算法；③從二維圖像提取三維信息；④序列圖像分析和運(yùn)動(dòng)參量求值；⑤視覺知識(shí)的表示；⑥視覺系統(tǒng)的知識(shí)庫等。