基于DSP FPG技术实现嵌入式视觉检测，根据应用需求定制检测算法，实现紧凑化、分布式，组网式智能视觉测量，便于工业现场使用。应用场合包括：
（1）多目视觉三维形貌测量，如大尺寸变形监测等
（2）结构光三维扫描测量，如便携三维扫描测量仪等
（3）基于图像的外观缺陷、尺寸、颜色自动检测
（4）基于机器视觉的生产线自动检测和质量可控制。
简洁、直观的图形界面是容易使用和设置的关键。当今机器视觉产品之间的主要区别在于它们的图形接口。接口应该从“设置”和“操作”这两方面来评价。对一个工程师来讲，它应该非常复杂，而对于一个操作者来说应非常简单。
视觉系统的分辨率是系统能分辨的较小特征。有些时候，如微小尺寸的精准快速测量，形状匹配，颜色辨识等，用人眼根本无法连续稳定地进行，其它物理量传感器也难有用武之地。例如，“1的视觉范围(FOV)使用一个640x480像素的计算机图像将得到1/640的分辨率或0.00156”。实际上，机器视觉算法具有亚像素的能力。也就是说，这些算法能够测量或得出比一个像素更小的单位。
在机器视觉系统中；关键技术有光源照明技术、光学镜头、摄像机、图像采集卡和图像处理卡和快速准确的执行机构等方面。在机器视觉应用系统中；好的光源与照明方案往往是整个系统成败的关键；起着非常重要的作用；它并不是简单的照亮物体而已。 光源与照明方案的配合应尽可能地突出物体特征量；在物体需要检测的部分与那些不重要部份之间应尽可能地产生明显的区别；增加对比度；同时还应保证足够的整体亮度；物体位置的变化不应该影响成像的质量。在机器视觉应用系统中一般使用透射光和反射光。 对于反射光情况应充分考虑光源和光学镜头的相对位置、物体表面的纹理；物体的几何形状、背景等要素。由于计算机视觉技术的准确性和效率不断提高，营销人员现在可以绕过传统的人口统计研究，并快速准确地梳理数百万的在线图像。光源的选择必须符合所需的几何形状、照明亮度、均匀度、发光的光谱特性等；同时还要考虑光源的发光效率和使用寿命。光学镜头相当于人眼的晶状体；在机器视觉系统中非常重要。 一个镜头的成像质量优劣；即其对像差校正的优良与否；可通过像差大小来衡量；常见的像差有球差、彗差、像散、场曲、畸变、色差等六种。
标签高质量高产出是企业更为关注的，那么随之企业的用工成本将大幅度攀升。②形状检验这方面的例子有检验螺杆或螺钉这样的简单部件、检验小圆片的圆度、检验包装上或瓶子上的标签的尺寸、形状和位置等。多方面因素的综合作用，使得标签检测领域原来以人工检验为主的质量检测体系，已经无法适应新的社会环境、生产环境对标签质量要求。全自动标签检测设备代人工视觉，可以不知疲倦的进行重复性的工作，它可以对印品进行100%的质量检测，实现高精度、高一致性的质量控制，能够有效的降低标签的漏检率，减少退单、返单的数量。由于标签检测设备是在固定的精度条件下进行检测，检测的效率是一致的，因此标签整体的生产效率是可以预估的。
