武汉万安智能技术有限公司成立于2014年3月，是一家专注于为客户提供各类工业自动化相关的软件和系统产品的高科技公司。
机器视觉系统光源选型要素：
对比度：对比度对机器视觉来说非常重要。对图像识别时眼动的研究表明，视线总是集中在图像的主要特征上，也就是集中在图像轮廓曲度很大或轮廓方向突然改变的地方，这些地方的信息量较大。机器视觉应用的照明的重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生很大的对比度，从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够保证需要检测的特征突出于其他背景。
图像处理和计算机视觉的区别：
知识结构体系不同。
图像处理主要包括图像压缩，图像增强，图像复原，图像匹配，图像描述和识别。
计算机视觉包括图像处理，模式识别，空间形状的描述，几何建模以及认识过程。除了图像处理知识外，还涵盖了人工智能、机器学习等领域知识。
计算机视觉，或者说是机器视觉（计算机视觉与机器视觉略有不同，不过更相近），则类似于人类的视觉效果，只不过是用到了机器、计算机上。计算机视觉与机器视觉的区别：计算机视觉可以而且应该根据计算机系统的特点来进行视觉信息的处理。这其中，大部分的机器视觉，都包含了图像处理的过程，只有图像处理过后，才能找到图像中需要的特征，从而更进一步的执行其它的指令动作，如机械手臂的运动、机台的移动等，这些应用在大学里主要表现在机器人上，如机器人踢球、下棋等，在工业上，则主要应用于工业机器人，完成自动生产、装配、检测等工作，在农业上，则表现在一些自动收割机，如棉花收割，自动分类机器。
有一些机器视觉是不需要图像处理的，如经过相机镜头等直接连接到显示器上观察的，结果好坏是由人来判断的，这时图像处理的过程是由人自己完成的，而不是计算机。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。还有一些图像传感器有固定的特性，如颜色传感器，那样只会有信号出来即可，也是没有图像处理的。
计算机视觉，一定是包含计算机的，而机器视觉，则不一定需要计算机，可以是智能相机，也可以是图像传感器，当然也可以使用计算机完成。