视觉是一个生理学词汇。光作用于视觉，使其感受细胞兴奋，其信息经视觉***系统加工后便产生视觉（vision）。通过视觉，人和动物感知外界物体的大小、明暗、颜色、动静，获得对机体生存具有重要意义的各种信息，至少有80%以上的外界信息经视觉获得，视觉是人和动物的感觉。人的眼可分为感光细胞（视杆细胞和视锥细胞）的和折光（，房水，晶状体和玻璃体）系统两部分。其适宜刺激是频率为300~750太赫兹的电磁波，即可见光部分，约150种颜色。该部分的光通过折光系统在上成像，经视***传入到大脑视觉，就可以分辨所看到的物体的色泽和分辨其亮度。因而可以看清视觉范围内的发光或反光物体的轮廓，形状，大小，颜色，远近和表面细节等情况。[1]
光学筛选机技术机器视觉检测技术的研究始于20世纪50年代，研究它目的是代替人眼从事检测识别工作，从而大大提高检测效率和检测精度，以及降低人为因素带来的检测结果的不一致性。光学筛选机器视觉检测技术发展至今，在检测精度、检测速度、检测稳定性等许多方面已经超越人眼检测，如在螺丝螺母检测项目中，光学筛选机机器视觉检测的速度就可以达到1200个/每分钟、磁材ccd筛选检测精度可达到0.001mm，这样的精度和速度在传统人眼检测中是根本不可能达到的
在应用中，往往是给定一些具体的缺陷模式，使用机器视觉来识别它们到底有没有发生。但经常遇到的情况是，许多明显的缺陷，因为之前没有发生过，或者发生的模式过分多样，而被漏检。如果换做是人，虽然在操作流程文件中没让他去检测这个缺陷，但是他会注意到，从而有较大几率抓住它。
当前有许多智能相机供应商，也有许多分析软件供应商，虽然各自发布的软件算法各有特点，其实用起来真的差不多，功能非常雷同。但都是按照固定的模式和步骤去处理相机获得的图片，从图片上去分析某个预期中的特征，从而给出判别结果，没有一家有革命性的智能算法。
2、有效“干扰”用户的视线，为用户提供有效选择的、某种可能的“引导”，支持用户试图去完成它们的目标和任务同时通过文献的研究发现，一般用户的视觉习惯为：（1）左上角优先，从左到右、从上到下的阅读习惯（古腾堡法则）；（2）字体对比：字体越大、越粗，表示这部分内容越重要；“用户在页面上的视线移动，并不是随机的。它是一种所有人类共有的、对于视觉刺激产生的、一系列的复杂的原始本能反应。”设计师可以通过有效的视觉手段，来吸引或分散用户的注意力。
