机器视觉在智能工厂中扮演着重要的角色，可以有效增加产能、提升产品合格率。在选择小型机器视觉系统时，传统工业智能相机的优势是体积小、集成度高、便于开发使用;嵌入式机器视觉系统的优势则在于配置相当弹性，可配备较高等级的CPU处理器，支持多通道相机，以及具备高扩展性。是否有更新型态的小型机器视觉系统，可以兼具两者的优点，同时具备降低成本，满足需求越来越严苛与快速的视觉应用考验?

　　智能工厂对机器视觉的需求

　　性能与处理能力。如何提升产能，系统性能与处理能力(throughput)扮演着关键的角色。就一般机器视觉系统而言，高分辨率与高帧率(每秒显示帧数)就像鱼与熊掌一样，不可兼得。在一般实际的应用中，通常是高分辨率但低帧率或低分辨率但高帧率的应用组合。如果想要两者兼得，惟一的出路就是使用高端CPU处理器来补足分辨率与帧率加乘出来的结果。如何以合理的成本，取得最佳的处理性能，是系统开发人员所关心的。

　　产线环境。工厂的环境通常是较为恶劣的，例如在饮料生产包装的产线，系统可能会直接接触到液体。而在工具机加工的环境中，则是充满切削工件的恶劣环境。如果机器视觉系统必须就近配置在严苛的产线环境中，那么选择具备防水、防尘能力的产品才能达到该需求。

　　多组生产工作站。在工厂环境中，一个成品的上市，从组件的制造、半成品的取放、质量的检验到出货的包装，必须要经过层层不同的工作站。举例来说，CNC机台负责组件的车削加工，通过工业机器人的取件，通过工业相机让工件定位后，才开始进行工件的切割;完成后进入到检测的站台，进行缺陷检测;过关的成品在包装区进行出货条形码的扫读。多组生产工作站之间，如何让系统之间容易整合与沟通，是工厂是否智能化的一大关键。

　　软件开发环境。软件解决方案开发的难易度与整合度，是所有导入智能化系统的工程人员心中的一大担忧，也往往是决定项目成败的最重要因素。如何缩短开发时间，降低系统开发成本，是重要的关键。

　　选择小型机器视觉系统的决胜点

　　处理器计算性能。传统智能相机因为体积小，在有限的空间里，散热能力会受到限制，因而仅能搭载单核Atom处理器或ARM架构的处理器，虽然其功耗较低，但因性能有限，故仅能完成单一任务的图像分析处理，如计数、扫描条形码等。随着Intel AtomTM E3840处理器系列的发布，相比前一代处理器系列提升两倍的处理性能，且同时还拥有低功耗的优势。这意味着小体积也能带来高性能，多任务的图像处理得以被实现。新一代的小型机器视觉系统可具备同时进行尺寸测量、计数、定位、二维码读取等多任务处理的能力，从持有成本来看，具备一台抵多台的能力。

　　图像传感器与图像质量的优劣。图像传感器是机器视觉系统的灵魂，传感器的尺寸直接代表着图像的质量。在过去，智能相机的应用定义在初级的图像检测上，传感器的尺寸与图像质量的优劣，并不容易被凸显。然而如果要将机器视觉应用在高端高速的检测应用上，那么传感器的尺寸，就成为选择系统时，必须要考虑的要点。

　　卷帘快门(Rolling shutter)与全局快门(Global shutter)的比较。卷帘快门与全局快门的不同在于画面曝光的时间差。卷帘快门是通过电子信号告诉感光组件，依序曝光，直到整个画面曝光完成。而全局快门是在曝光时，“同时” 曝光整个画面。随着系统处理性能的提升，系统性能将不再是瓶颈，若有高速移动对象的检测的需求，采用全局快门传感器能采集到无残影的，正确的图像。

　　协处理器。在机器视觉图像采集与分析的过程中，图像质量占了重要的关键。如果可以在图像进入分析之前，就对采集的图像进行质量优化，可确保图像分析的正确。在过去的应用中，图像数据采集到系统后，必须通过系统处理器进行计算与图像质量优化，因为受限于CPU计算资源，能够处理的图像数据量也会受到限制。然而，若能通过FPGA的支持，将图像的矩阵计算，在进到CPU计算之前，即做好过滤以及优化的处理，可以大幅加速图像处理的性能，降低CPU资源，一方面可以把系统资源留给机器视觉系统的核心—图像算法，另一方面可以更实时的处理大数据量的图像，让高速以及复杂的图像处理与分析，得以被实现，预处理功能例如查找表(look up table)、感兴趣区域(ROI ，Region of Interest)，阴影校正(Shading Correction)等图像质量优化功能。