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)常會有一些費紙沒有完全打成紙漿、或是一些紙漿在儲存罐中停留時間過長，而出現(xiàn)一些腐漿團。如果這些腐漿團在整個造紙過程中沒有被除去，則會出現(xiàn)在成品紙張中。另外，紙張中也會存在一些紙張的色斑(費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)，印刷機在印刷時，極有可能對印刷機造成一定傷害，同時也影響到產(chǎn)品的品質(zhì)及企業(yè)的信譽。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并剔除含有腐紙漿團等瑕疵的紙張，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。所以通過機器視覺技術(shù)進行紙張表面瑕疵檢測為紙張質(zhì)量檢測提供了很好的方案。對于正常紙張，白度都在百分之七十以上，而腐漿團的白度一般情況下小于百分之三十。白度的檢測可以利用各種光學(xué)檢測儀器測量，由于目前紙張測量要求在高速運行中動態(tài)檢測，必須利用快速檢測裝置，而現(xiàn)有技術(shù)方案中應(yīng)用機器視覺CCD檢測系統(tǒng)是理想的選擇?；跈C器視覺技術(shù)MVC紙張瑕疵檢測儀通過線陣相機對紙張表面進行掃描，配合易菲特自主研發(fā)的MVC紙張瑕疵檢測系統(tǒng)對瑕疵進行快速識別，瑕疵進行自動分類，發(fā)現(xiàn)瑕疵報警提示并進行打標(biāo)，實現(xiàn)了紙張瑕疵檢測，極大的提高生產(chǎn)效率。機器視覺在表面質(zhì)量檢測中能夠?qū)崿F(xiàn)高速、在線檢測的優(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、安裝簡易等優(yōu)點更是不在話下，已經(jīng)成為自動化生產(chǎn)檢測、質(zhì)量控制等領(lǐng)域的一把利器。如今，中國正成為世界機器視覺發(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)濟的各個行業(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)的先進生產(chǎn)線，使許多具有國際先進水平的機器視覺系統(tǒng)和應(yīng)用經(jīng)驗也進入了中國。經(jīng)歷過長期的蟄伏，2010年中國機器視覺市場迎來了爆發(fā)式增長。數(shù)據(jù)顯示當(dāng)年，中國機器視覺市場規(guī)模達到8.3億元，同比增長48.2%，其中智能相機、軟件、光源和板卡的增長幅度都達到了50%，工業(yè)相機和鏡頭也保持了40%以上的增幅，皆為2007年以來的zui高水平。2011年，中國機器視覺市場步入后增長調(diào)整期。相較2010年的高速增長，雖然增長率有所下降，但仍保持很高的水平。2011年中國機器視覺市場規(guī)模為10.8億元，同比增長30.1%，增速同比2010年下降18.1個百分點，其中智能相機、工業(yè)相機、軟件和板卡都保持了不低于30%的增速，光源也達到了28.6%的增長幅度，增幅遠高于中國整體自動化市場的增長速度。電子制造行業(yè)仍然是拉動需求高速增長的主要因素。2011年機器視覺產(chǎn)品電子制造行業(yè)的市場規(guī)模為5.0億人民幣，增長35.1%。市份額達到了46.3%。電子制造、汽車、制藥和包裝機械占據(jù)了近70%的機器視覺市場份額。機器視覺的研究是從20世紀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)時運用的預(yù)處理、邊緣檢測、輪廓線構(gòu)成、對象建模、匹配等技術(shù)，后來一直在機器視覺中應(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像進行描述，以便同機內(nèi)存儲的模型進行比較匹配。實踐表明，只用自底向上的分析太困難，必須同時采用自頂向下，即把目標(biāo)分為若干子目標(biāo)的分析方法，運用啟發(fā)式知識對對象進行預(yù)測。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.古茲曼提出運用啟發(fā)式知識，表明用符號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)值計算程序。70年代，機器視覺形成幾個重要研究分支：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序列圖像分析和運動參量求值；⑤視覺知識的表示；⑥視覺系統(tǒng)的知識庫等。