在大批量工業(yè)生產(chǎn)過程中，用機器視覺系統(tǒng)檢查產(chǎn)品質(zhì)量有速度快、精度高的優(yōu)點，可以大大提高生產(chǎn)效率和生產(chǎn)自動化程度。

　　機器視覺系統(tǒng)可以快速獲取大量信息并自動進行數(shù)據(jù)處理，易于同生產(chǎn)中其他板塊信息相集成，在提高生產(chǎn)的柔性和自動化程度方面有很大的優(yōu)勢。在一些不適合人工作業(yè)的危險環(huán)境或人工視覺難以滿足要求的場合，常用機器視覺替代人工視覺。

　　在大批量工業(yè)生產(chǎn)過程中，用機器視覺系統(tǒng)檢查產(chǎn)品質(zhì)量有速度快、精度高的優(yōu)點，可以大大提高生產(chǎn)效率和生產(chǎn)自動化程度。但是由于機器視覺技術(shù)本身的性質(zhì)和要求，該技術(shù)在一些應(yīng)用中仍有許多技術(shù)難題需解決。例如，在煙草行業(yè)中就有四大難題仍待解決。

　　1、關(guān)于圖像處理的動態(tài)性。目前，多部分研究成果都是靜態(tài)的，即先從室內(nèi)或者田間采集靜態(tài)圖像，再用計算機對圖像進行處理。而實際應(yīng)用中要求識別的算法能夠適應(yīng)戶外動態(tài)的條件。雖然一些動態(tài)的算法已經(jīng)過得了成功，但分類精度扔不是很高。有研究表明：利用現(xiàn)代數(shù)學(xué)的分析方法，如分型理論、小波變換可以再圖像處理和識別的軟件設(shè)計方面提高算法的快速性和有效性。

　　2、關(guān)于農(nóng)業(yè)環(huán)境的多變性。一般地，圖像采集要求在具有可控光照、色溫以及沒有環(huán)境因素影響的實驗室或者溫室等理想條件下進行，但在實際應(yīng)用中農(nóng)田環(huán)境多變、圖像背景復(fù)雜，光照、風(fēng)速的不可控性以及設(shè)備的機械震動等許多因素都能導(dǎo)致圖像質(zhì)量下降、噪聲增加，大大增加了圖像預(yù)處理的難度，降低了處理結(jié)果的準確性和快速性。通過二值化分割、中值濾波等處理可以去除圖像中雜質(zhì)和噪聲，以提高圖像質(zhì)量。

　　3、煙葉質(zhì)量的波動性。通常，煙葉質(zhì)量會因為年份、地區(qū)、品種以及等級的不同而產(chǎn)生差異，因此圖像識別的算法應(yīng)該充分考慮到煙葉質(zhì)量差異的存在，并作出相應(yīng)的算法轉(zhuǎn)換和調(diào)整，這對實現(xiàn)煙葉的自動化檢測造成了一定的困難。在實際生產(chǎn)過程中需要擴大樣本數(shù)量，同時也應(yīng)該關(guān)注煙葉樣本的選擇標準。

　　4、尚缺乏相關(guān)的理論支撐。傳統(tǒng)的煙葉質(zhì)量評價方法并不完全適宜于基于機器視覺技術(shù)的煙葉質(zhì)量評價，如傳統(tǒng)煙葉分級中油份、成熟度等概念不利于進行定量分析，因此需要選取適宜的評價指標，并對指標進行簡化，以建立適宜的質(zhì)量評價模型。這需要煙葉內(nèi)在品質(zhì)與外觀顯性之間建立相關(guān)的聯(lián)系，以便為煙葉品質(zhì)快速而精確的檢測創(chuàng)造條件。