近年来，国内外对具有快速、非破坏性、可在线测量特征的非接触式检测技术主要依靠光学、电磁波和图像处理等技术手段实现表面粗糙度非接触测量。
而视觉检测技术目前基于机器视觉的检测方法是基于现代图像处理技术和计算机处理技术，其利用照射到具有不同粗糙度表面光束出现不同的散射，从而导致机器视觉系统记录表面灰度分布也不同原理来工作。8284
光线对图像灰度有重要的作用，不同的光源照射角度和不同的光源带检测表面距离将会得到不同的结果，同时也受到外部环境光的影响，所以必须考虑检测中外部环境光对测量结果的影响。目前通过灰度共生矩阵法及采用算术平均偏差法来提取不同粗糙度表面对应的特征，这也是实现表面粗糙度视觉检测关键所在。
算术平均偏差法是参照轮廓算术平均偏差Ra来定义的，灰度图像提取表面粗糙度时，将不同粗糙度表面转化为灰度值来计算，公式如下：
     灰度共生矩阵则是利用机械加工表面存在一定的纹理信息来区分不同的粗糙度原理来工作。与前面算术平均偏差法不同的是，灰度共生矩阵利用反映具有同样亮度或接近亮度的像素间位置分布特性的联合概率密度来定义,能反映纹理中灰度级空间相关性的规律。
使用视觉方法检测表面粗糙度的基础是由于待测工件表面粗糙度不同,则对应的图像特征量就不同。但如果测量时环境光发生变化,同一图像的灰度值会因为光线的变化而发生变化；从而导致提取的图像特征量也可能发生变化。如果当外界环境光照条件恒定时,与工件表面图像特征量为真实粗糙度的单变量函数；而当外界环境光照发生变化时,工件表面图像特征量为工件真实粗糙度值和环境光的多变量函数。所以陈自新等提出了使用照度计来测量外界环境光的强度变化来对外部环境引起的偏差进行补偿，使得外部光线对灰度的影响降低到最低点，同时提取表面不同性质特征量对表面进行约束,通过不同环境光条件下标定实验确定检测值同环境光强、工件特征量间的关系,达到提高工件表面粗糙度检测精度的目的。通过实验证明，此方法比前两种方法检测正确率各提高了30%和20%左右。
而马聪等认为刨削、铣削、磨削加工表面各种统计特征、行程长特征、协方差矩阵、幅值变化统计矩阵特征这些统计的特征对没有考虑到机械加工表面的纹理方向性较强和方向纹理的分布特点。利用正交变换中的傅立叶变换及在变换域的谱分析来描述纹理在频域空间可能找到较好的纹理特征。他们通过分析机械加工表面的纹理信息,研究各类加工表面图像功率谱的不同,提取纹理特征,对BP网络进行训练,再用训练后的神经网络来预测被检测表面粗糙度[16]。实验结果表明,该方法优于灰度统计特征,可以用于机械加工表面的粗糙度的在线评估 视觉检测技术国内外研究现状:http://www.youerw.com/yanjiu/lunwen_6550.html