视觉识别系统是指利用相机、摄像机等传感器，配合机器视觉算法赋予智能设备人眼的功能，从而进行物体的识别、检测、测量等功能。机器视觉可以分为工业视觉、计算机视觉两类。
视觉识别系统由几个组成部分组成，包括照明、透镜、照相机、图像采集和数据传输以及图像处理和测量软件。有许多机器视觉标准在使用中，为系统的某些部分提供了通用性，但也必须将系统作为一个整体来考虑，包括外部机器和环境影响和条件。标准由机器视觉行业的专家制定，以确保高质量和与该行业的相关性。
基于机器视觉技术的尺寸测量方法具有成本低、精度高、安装简易等优点，其非接触性、实时性、灵活性和精确性等特点可以有效的解决传统检测方法存在的问题。同时尺寸测量是机器视觉技术普遍的应用行业，特别在自动化制造行业中，用机器视觉测量工件的各种尺寸参数，如长度测量、圆测量、角度测量、弧线测量、区域测量等，需要检测出工件相关区域的基本几何特征。不但可以获取在线产品的尺寸参数，同时可对产品做出在线实时判定和分拣，应用十分普遍。
视觉识别系统主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，然后用于实际检测、测量和控制。机器视觉技术的特点是速度快、信息量大、功能多。
在传统的自动化生产尺寸测量中，典型的方法是利用卡尺或千分尺在被测工件上针对某个参数进行多次测量后取平均值。这些检测设备或检测手段测量精度低、测量速度慢，测量数据无法及时处理，无法满足大规模自动化生产的需要。
工业自动化正在推动工厂变得更加智能，并可以取代人工减少劳动力。机器视觉用于质量控制检查已经得到了广泛的应用，但是随着3D传感器和机械手拾取集成解决方案的出现，新的市场正在开拓。不管零件的位置和方向如何，机器人拾取系统都可以随机抓取物体。3D视觉系统可以大量识别随机放置的部件，如手提箱和零件盒。由于机器人的动态处理，可以在不同方向和堆栈中选择复杂的对象。将人工智能与拾取操作相结合可以实现零件自自主选择，提高生产率和循环时间，减少过程中人机交互的需要。
制定一个合适的视觉识别系统需要：
1.确定要进行的准确测量任务
2.确定试验的准确目标、待验证的特性、待验证的试件、特殊要求
3.识别测试对象的所有细节，如类型范围、初始过程、对象污染、热/机械对象稳定性
4.准确描述现场定位、机械状况、任何干扰环境的影响
5.准确描述流程，包括流程集成、接口、空间约束、操作模式等
6.确定任何附加信息，如人机界面、操作概念、可视化视觉识别系统是指利用相机、摄像机等传感器，配合机器视觉算法赋予智能设备人眼的功能，从而进行物体的识别、检测、测量等功能。机器视觉可以分为工业视觉、计算机视觉两类。
