机器视觉算法的概述

传统算法​：特征提取（如SIFT, HOG） + 分类器（如SVM）AI算法（深度学习）​​： ​卷积神经网络（CNN）​​：是图像分类的基石。 ​经典模型​：ResNet, VGG, MobileNet（常用于移动端或嵌入式设备，追求速度与精度的平衡）。​

间隙面差检测-检测原理 基于平面三角几何，用一束激光以某一角度聚焦在被测物体表面，然后从另一角度对物体表面上的激光光斑进行成像，物体表面激光照射点的位置高度不同，所接受散射或反射光线的角度也不同，用CCD光电探测器测出光斑像的位置，就可以计算出主光线的角度，从而计算出物体表面激光照射点的位置高度

​AI算法​： ​两阶段算法​：精度高，速度相对慢。 ​R-CNN系列​：Fast R-CNN, Faster R-CNN。 ​单阶段算法​：速度快，适合实时检测。 ​YOLO系列​（YOLOv5, v7, v8, v9等）：当前工业界最流行的算法之一，在速度和精度上取得了很好的平衡。 ​SSD​ ​Anchor-Free算法​：简化了设计，如 ​FCOS, ​CenterNet。