智能制造中机器视觉的关键技术主要包括以下几个方面：
1. 照明光源技术：照明光源是机器视觉系统的基础和关键，直接影响到系统采集到的图像质量，进而影响到后续图像处理和分析的准确性。在实际应用中，需要根据具体案例设计照明方案，考虑物体和特征的光学特性、距离、背景等因素，选择合适的光源类型（如高频荧光灯、卤素灯、LED等）、光的强度、颜色和光谱组成均匀性、光源的形状和照射方式等。
2. 镜头技术：镜头在机器视觉系统中相当于人的眼睛，其主要作用是将目标的光学图像聚焦在图像传感器（相机）的光敏面阵上。镜头的质量直接影响到视觉系统的整体性能，因此合理选择镜头、设计成像光路是视觉系统的关键技术之一。在选择镜头时，应注意考虑分辨率、焦距、光圈、景深、成像尺寸、视场角、畸变等因素。
3. 图像采集与处理技术：这包括使用CCD（Charge Coupled Device）摄像机及图像采集卡共同完成对目标图像的采集与数字化，以及后续的图像处理技术。图像处理技术涉及图像分类、目标检测等，用于对图像进行分析和处理，从而实现对物体尺寸、形状、颜色、缺陷等特征的精准检测与识别。
4. 卷积神经网络与Transformers：卷积神经网络是一种在视觉检测中应用最广泛的机器视觉模型，用于特征提取。而Transformers则是一种self-attention模型架构，与CNN相比具有较少的归纳性与先验性。这些技术为机器视觉提供了更强大的图像分析和理解能力。
智能制造中机器视觉的关键技术涵盖了照明光源、镜头、图像采集与处理、卷积神经网络与Transformers等多个方面，这些技术的综合应用使得机器视觉在智能制造中发挥着越来越重要的作用。
