对于系统任务为类别识别的机器视觉系统，其工作流程首先是对未知物体进行度量，并确定一组特征的度量值，接下来将得到的数值送到一个实现决策规则的过程中去，这种决策的规则一般用一个子程序实现，最后程序对度量值进行计算，并根据所度量的值确定物体最可能属于的类别，可用以下图例表述：

　　典型的机器视觉系统一般是由光源、光学镜头、摄像机、传感器、图像分析处理软件、通讯接口等部分组成的。机器视觉基本结构示意图如下：

　　1、光源：在目前的机器视觉应用系统中，好的光源与照明方案往往是整个系统成败的关键，光源与照明方案的配合应尽可能地突出物体特征量，在物体需要检测的部分与那些不重要部份之间应尽可能地产生明显的区别。其中 LED 光源凭借其诸多的优点在现代机器视觉系统中得到越来越多的应用。

 

　　2、光学镜头：光学镜头相当于人眼的晶状体，在机器视觉系统中非常重要。镜头的主要性能指标有焦距、光阑系数、倍率、接口等。

 

　　3、相机：相机是机器视觉系统获取原始信息的最主要部分，目前主要使用的CMOS相机和CCD相机。目前 CCD 摄像机以其小巧、可靠、清晰度高等特点在各大领域应用广泛。

　　4、图像采集卡：在基于 PC 机的机器视觉系统中，图像采集卡是控制摄像机拍照，完成图像采集与数字化，协调整个系统的重要设备。

　　5、视觉传感器：基于 PC 机的机器视觉系统结构没有模块化，安装不方便，可移植性差，特别是与工业广泛使用的PLC 接口比较麻烦。从软件和硬件开发两个方面来考虑，都需要一种更适合工业需求的机器视觉组件。