机器视觉是人工智能正在快速发展的一个分支。简单地说，机器视觉就是用机器代替人眼来测量和判断。机器视觉系统通过机器视觉产品（即图像摄入装置、CMOS和CCD）将被摄目标转换为图像信号，并将其传输到特殊的图像处理系统，根据像素分布、亮度、颜色等信息，机器视觉系统将被摄目标的形态信息转换为数字信号；图像系统对这些信号进行各种计算，以提取目标的特征，然后根据歧视结果控制现场设备的动作。机器视觉系统提高生产的灵活性和自动化程度是机器视觉系统基本的特点。在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，利用机器视觉检测方法，可以大大提高生产效率和自动化程度，同时也是大量重复性工业生产的过程。

社会进步永远离不开以人为本。在满足了人们的基本需求之后，工业生产必须朝着越来越精细化、智能化的方向发展。智能视觉就是这个时代的产物。机器视觉系统工业3.革命后，自动化时代已经进入，实现了“时代无人(少人)”。在工业4.0时代，随着机器视觉的应用，少数工厂已将实现了“无人时代”。工业4.0时代的技术特征——视觉和图像技术是核心（从“智眼”到“智人”）。机器视觉技术是20世纪人类伟大的技术之一。机器视觉系统80%的人通过眼睛感知外部信息，图像包含较多的信息。视觉图像技术在信息时代注定要成为三脚架，尤其是在工业信息时代。

机器视觉与图像处理、模式分类和场景分析三个领域密切相关。(1)图像处理主要是根据现有图像获得新图像。由于获得的是图像，其输出结果仍需要分析和解释。（2）模式分类的主要任务是：对“模式”进行分类。这些“模式”是指事物的一组属性或者说特征。通过这些属性特征，机器视觉系统将其划归为已知类中的某一类，也就是识别出了这个事物。(3)场景分析的重点是将简单的描述转化为更复杂、更详细、更有利于我们判断或得出结论的描述。机器视觉系统这些输出描述深化了输入描述，进一步解释了事物之间的深层联系。

典型的工业机器视觉系统包括:光源、镜头(定焦镜头、双镜头、远心镜头、显微镜头)、相机(包括CCD相机和COMS相机)、图像处理单元(或图像捕获卡)、图像处理软件、监视器、通信/输入输出单元等。四个常见应用领域：检测是机器视觉工业领域的主要应用之一，光学筛选机，机器视觉系统几乎所有产品都需要检测，人工检测问题较多，人工检测准确性低，工作时间长，准确性不能保证，检测速度慢，机器视觉系统容易影响整个生产过程的效率。因此，机器视觉检测设备在图像检测的应用方面也非常的广泛，光学影像筛选机，例如：硬币边沿字符的检测。

然而，与发达国家相比我国还有较大差距，机器视觉系统体现在以下几个方面：一是智能设备制造基础理论和技术体系建设滞后。目前，我国主要关注智能设备制造技术跟踪和技术引进，基础研究能力相对不足，引进机器视觉系统技术消化吸收不足，缺乏原创创新；控制系统、系统软件等关键技术环节薄弱，技术系统不完整。二是我国智能设备制造的数字化发展基础相对薄弱，制造业的整体发展仍处于机械自动化向数字化自动化的过渡阶段。如果德国工业4.0作为参照系，比较一致的观点是，中国总体上还是2.0时代，一些企业正在向3.0时代迈进。

温度会影响LED光源的性能，随着LED温度上升，其亮度下降，这可以通过光源控制器来进行亮度输出补偿。由于需要良好的热设计，LED自身产生的热量也会加速老化甚至直接报废。机器视觉系统其他部件也会有相应的温度限值，比如工业控制器/嵌入式PC一般都能使用工业环境，但如果没有风扇，那么很可能PC也会报废。机器视觉系统除了选择好的硬件外，还应考虑被测物体本身对温度的敏感性，以保证视觉成像的稳定性。例如，金属物体对温度有热膨胀和冷收缩。因此，当测量这些物体时，长度和体积会发生变化。