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，精密量仪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。精密量仪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。

根据工厂纵向系统由三层结构组成：过程控制系统(SFC)，生产执行系统(MES)，资源规划系统(ERP)。智能工厂是这三层的上下连接，每模块化，共同形成智能平台；同时，构建生产数据中心。这样可以实现智能产品核智能设备之间的数据流，从而实现精密量仪系统自动数据采集、自动数据传输、自动数据决策、自动操作、自主故障处理等。横向集成是指集成不同制造阶段的智能系统，包括材料、能源和信息配置(如原材料、生产工艺、产品外部材料、营销等)，以及不同公司之间的价值网络配置。水平整合和垂直整合，价值链整合形成智能制造网络。精密量仪系统横向整合通过互联网、物联网、云计算、大数据、移动通信等新技术手段，高度整合分布式智能生产资源，构建基于网络的智能工厂的整合。横向集成也是实现价值链集成的基础，没有横向集成，也就没有价值链集成。

机器视觉的主要任务：通过图像分析，生成一组描述信息，用于图像中涉及的场景或物体。也就是说，机器视觉系统的输入是图像(或图像序列)，输出是对这些图像的感知描述。这组描述与这些图像中的对象或场景密切相关，精密量仪系统可以帮助机器完成指导机器人系统与周围环境交互的特定后续任务。举个例子：指导机器手臂按要求抓取传送带上的零件。零件的类型、位置和方向是任意的。当传送带上的零件通过上摄像头时，精密量仪系统可以通过机器视觉生成一组零件描述：类型、位置和方向，从而指导机器人手臂按要求抓取。

中国制造业经历了机械化、自动化、数字化等发展阶段，建立了完整的制造体系和制造基础设施，在全球产业链中发挥着重要作用。这使中国具可能实现智能装备制造，推动全球产业链改革。一是取得了一大批相关的基础研究成果，精密量仪系统掌握了长期制约我国产业发展的部分智能装备制造技术，如机器人技术、感知技术、复杂制造系统、智能信息处理技术等。初步形成了以新型传感器、智能控制系统、工业机器人、自动化生产线为代表的智能设备制造产业体系。二是我国制造业数字化具备一定的基础。目前指定规模以上的工业企业在研发设计中应用数字工具的渗透率已达54%，精密量仪系统生产线上数控设备的比例已达30%。

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。精密量仪系统工业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。精密量仪系统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。

机器视觉系统通过光学系统将被摄对象转换为图像信号，精密量仪系统然后将图像信号传输到图像采集卡，并根据像素分布、亮度、颜色等信息转换为数字信号。图像处理单元可以有效地计算这些数字信号，并获得拍摄目标的特征值，从而指导设备根据判断结果执行相应的操作。机器视觉是用机器代替人眼来测量和判断。本质上，机器视觉是图像分析技术在工厂自动化中的应用。这些决策是通过使用光学系统、工业数码相机和图像处理工具来实现的，精密量仪系统通过指挥特定的设备来模拟人类的视觉功能并做出相应的决策。