简单来说，机器视觉即采用机器代替人眼来做测量和判断。

机器视觉系统最基本的特点是提高生产的柔性和自动化程度，对应地，机器视觉相应的有以下主要的应用方向和适用场景。

机器视觉的应用主要有几个方面：

（1）视觉检测，又可分为高精度定量检测（例如显微照片的细胞分类、机械零部件的尺寸和位置测量）和不用量器的定性或半定量检测（例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测）。

（2）机器人视觉：用于指引机器人在大范围内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他设备上（即料斗拣取问题）。至于小范围内的操作和行动，还需要借助于触觉传感技术；

（3）缺陷类检测：在工业生产过程中，易产生表面缺陷、杂质等影响产品良率，批量化应用及其视觉可以辅助工业生产高效的识别缺陷，提升良率水平。

其适用的场景主要是以下两类：

（1）不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合；

（2）在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。

一个典型的工业机器视觉系统包括：光源、镜头（定焦镜头、变倍镜头、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、通讯/ 输入输出单元等。

以基恩士的CV-X系列的引导式视觉系统为例，其核心组成部分包括：

（1）硬件，包括控制器与相机，相机方面，可供选择的相机包括超高精细的2100万像素相机、以及通过将在线激光轮廓测量仪（7种类型传感头）作为测量部，可实现3D形状测量；

（2）算法，包括多光谱拍摄、外观检测、智能学习检测、尺寸检测、识别字符检测等多种算法；

（3）检测工具，包括机械手视觉系统、连接器工具、3D检测；

（4）数据平台，包括图像处理、输出等。

从下游行业的应用领域看，机器视觉已经从工业领域逐步延伸到非工业领域。消费电子、汽车等行业已经开始广泛应用机器视觉。从下游应用领域看，由于机器视觉的众多优势，为提高生产效率、减少生产过程中的错误，工业生产中的人工环节逐渐被机器替代，工业已成为目前机器视觉应用中比重最大的领域之一，在消费电子、汽车、制药等下游行业的生产过程中，机器视觉系统与智能制造如影随形，被广泛地应用于产品尺寸检测、缺陷检测、产品识别、装配定位等方面。

在非工业领域，机器视觉主要应用于农业、医疗、安防、金融和交通等领域。机器视觉很大加强了农业自动化程度，实现农产品分选、品质检测等功能；可用于进行医学影像分析，在医药制药等也有成熟应用；还可用于安防和金融领域的人脸识别，执行身份认证任务；在交通领域则可负责车牌识别等任务。

为什么机器视觉技术可以广泛应用于工业制造生产领域。我们认为有两点重要原因：（1）可靠性原则，机器视觉技术是基于人工智能的架构，其底层是以数据传感和核心算法作为支撑的，机器视觉设备自身集成了自动化定位、识别、判定的软硬件平台，对于标准批量化产品，可以做到较高的可靠性；（2）经济性原则，机器视觉产品的应用对人工的替代性具备明显的成本优势，而且具有更高的一致性要求。

机器视觉技术是属于人工智能的重要分支。人工智能的研究核心围绕在如何使机器具备人类智能，其架构可分为基础支持层、技术层、应用层。基础支持层包括大数据、计算力和算法，基础支持层中的数据可以比作人工智能的燃料、算法可以比作人工智能的发动机，数据量、运算能力提升以及深度学习算法促进了人工智能技术的应用发展；技术层侧重人类智能的某一方面，包括视觉类技术（机器视觉、计算机视觉）、语音类技术（语音识别、机器翻译等）、自然语言处理类技术、人机交互等；应用层则是人工智能技术的具体落地，可以是具体的产品、装备（如智能检测装备），也可以是一类解决方案（如人脸识别）。从机器视觉的架构来看，从底层的传感、到算法集成应用，隶属于人工智能在工业领域的应用。

从海外的定义来看，机器视觉是一门交叉学科，涉及多个领域的综合应用。根据美国制造工程师协会（SME）机器视觉分会和美国机器人工业协会（RIA）自动化视觉分会，机器视觉是通过光学装置和非接触式的传感器，自动地接受和处理一个真实物体地图像，以获得所需信息用于控制机器人运动的装置。机器视觉技术主要采用适合被测物体的多角度光源及传感器获取检测对象地图像，通过计算机从图像中提取信息，进行分析、处理，最终用于实际检测和控制。

总的来看，机器视觉是一门涉及机械、电子、光学、自动控制、人工智能、计算机科学、图像处理和模式识别等诸多领域的交叉学科。