2011年，中國機器視覺市場步入后增長調(diào)整期。相較2010年的高速增長，雖然增長率有所下降，但仍保持很高的水平。2011年中國機器視覺市場規(guī)模為10.8億元，同比增長30.1%，增速同比2010年下降18.1個百分點，其中智能相機、工業(yè)相機、軟件和板卡都保持了不低于30%的增速，光源也達到了28.6%的增長幅度，增幅遠高于中國整體自動化市場的增長速度。電子制造行業(yè)仍然是拉動需求高速增長的主要因素。2011年機器視覺產(chǎn)品電子制造行業(yè)的市場規(guī)模為5.0億，增長35.1%。市份額達到了46.3%。電子制造、汽車、制藥和包裝機械占據(jù)了近70%的機器視覺市場份額。同時還有一個在離線狀態(tài)下用三坐標(biāo)測量機校準(zhǔn)過的校準(zhǔn)裝置，可對攝像頂進行在線校準(zhǔn)。

在行業(yè)應(yīng)用方面，主要有制藥、包裝、電子、汽車制造、半導(dǎo)體、紡織、、交通、物流等行業(yè)，用機器視覺技術(shù)取代人工，可以提供生產(chǎn)效率和產(chǎn)品質(zhì)量。例如在物流行業(yè)，可以使用機器視覺技術(shù)進行快遞的分揀分類，不會出現(xiàn)大多快遞公司人工進行分揀，減少物品的損壞率，可以提高分揀效率，減少人工勞動。 [6] 產(chǎn)展編輯機器視覺的研究是從20世紀(jì)60年代中期美國學(xué)者L.R.羅伯茲關(guān)于理解多面體組成的積木世界研究開始的。當(dāng)時運用的預(yù)處理、邊緣檢測、輪廓線構(gòu)成、對象建模、匹配等技術(shù)，后來一直在機器視覺中應(yīng)用。羅伯茲在圖像分析過程中，采用了自底向上的方法。用邊緣檢測技術(shù)來確定輪廓線，用區(qū)域分析技術(shù)將圖像劃分為由灰度相近的像素組成的區(qū)域，這些技術(shù)統(tǒng)稱為圖像分割。其目的在于用輪廓線和區(qū)域?qū)λ治龅膱D像進行描述，以便同機內(nèi)存儲的模型進行比較匹配。實踐表明，只用自底向上的分析太困難，必須同時采用自頂向下，即把目標(biāo)分為若干子目標(biāo)的分析方法，運用啟發(fā)式知識對對象進行預(yù)測。這同言語理解中采用的自底向上和自頂向下相結(jié)合的方法是一致的。在圖像理解研究中，A.古茲曼提出運用啟發(fā)式知識，表明用符號過程來解釋輪廓畫的方法不必求助于諸如二乘法匹配之類的數(shù)值計算程序。70年代，機器視覺形成幾個重要研究分支：①目標(biāo)制導(dǎo)的圖像處理；②圖像處理和分析的并行算法；③從二維圖像提取三維信息；④序列圖像分析和運動參量求值；⑤視覺知識的表示；機器是指由零部件組裝成的裝置,可以運轉(zhuǎn),用來代替人的勞動、作能量變換或產(chǎn)生有用功。⑥視覺系統(tǒng)的知識庫等。

機器視覺的阿喀琉斯之踵：據(jù)麻省理工《技術(shù)評論》報道，來自谷歌和OpenAI研究所的研究人員發(fā)現(xiàn)了機器視覺算法的一個弱點：機器視覺會被一些經(jīng)過修改的圖像干擾，而人類可以很容易地發(fā)現(xiàn)這些圖像的修改之處。 [7] 應(yīng)用領(lǐng)域編輯機器視覺的應(yīng)用主要有檢測和機器人視覺兩個方面：⒈ 檢測：又可分為定量檢測（例如顯微照片的細胞分類、機械零部件的尺寸和位置測量）和不用量器的定性或半定量檢測（例如產(chǎn)品的外觀檢查、裝配線上的零部件識別定位、缺陷性檢測與裝配完全性檢測）。⒉機器人視覺：用于指引機器人在大范圍內(nèi)的操作和行動，如從料斗送出的雜亂工件堆中揀取工件并按一定的方位放在傳輸帶或其他設(shè)備上（即料斗揀取問題）。至于小范圍內(nèi)的操作和行動，還需要借助于觸覺傳感技術(shù)。納米(nm)即為10-9m，納米技術(shù)定義為尺寸或公差范圍為0。