我國的機器人產業化必須由市場來拉動，機器人作為高新技術，它的發展與社會的生產、經濟狀況密切相關。機器人的研制、開發只有從技術上實現可能性大為原則選擇機器人優先應用的領域，并以此為突破口，向其他領域滲透、擴散至為重要。隨著工業4.0時代的到來，機器視覺在智能制造業領域的作用越來越重要，能讓更多用戶獲取機器視覺的相關基礎知識，包括機器視覺技術是工作的、它為是實現流程自動化和質量改進的正確選擇等。機器視覺是一門學科技術，廣泛應用于生產制造檢測等工業領域，用來產品質量，控制生產流程，感知環境等。機器視覺系統是將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，根據像素分布和亮度、顏色等信息，轉變成數字化信號，圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。機器視覺行業的人士都知道，機器視覺檢測系統一般是通過CCD照相機將被監測的對象轉換成圖，傳送給機器視覺是同種的圖像處理系統實現的，在這個過程中，機器視覺系統地圖像處理系統，會依據像素的分布和各個不同成像區域的亮度、顏色等不同的信息，將圖像信號再次轉化為數字化的信號。這些信號所反映出來的監測項目的特征，將作為輸出結果，為電腦或者人工判斷提供參考依據，進而達到自動化、提率的目標。機器視覺系統實現這些工作原理，需要有幾個典型結構的支持：首先就是照明系統，與機器視覺相關的照明系統，又被稱為機器視覺光源。可以這么說，照明是影響機器視覺系統輸入和判斷的重要的因素之一，因為它直接影響機器視覺系統輸入數據的質量和分析依據，還有就是這個系統的實際應用效果。通常情況下，按照目前機器視覺光源行業的狀況，是沒有通用的機器視覺照明設備的，所以針對任何一個新開發的機器視覺系統，需要開發對應的機器視覺光源，找到適用的照明設備和系統。其次就是鏡頭了，鏡頭也在很大程度上決定了成像的效果，而選擇好的鏡頭，就需要關注體現鏡頭配置的幾個關鍵因素：如焦距、目標高度、影像高度、放大倍數、影像至目標的距離、中心點、節點、畸變等，這些都決定著鏡頭的質量，也關系到機器視覺系統的判讀水平。故而，選用工業鏡頭時必須考慮視野、工作距離，CCD(攝像機成像傳感器裝置的尺寸)等因素。另外，就是一些圖像采集和機器選型方面的結構了。這些典型的結構決定了機器視覺系統的整體功能特性。由此可見，機器視覺領域，重要典型的結構就是機器視覺光源和工業鏡頭了，選擇的機器視覺系統，必須先選擇相應的機器視覺光源與之搭配，同時配置好的圖像處理系統，也就是的工業相機和工業機關念頭。機器視覺的研究是從20世紀60年代中期美國學者L.R.羅伯茲關于理解多面體組成的積木世界研究開始的。當時運用的預處理、邊緣檢測、輪廓線構成、對象建模、匹配等技術，后來一直在機器視覺中應用。羅伯茲在圖像分析過程中，采用了自底向上的方法。用邊緣檢測技術來確定輪廓線，用區域分析技術將圖像劃分為由灰度相近的像素組成的區域，這些技術統稱為圖像分割。其目的在于用輪廓線和區域對所分析的圖像進行描述，以便同機內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，即把目標分為若干子目標的分析方法，運用啟發式知識對對象進行預測。這同言語理解中采用的自底向上和自頂向下相結合的方法是一致的。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zui小二乘法匹配之類的數值計算程序。70年代，機器視覺形成幾個重要研究分支：①目標制導的圖像處理；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；⑥視覺系統的知識庫等。