三是关键技术和核心部件受制于人。传感器、智能仪器仪表、数控系统、工业应用软件等市场份额不到5%，大型工程机械所需30Mpa以上液压件全部进口，大型转载机进口部件占整机价值量的50%-60%。四是软件产品缺乏。中国制造业“两化”融合度相对较低，低端CAD软件和企业管理软件已经非常流行，但在各种复杂产品设计和企业管理中缺乏智能软件产品，精密量仪系统在计算机辅助设计、资源规划软件、电子商务等关键技术领域与发达国家仍存在很大差距。五是企业系统集成能力较为薄弱，缺乏像西门子、GE一样的大型企业精密量仪系统质量和水平不高。

系统的复杂度取决于特定的应用需求。选择一个好的零件，不仅要考虑一个零件的性能(如分辨率、帧率、测量算法等)是否能满足需求。精密量仪系统还要考虑系统的环境条件。比如在工业领域，这些环境条件包含部件变化，移载，定位，处理接口，振动，环境光，温度，灰尘，油污，水，电磁辐射等。精密量仪系统在极端恶劣条件下，有时候需要将机器视觉组件添加保护措施。典型的例子，有些相机需要在相对洁净环境下使用。但是，通常情况下，工业环境可以直接使用工业相机。就算是稳定的视觉系统，往往会因为外部的影响导致结果很不理想，比如，振动会导致图像模糊失真，而可变的零件会导致得出不同的图像，过长的曝光时间会导致运动物体的图像锐度失真。

智能生产线的平面设计应确保零部件的运输路线很短，生产工人操作方便，精密量仪系统辅助服务部门工作方便，有效地利用生产区域，并考虑智能生产线之间的相互连接。智能生产线的位置涉及到每条智能生产线之间的相互关系。应根据加工部件组装的顺序进行安排。精密量仪系统整体布局应考虑材料的流动，以缩短路线，减少运输工作量。6、制定智能产线标准计划指示图，根据智能产线上每个工作地都按一定的节拍重复地生产，可定制订出智能产线的标准计划指示图表，表示出智能产线生产的期量标准、工作制度和工作程序等等，为生产作业计划的编制提供依据。

然而，与发达国家相比我国还有较大差距，精密量仪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，引进精密量仪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。

世界是企业的研发部，世界也是企业的人力资源部。随着互联网和移动互联网的发展，企业可以整合各国的智力，形成企业的核心大脑。能够整合各国大数据资源，分析研究各种趋势；能够整合生产人员精工。在智能工厂内部，传感器、各级智能机器人、工业机器人、智能车间和产品通过纵向集成有机集成，同时确保这些信息能够传输到ERP在系统中，精密量仪系统支持水平集成和端到端价值链集成。这种垂直集成构成了工厂内部的网络制造系统，由模型、数据、通信、算法等多种模块组成。精密量仪系统在不同产品生产过程中，模块化网络制造系统可根据需要重组模块拓扑结构，很好地满足个性化产品生产的需要。

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，精密量仪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，精密量仪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。