机器视觉技术大大提高了工业自动化中的信息采集能力。信息不再是一维的简单数据，而是大量的广域三维数据。与此同时，它将极大地突破人眼在速度、大小、光谱等方面。比如，机器视觉系统基本上覆盖了整个光谱，分辨率可微米，速度可达每秒数亿帧。这远远超出了目前工业制造业的速度和精度水平，甚至在未来很长一段时间内满足更准确、更高速的制造要求。智能产线检测能够充分保证工业制造业信息收集的速度和准确性。另一方面，随着图像技术的快速发展，大量的图像信息可以快速、实时、智能地的图像信息，大大提高了判断速度，更接近人类的智能，智能产线检测提高了工业生产中信息处理的速度和准确性。视觉技术服务业4.0的技术框架-四个智能化（智能识别、智能测量、智能检测、智能互联）。

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，智能产线检测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。智能产线检测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。

2.按计量器具示值方式分为测量和相对测量3.智能产线检测按计量器具的测量元件与被测零件表面之间是否有机械接触分为接触测量和非接触测量4.按工件上同时被测量的参数的多少分为单项测量和综合测量5.按测量条件在整个测量过程中是否发生变化分为等精度测量和不等精度测量6.按测量在工艺过程中所起的作用分为主动测量和被动测量。影像精密量仪的5大特性：1.选择彩色CCD监控摄像头。2.变镜头焦距物镜和十字线生产器作为测量识别系统软件。3.智能产线检测数据测量和数据处理系统由二维平面图操作台、光栅尺和数据信息箱组成。4.仪器设备具有多种数据处理方法.显示信息.键入.输出功能，非常好用。

不过，对不需要集成的机器视觉系统的需求肯定很高。机器视觉应用的易用性一直是用户的痛点，也是市场上组件和软件制造商的目标。在20世纪80年代中期，智能产线检测许多机器视觉组件开始出现，它们不需要低级编程和用户界面，这使得工具更容易配置。智能相机技术在20世纪90年代的爆炸式发展，巩固了机器视觉的易用性。其结果是:许多要求较低的机器视觉应用程序可以使用只需要很少配置甚至不需要配置的组件来解决。智能产线检测发布或引入了一些新组件，声称机器视觉任务的粗略配置可以消除某些应用。