然而，与发达国家相比我国还有较大差距，机器视觉公司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，引进机器视觉公司技术消化吸收不足，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。

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，机器视觉公司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。机器视觉公司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。

二、智能化产线的特点如下：1.机器视觉公司在生产和组装过程中，可以使用传感器或传感器RFID数据自动采集，实时生产状态通过电子看板显示；2.机器视觉公司可以通过机器视觉和各种传感器进行质量检测，自动清除不合格产品，并收集质量数据SPC分析，找出质量问题的原因；3.能够支持各种类似产品的混合生产和组装，灵活调整工艺，适应小批量生产，.多品种生产模式；4.具有柔性，如果生产线上有设备出现故障，能够调整到其他设备生产；5.针对人工操作的工位，能够给予智能的提示。

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，机器视觉公司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。机器视觉公司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。