机器视觉就是机器的视觉，换句话说：就是将视觉感知赋予机器，使机器具有和生物视觉系统类似的场景感知能力。视觉是我们强大的感知方式，我们可以在不实际接触的情况下，机器视觉公司通过视觉感知的方式获取周围环境的很多信息。在计算机出现后，机器视觉公司人们开始尝试将视觉感知能力赋予机器。由于生物视觉系统非常复杂，我们不能使机器系统具有这种强大的视觉感知能力。在这一阶段，我们仍然致力于在可控环境中构建一个机器视觉系统来处理特定的任务。由于工业视觉环境可控，处理任务具体，大部分机器视觉都应用于工业。

常见的表面缺陷包括金属表面的划痕、孔、斑点、非金属表面的混合、损伤、污渍、纸张表面的色差、压痕、玻璃等。一般来说，机器视觉公司表面缺陷通常是物理和化学不均匀的局部区域。机器视觉公司产品的外观对企业的产品销售和质量非常重要，因此对企业非常重视。传统的表面缺陷检测方法是人工检测，但不准确，抽样率高，人员成本高，强度高，不利于产品质量控制。智能视觉表面缺陷检测系统可以在很大程度上克服上述缺陷，提高公司的生产效率和质量保证，从而提高市场竞争力。

精密量仪的工作行程必须根据工厂要测量的产品的尺寸来确定仪器的工作行程尺寸。机器视觉公司如果仪器的工作行程与测量的产品尺寸相比太小，则无法测量工件。如果太大，则为浪费（仪器的工作行程与销售价格直接相关）；精密仪表的精度标准是指工厂所需测量的产品的精度（每个仪器制造商的工厂标准和装配标准，甚至仪器的精度会不同）。如果工厂产品的测量精度要求不高，可以选择一般厂家的仪器。如果测量产品的精度要求较高，机器视觉公司则需要购买仪器精度高的厂家生产的相关仪器；

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。