集成的网络制造系统可以看作是一个巨大的智能机器系统，模块可以看作是他的程序单元，改变拓扑结构的过程是重新编程的过程，机器视觉检测但所有这些活动都是自动完成的。根据不同产品的说明，网络制造系统可以根据需要组织生产。纵向集成具有三种特点：确保不同层次的设备和传感器的信号传输到MES、ERP层面，提供对横向集成以及端到端集成的数据支持;机器视觉检测为了满足智能制造的可变性，开发模块化和可重用性是很重要的;对智能系统进行功能性描述。纵向系统其实也就是智能工厂系统。

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。机器视觉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。

1、电池产品检测：电池类产品异物、划痕、压痕、极耳不良、污染、腐蚀、凹点、极耳烧伤、喷码不良、字符模糊等外观缺陷检测；2、PCB电路板检测：PCB电路板产品外形、尺寸、管脚和贴片检测，以及焊点、方向错误等完整性检测；3、机器视觉检测精密部件检测:测量螺钉、轴承、齿轮等精密部件的长度、宽度、高度、直径、划痕、缺陷等表面缺陷；4、电子元件检测：电容、电阻等尺寸测量，PIN针偏移、变形、短缺等缺陷，印刷字符检测等；5、食品包装检验:食品包装外观完整性检验。条形码识别。密封检测；饮料分拣和颜色选择。液体检测，生产日期。机器视觉检测保质期字符识别；灌装线上的空瓶损坏。

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，机器视觉检测表面缺陷通常是物理和化学不均匀的局部区域。机器视觉检测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。

机器视觉的主要任务：通过图像分析，生成一组描述信息，用于图像中涉及的场景或物体。也就是说，机器视觉系统的输入是图像(或图像序列)，输出是对这些图像的感知描述。这组描述与这些图像中的对象或场景密切相关，机器视觉检测可以帮助机器完成指导机器人系统与周围环境交互的特定后续任务。举个例子：指导机器手臂按要求抓取传送带上的零件。零件的类型、位置和方向是任意的。当传送带上的零件通过上摄像头时，机器视觉检测可以通过机器视觉生成一组零件描述：类型、位置和方向，从而指导机器人手臂按要求抓取。

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