随着新成像技术的不断发展，该学科的发展势头依然强劲。近年来，机器视觉行业在全球范围内实现了创纪录的增长，零部件在3D制导与计量、光谱图像分析、高速检测、深度学习等前沿应用领域的可用性和能力不断增强。一个称职的机器视觉集成商——集成公司和工程团队中的个人——在为工业用户提供成功和可靠的机器视觉系统解决方案方面比以往任何时候都更重要。机器视觉检测先要了解机器视觉集成任务和业务的主要目的。也就是说，减轻用户的应用程序风险。一般来说，机器视觉技术的实现技术并不像PLC，整个工业工程界都广泛理解运动控制甚至机器人技术。机器视觉检测从根本上保证项目的成功和可靠性，聘请具有机器视觉技术经验的集成商。

振动：大多数工业相机都进行了防振处理，机器人和轨道电缆可以很好地影响相机的移动。锁定的连接器可以避免相机受到振动。机器视觉检测具有良好的稳定保护机制的耐用PC和嵌入电脑。定焦镜头利用金属接口锁定螺丝确保了不受振动影响。滤光片一定程度上保护了镜头。环境光：日用滤光片可改变光线进入传感器的信息，从而避免受到环境光的影响。机器视觉检测采用高亮度调制光源，减少传感器曝光时间，减少光圈，减少环境光的影响。可见光的影响可以通过使用红外等波长的相机来降低。

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。

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。机器视觉检测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。机器视觉检测在极端恶劣条件下，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。

智能产线四要素（智能产品、人、材料、工厂）有效结合，也需要客户集成、智能集成、垂直集成、水平集成、价值链集成，通过这五个方面的集成，制造价值集成，机器视觉检测产生更大的价值。客户是智能制造的中心，是实现客户集成和智能制造的起点。通过某些智能技术将客户的需求有机地集成起来，这肯定会使制造业的价值翻倍。对于客户的集成有两种情形：一种情形是大量的差异化需求。虽然每个需求都不相同，但是需求总量很大。这就是范围经济，机器视觉检测通过多样化创造价值。第二种情形是个性化需求中的共性集中。这种情况是规模经济的范围，更有价值。

根据工厂纵向系统由三层结构组成：过程控制系统(SFC)，生产执行系统(MES)，资源规划系统(ERP)。智能工厂是这三层的上下连接，每模块化，共同形成智能平台；同时，构建生产数据中心。这样可以实现智能产品核智能设备之间的数据流，从而实现机器视觉检测自动数据采集、自动数据传输、自动数据决策、自动操作、自主故障处理等。横向集成是指集成不同制造阶段的智能系统，包括材料、能源和信息配置(如原材料、生产工艺、产品外部材料、营销等)，以及不同公司之间的价值网络配置。水平整合和垂直整合，价值链整合形成智能制造网络。机器视觉检测横向整合通过互联网、物联网、云计算、大数据、移动通信等新技术手段，高度整合分布式智能生产资源，构建基于网络的智能工厂的整合。横向集成也是实现价值链集成的基础，没有横向集成，也就没有价值链集成。