三是关键技术和核心部件受制于人。传感器、智能仪器仪表、数控系统、工业应用软件等市场份额不到5%，大型工程机械所需30Mpa以上液压件全部进口，大型转载机进口部件占整机价值量的50%-60%。四是软件产品缺乏。中国制造业“两化”融合度相对较低，低端CAD软件和企业管理软件已经非常流行，但在各种复杂产品设计和企业管理中缺乏智能软件产品，精密量仪系统在计算机辅助设计、资源规划软件、电子商务等关键技术领域与发达国家仍存在很大差距。五是企业系统集成能力较为薄弱，缺乏像西门子、GE一样的大型企业精密量仪系统质量和水平不高。

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、精密量仪系统精密部件检测: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。精密量仪系统保质期字符识别；灌装线上的空瓶损坏。

在现代自动化生产过程中，机器视觉逐渐取代了人工视觉，精密量仪系统特别是在工况检测、成品检验、质量控制等领域。随着工业4.随着0时代的到来，这一趋势不可逆转。机器视觉系统由不同的功能模块组成，因此精密量仪系统设计出一个成功的机器视觉系统对工程师的要求是很高的。机器视觉一般涵盖以下专业领域：1、电气工程：机器视觉系统中的硬件和软件设计。2、工程数学：图像处理技术的基础。3、物理:照明系统设计的基础。4、机械工程：机器视觉系统的应用。良好的机器视觉系统能更好地为制造业提供更多的技术支持，从而提高产品质量和生产效率。

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，精密量仪系统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。精密量仪系统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。

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，从而实现精密量仪系统自动数据采集、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。精密量仪系统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。