所谓机器视觉，也叫计算机视觉，即用机器代替人眼来做测量和判断。机器视觉系统主要指通过机器视觉产品将被摄取目标转换成图像信号，
传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。
作为计算机视觉的一大分支，工业视觉更多注重广义图像信号（激光，摄像头）与自动化控制（生产线）方面的应用，与人眼相比，工业视觉在精确程度、客观程度、可重复性、成本以及效率上都有明显的优势。
工业视觉可用于实现对产品表面信息进行检测、非接触式测量产品外观尺寸、判断物体位置坐标以及识别判断物体的颜色、形状等特征。从应用工艺来看，工业视觉既可以和机器人配合，实现分拣、装配、印刷等工艺，也可以进行高性能和精密组件的检测和测量，后者对精密程度要求更高，但也恰恰是人眼难以实现的，需求也更大。工业视觉相当于给赋予生产过程一双眼睛，让制造智能化，打开了智能制造的新“视界”。
机器视觉技术的发展起源于20世纪60年代中期，被美国学者罗伯兹提出并开始研究，到70年代，机器视觉形成了几个重要研究分支，直到20世纪80到90年代，机器视觉才迎来了蓬勃发展，而在21世纪之后，机器视觉技术才步入成熟期。
随着人工智能技术兴起以及边缘设备算力的提升，机器视觉的应用场景不断扩展，并催生了巨大的市场。根据美国领先的调查机构Grand View Research的分析，预计到2025年全球机器视觉市场规模将达到182.4亿美元，复合年增长率为7.7％。
近年来，出现了许多推动机器视觉行业发展的新技术，特别是在识别能力方面，识别已经成为机器视觉的核心竞争力。视觉识别功能可以检查物品的存在或不存在，以及判断是否有装配缺陷。视觉识别还可以是用于定位对象等，例如用于机器人定位抓取目标对象，或者可以对物体进行自动分类。
3D机器视觉系统的出现为识别带来了惊喜。在大多数情况下，3D视觉系统能够更详细地检测物体对象。无论是在检测应用中进行更高级识别，还是在计量应用中实现更好对象差异化，3D视觉系统都能带来更多先进的功能。
机器视觉在未来的智能工厂中发挥着关键作用，未来自动化生产线将能够自我调整，以最大限度地提高质量、产量和盈利能力。智能工厂很快会从概念走向现实，新的生产技术为制造业、物流和仓储环境提供改善整体流程的机会。
