機器視覺技術在自動化生產中，廣泛應用于檢測工件在生產過程中的產品缺陷，是實現優質產品生產以及降低成本的理想選擇。

　　走在信息科技前沿的美國已對機器視覺與大數據時代的互動關系先知先覺。介于美國政府公布的“大數據研發計劃”(BigDataResearchandDevelopmentInitiative)中包含一個旨在為機器建立視覺智能的Mind‘sEye項目。該計劃稱，傳統的機器視覺研究的對象選取廣泛的物體來描述一個場景的屬性名詞，而Mind‘sEye旨在增加在這些場景的動作認識和推理需要的知覺認知基礎。總之，這些技術可以建立一個更完整的視覺智能效果。

　　中國迷信院主動化研究所黃凱奇指出：“大數據時代最樸素也是最深刻的特點就是‘大’。統計學中的大數定律指出，當隨機事件或者試驗在大量重復出現的條件下，往往呈現幾乎必然的統計特性。確切地說，大數定律是以確切的數學形式表達了大量重復出現的隨機現象的統計規律性。對于依賴數據規律的機器視覺算法來講，大數據無疑為人們進一步發現人類的認知機理，實現更加魯棒[魯棒是Robust的音譯，也就是健壯、強壯、堅定、粗野的意思。魯棒性(robustness)就是系統的健壯性]的機器視覺算法提供了可能。另一方面，隨著機器視覺系統更加魯棒穩定，更加智能，它在收集、分析、處理海量信息方面也將發揮更加重要的作用。簡言之，機器視覺一邊借大數據之利不斷發展，一邊又靠技術的完善而反哺大數據時代，形成一個良性的互動。”

　　然而，這種互動要想真正建立，還需要加強技術和產業的雙輪驅動。“國外在上世紀80年代就已出現大量的機器視覺產品，而我國機器視覺技術的應用始于90年代末。雖然在過去10年有了長足的發展，但目前絕大部分還處于追趕狀態，一個是技術上的積累與創新跟國外相比還存在較大差距。另外一個是國內在應用創新上也存在不足，很多都是跟隨國外的應用案例或者通過代理相關產品來實現模仿應用等。”黃凱奇表示。

　　目前，機器視覺在交通等多個領域的應用仍相對單一，存在著多層面阻礙其進一步產業化發展的因素。黃凱奇分析說，首先在魯棒穩定的機器視覺系統方面，因為機器視覺技術涉及眾多學科，需要不同學科協同創新才能突破目前發展的技術瓶頸。再一個就是標準方面，目前大部分廠家為了自身的短期局部利益都各自開發封閉的設備、協議、系統，這對整個行業的發展極為不利。“如何破除這種封閉狀態的弊端，制定行業統一開放標準是促進機器視覺行業形成大格局、大產業的必經之路。”黃凱奇說。

　　“還有一點原因，就是關于機器視覺剛需的創造。我國是一個典型的勞動力密集國家，大部分行業依靠的是低廉的大量富余勞動力。而機器視覺與自動化息息相關，因此如何一方面有效解決就業問題，另一方面又高效推進機器視覺相關自動化產品設備的推廣使用，是政府部門、企業需要面對的問題。”黃凱奇表示。

　　但是，這類互動要想真正創建，還必要增強技能和財產的雙輪驅動。陪伴著技能的成長，機器視覺的功效也在不竭擴大。各個行業都將有機器視覺是身影，其也將成為人們工作生活中不可獲取的一部分。