隨著工業攝像頭硬件的普及，機器視覺近幾年在工業上的應用日益廣泛。但傳統機器視覺和基于人工智能的機器視覺有很大的不同，傳統的機器視覺基本上依靠各種算子來對圖像進行公式化的預處理，提取固定的模式，進行識別或定位，所以非常依賴圖像的成像質量比如光照，角度，相機分辨率等等，需要大量手工編程和現場調試，而且一旦條件稍有變化就難以自動適應。

基于人工智能的機器視覺依賴深度學習強大的自動特征提取和泛化能力，不需要人工編程，可以訓練計算機自動提取圖像特征，同時對光照，分辨率，拍攝角度和圖像畸變之類的外部條件都能自適應。這種機器視覺的實現一方面有較高的識別率和魯棒性，一方面節省項目開發成本，在工業上的應用非常有前景

以下是兩個典型的工業場景：

工業鑄鐵件的標記文字識別，工件表面粗糙，標記比較模糊，通過傳統的圖像算法無法做識別，但經過深度學習訓練，可以得到較好的效果：

竹節識別，流水線工藝是竹子進行切割，需要定位竹節所在位置，但竹節外觀和顏色不規則，傳統視覺檢測難以定位，通過深度學習進行目標檢測，可以達到比較高精度的檢測和定位