機器視覺是指利用相機、攝像機等傳感器，配合機器視覺算法賦予智能設備人眼的功能，從而進行物體的識別、檢測、測量等功能。按照應用的領域與細分技術的特點，機器視覺進一步可以分為工業視覺、計算機視覺兩類，相應地，其應用領域可以劃分為智能制造和智能生活兩類。

工業視覺和計算機視覺在功能目標、硬件需求、算法側重、產業成熟度上有一定差異。

在功能目標上，工業視覺主要解決以往需要人眼進行的工件的定位、測量、檢測等重復性勞動；計算機視覺的主要任務是賦予智能機器人視覺，利用測距、物體標定與識別等功能實現對于外界位置信息、圖像信息等的識別與判斷。

在硬件需求上，工業視覺相對較高，需要對工業相機的幀頻、分辨率等指標依據自身的需求進行篩選；而計算機視覺則除少部分特殊情況外，大部分對于相機或攝像頭的要求并不高。

在算法側重上，工業視覺的算法往往側重于精確度的提高；而計算機視覺的算法難度相對較高，側重于或采用數學邏輯或采用深度學習方法進行物體的標定與識別。

在產業成熟度上，工業視覺已經相對較為成熟，在半導體、包裝等行業的測量檢測已有較為廣泛的應用；而計算機視覺整體來講還是一個剛起步的狀態，初創企業層出不窮。

事實上，機器視覺作為人工智能領域的重要分支，已經協同其他技術開始對社會產生重大影響。雖然人工智能領域內的各個前沿技術存在著不同程度的交叉，難以細分，但依據主要采用的技術類別，可以將人工智能行業分為：深度學習、機器視覺、自然語言處理、語音識別、情境感知計算、模式識別等等。其中，深度學習、機器視覺、自然語言處理是優質企業參與最多的三大領域，也是人們在人工智能領域付諸探索實踐最多、獲得應用成果最為豐厚的主要領域。

深度學習、機器視覺、自然語言處理這三大方向是計算機智能化發展的三大功能，分別代表著教會機器思考、教會機器觀察外界、教會機器理解文字。機器視覺作為一種基礎功能性技術，是機器人自主行動的前提，能夠實現計算機系統對于外界環境的觀察、識別以及判斷等功能，相當于賦予了機器人視覺，對于人工智能的發展具有極其重要的作用。