2）圖像處理和模式識別發展迅速

圖像處理上，隨著圖像高精度的邊緣信息的提取，很多原本混合在背景噪聲中難以直接檢測的低對比度瑕疵開始得到分辨。在特征生成上，很多新算法不斷出現，包括基于小波、小波包、分形的特征，以及獨二分量分析；還有關于支持向量機，變形模板匹配，線性以及非線性分類器的設計等都在不斷延展。

3）深度學習帶來的突破

傳統的機器學習在特征提取上主要依靠人來分析和建立邏輯，而深度學習則通過多層感知機模擬大腦工作，構建深度神經網絡來學習簡單特征、建立復雜特征、學習映射并輸出，訓練過程中所有層級都會被不斷優化。隨著越來越多的基于深度學習的機器視覺軟件推向市場，深度學習給機器視覺的賦能會越來越明顯。

4）3D視覺的發展

3D視覺還處于起步階段，許多應用程序都在使用3D表面重構，包括導航、工業檢測、逆向工程、測繪、物體識別、測量與分級等，但精度問題限制了3D視覺在很多場景的應用，目前工程上最先鋪開的應用是物流里的標準件體積測量，相信未來這塊潛力巨大。

我國智能制造裝備產業結構轉型和技術提升的市場空間巨大，機器視覺行業將受益。“十三五”期間，中國將進一步深化產業結構調整，推進制造業的科技創新和智能制造水平，著力從要素驅動向技術及創新驅動轉變。產業結構的轉型升級以及制造業的進一步智能化將推動機器視覺行業發展。