大約是在09年或者10年開始，由于一般人力成本不斷提高、手機產品的大賣還有帶來的硬件設備費用的下降，機器視覺系統似乎從使用層面上實現了大發展。在一片“繁榮”的景象背后還有很多被忽視或者被忽略的問題：

　　1.專業人才稀缺。

　　現階段嚴格意義上專業人員欠缺科班出身，欠缺對圖像處理的底層理論認知和理解。機器視覺系統中圖像處理是至關重要的環節，所以目前絕大部分專業人員是本科或者大專畢業，或者是電氣工程師新入行，基本上都是比較欠缺圖像處理的基礎理論知識，很多理論只停留在對“視覺嘛，就是對比嘛”“視覺嘛，就是二值化”等認知上。

　　待遇。盡管相較于一般的機械自動化從業人員來講，機器視覺系統工程師待遇還是不錯的，但是卻無法吸引到碩士或者博士做出過專門圖像處理學術訓練的人進入，因為隨便進入那個互聯網企業做圖像相關工作，待遇都能把機械自動化從業的技術工程師甩出幾條大街。

　　另外，機器視覺系統更多的使用是屬于自動化設備這一塊。而機械自動化屬于比較交叉式的專業，牽涉到機器視覺系統，必須了解的知識包括、電氣、運動控制、機械、光學、軟件編程等。這些學科了解一些基本的東西不難，但是研究的比較深入并能高效率的靈活運用就比較難了。

　　2.圖像處理的不確定性。

　　在我的理解機器視覺系統僅僅算是計算機視覺的一個微小分支，所以機器視覺系統主要還是指工業方面的應用。目前的工業應用主要需求有：測量、外觀檢測、條碼、字符識別、定位。而這幾個方面機器視覺系統還沒有一個能真正意義上實現批量化檢測的同時保證非常高的準確率，極小的誤檢率和杜絕漏檢。這個目標不能實現，降低了機器視覺系統的應用預期。因為機器視覺設備無法完全處理，也是需要人復查，除非客戶的標準沒有那么高。

　　另外，幾個應用類型現階段存在的問題：

　　(1)測量。現階段無法給出一個明確的測量的精度要求或者指標。比如測量尺寸，使用千分尺、游標卡尺可以給出標準的測量精度是0.001mm或者0.01mm，但是視覺呢?只能給到有參考意義的0.01mm/pixl。多了個/pixl，就多了很大的差別，因為不同的外部光照環境、產品輪廓或者邊界、不同的軟件算法結果都可能帶來重復測量結果的差異。另外，由于產品尺寸的擴大，均勻光照、鏡頭畸變、單位像素尺寸大小都大大降低了精度范圍。

　　(2)外觀檢測。外觀檢測目前是最迫切的需求，也是最難實現并推廣的應用領域。因為產品的外觀缺陷是千差萬別，受到影響的可能性非常大。比如弧面、劃痕的深淺和方向、材材料的反光、不同材質表面對不同光的反射不同等等。總而言之就是是受到千差萬別的缺陷類型和無法控制的約束條件限制。因為上了視覺系統，很少人期望只檢測某一種類型。

　　(3)條碼。目前條碼使用標準條碼槍還是最多的。

　　(4)字符識別。標準印刷體還比較好實現，如果是一些金屬蝕刻、雕刻等字體的識別比較難。