机器视觉是一个相当新且发展十分迅速的研究领域。在国外，机器视觉的应用普及主要体现在半导体及电子行业。而在中国，以上行业属于新兴的领域，起步又较晚，行业集中度较高，所以整个中国的机器视觉市场相较成熟的自动化产品应用水平偏低。

　　机器视觉技术是依靠获取图像数据来实现检测与测量的，也依赖数据规律进行图像计算与处理，所以，在当今大数据时代，大数据无疑为人们进一步发现人类的认知机理，实现更加稳定的机器视觉算法提供了可能。随着机器视觉系统的升级与稳定，其收集、分析、处理海量信息的能力也会更强。两者形成了良性的互动关系，互相影响，互相支持。但是机器视觉技术要在这个大数据时代得到长远发展首先需解决两项问题。

　　一、技术方面的问题。在我国尽管机器视觉技术发展速度惊人，但在技术上的积累与创新与国外相比还是存在着较大差距的。要想成功建立机器视觉与大数据时代的互动关系，就需要不断提高技术水平，增强创新能力。

　　二、应用方面的问题。国内在应用创新上也存在着不足，很多都是跟随国外的应用案例或者通过代理相关产品来实现模仿应用等。而要想有所发展，只是一味的跟在已有案例的身后是不行的，需要我们能够有所创造，这样才能在不同国情下，为应用提供最为合适的解决方案。

　　其次，还需解决其应用单一化所面对的三大问题：

　　1、技术突破难度大。由于机器视觉技术涉及众多学科，因此，如果想要稳定的升级系统，使其应用范围得到扩大，就需要不同学科协同创新才能实现，相对而言，在技术瓶颈的突破上存在一定的难度。

　　2、行业标准难统一。“闭门造车”是几千年来一直制约我国发展的主要根源，如今，大部分厂家为了自身的短期局部利益依然采用各自开发封闭的设备、协议、系统的运营模式，因此，想要制定行业统一标准还是存在很大的难度的，中国的大格局、大产业的之路并不是坦途。

　　3、市场刚需创造有难度。这一问题对于我国来说，可以说是最为严峻的，因为我国是一个典型的劳动力密集国家，机器视觉技术的广泛应用势必会对劳动力市场造成冲击，因此，机器视觉市场的刚需创造是有着不小的难度的，还需要国家进一步处理好自动化设备投入与劳动力就业问题的平衡。