機器視覺2D技術發展至今已經有30多年了，技術相對成熟，在產品質量控制自動化領域廣泛使用，但已經很難滿足現今的技術需求了。

如今市場上產品品質對于精度要求越來越高，機器視覺3D技術相對于2D會更受生產企業的歡迎，3D視覺可以測量產生2D系統不能的形狀信息。 因此，可以測量與形狀相關的特征，例如物體平直度，表面角度和體積。

因為工業自動化的發展，機器視覺檢測技術廣泛運用在檢測、識別等表面缺陷檢測領域，比如電子零件外觀缺陷檢測、磁性材料外觀缺陷檢測、塑膠產品外觀缺陷檢測、印刷品字符、條碼等檢測，這些應用類型都有著一個共同的熱點，就是大批量生產、外觀品質要求高、生產效率和精度要求高，人工檢測已無法滿足生產需求。

在90年代，如此龐大的生產量面前，使用人工檢測就招聘非常多的檢測員工，投入很多的人力成本、培訓成本等，在工廠投入如果多的成本進去后，卻不能有效的保證產品的檢測合格率。

而視覺檢測完美的解決了人工檢測單一、重復性的工作，機器視覺檢測設備的自動化能力、客觀非接觸性檢測、高精度檢測的特點已成為廠家優先的選擇。

機器視覺檢測不僅能提供產品的檢測合格率，還能形成實時數據反饋，從而讓工程師能及時找到缺陷原因，提高生產精度，節約生產成本。

早在90年代，我國的機器視覺技術開始發展，在如今這個全面發展自動化的時代，機器視覺技術的使用時未來的大趨大勢，機器視覺技術的大力普及，預示著未來的自動化時代。

3D傳感器中的所有組件都被牢固地安裝在單個光機械組件上，以確保重復性，焦距相對于發射器和成像器平面鎖定在位，并且包括溫度補償功能，以便糾正由于金屬蠕變而引起的移動。

3D機器視覺的另一個好處是， 例如，可以用多個掃描儀掃描諸如卡車框架的大物體。

隨著人工智能的更多應用落地，深度學習成為機器視覺檢測的熱門發展趨勢，深度學習是機器學習的一個領域，它使計算機能夠通過卷積神經網絡等體系結構進行訓練和學習。它通過處理數據和創建用于決策的模式來模仿人類大腦的工作方式。

未來幾年深度學習技術將會繼續發揮重要作用。