《2013至2017年中华人民共和国机器视觉产业前瞻性研究以及投资预期分析报告》深入剖析，认为在未来的几年里，我国的机器视觉行业市场规模会持续稳健增长，预计在2016年将会接近38亿元人民币的规模。

　　朱明教授在谈到机器视觉的目标跟踪技术时强调，我们需要着重解决“看得清晰、准确找出、紧随其后、精确打击”这四大关键问题。他曾经深度参与过我国无人机目标跟踪技术的相关项目，并指出，机器视觉所面临的挑战还有许多。例如，成像技术需要在远距离、微弱目标的情况下，甚至在恶劣天气条件下，都能克服器件的限制；目标检测技术需要进一步提升，以确保能够精准地检测出各种背景下的各种目标；目标识别技术需要进一步加强“人工智能”和“人在回路”等方面的能力。

　　韩九强先生认为，尽管我国在机器视觉产品研发方面已经取得了一定的成绩，但是与国际领先的机器视觉技术和设备相比，仍然有着可观的差距。他指出，当前国内在机器视觉产品研发方面存在着技术水平相对较低、应用范围较为狭窄、基本停留在软硬件定制的专用视觉系统研发和应用阶段、开发成本高且效率低下等诸多问题；而在机器视觉算法研究方面，依旧依赖于经典的数字图像处理算法和通用软件编程开发，组态集成开发能力尚显不足；在产品层面，具有自主知识产权的机器视觉技术与系统产品数量稀少，不利于大规模生产和推广。

　　另外，还有专家提出，在机器视觉研究过程中，仅凭理想环境下获取的静态或瞬时视觉信息作为输入远远无法满足对复杂客观世界的认知需求。如果能够将机器视觉、机器听觉、机器嗅觉、机器触觉等多种感知方式有机地整合在一起，将各种信息进行互补融合，便有望突破单一视觉信息的局限性。这种融合不仅仅涉及多传感器的融合，更涵盖了系统内部各信息通道的融合、系统模块的融合以及各类信息处理方法的融合。

　　业内人士普遍认同，机器视觉无疑是为机器赋予“眼睛”和“大脑”的智能化措施，然而，实现机器视觉在各个应用行业的“本土化覆盖”还需假以时日。可预见的是，随着未来机器视觉技术的不断发展和逐渐成熟，它必将在制造业中得到更为广泛的应用。