机器视觉相关技术研发与日俱增
从我国机器视觉专利技术总体申请量变化趋势来看，机器视觉相关技术研发与日俱增。截至2020年10月21日，我国与机器视觉相关的专利申请数量为12441项。2010年机器视觉相关申请数量为215项，至2019年，申请数量达到2074项。截至2020年10月21日，与机器视觉相关的专利申请量为694项。
注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。
2010年，我国机器视觉相关专利公开数量为183项，至2019年，公开数量达到2482项。截至2020年10月21日，与机器视觉相关的专利公开量为2212项。
注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。
高校成为机器视觉技术研发主力军
从我国机器视觉技术申请人构成来看，大学高校是机器视觉技术研发的主力军。截至2020年10月21日，前十位申请人中九位是高校，其中浙江大学和华南理工大学最多均为148项，均占比1.19%，广东工业大学申请专利数量排第三，为142项，占比1.14%。
注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。
机器视觉技术主要以物理的测量、计算方面为主
从我国机器视觉部类构成来看，G(物理)部类是机器视觉技术的主要类别，占据近六成的比例。截至2020年10月21日，部类中G(物理)占比为59%，其次为B(作业;运输)占比22%，H(电学)占比8%，A(农业)占比6%。
注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。
按大类来划分，物理部类下的G01(测量;测试)和G06(计算;推算;计数)占据机器视觉专利过半的份额，分别为32%和23%。。B07(将固体从固体中分离;分选)和H04 (电通信技术)均占比6%。
注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。
—— 更多数据及分析请参考前瞻产业研究院《中国机器视觉产业发展前景与投资预测分析报告》。
1、60年代：MIT(MassachusettsInstituteofTechnology)的Roberts通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述．他的研究工作开创了以理解三维场景为目的的三维计算机视觉研究。
2、70年代：首次提出较为完整的视觉理论，已经出现了一些视觉应用系统．70年代中期，MIT人工智能(ArtificialIntelligence)实验室正式开设"机器视觉"课程。1973年MITAILab吸引了国际上许多知名学者参与视觉理论、算法、系统设计的研究，D.Marr教授就是其中的一位．他于1973年应邀在MITAILab领导一个以博士生为主体的研究小组，1977年提出了视觉计算理论(VisionComputationalTheory)，该理论在80年代成为计算机视觉领域中的一个十分重要的理论框架。
3、80年代中期：计算机视觉获得蓬勃发展，新概念、新方法、新理论不断涌现。我国早期正式介绍计算机视觉的文献：计算机视觉：一个兴起的研究领域，计算机应用与软件，1984年第3期。
4、90年代中期：深入发展、广泛应用的时期。
随着微处理器、半导体技术的进步，以及劳动力成本上升和高质量产品的需求，国外机器视觉于20世纪90年代进入高速发展期，广泛运用于工业控制领域。根据工业环境的不同，全球机器视觉主要分为以下两类：
一类是用于大规模或者高测试要求的生产线上，如包装、印刷、分拣等，或者在野外、核电等不适合人员工作的环境中，利用机器视觉方式代替传统人工测量或检试，同时实现人工条件下无法达到的可靠性、精确度及自动化程度。
另一类应用是必须用到高性能、精密机器视觉组件的专业设备制造，典型代表是最早带动整个机器视觉行业崛起的半导体制造设备。从上游晶圆加工制造的分类切割，到末端电路板印刷、贴片，这类设备都依赖于高精度的视觉测量以对运动部件进行导引与定位。例如，如果锡膏印刷工序存在定位偏差，且该问题直到芯片贴装后的在线测试才被发现，那么返修的成本将会是原成本的100倍以上。
机器视觉发展至今，早已不是单一的应用产品。机器视觉的软硬件产品已逐渐成为生产制造各个阶段的必要部分，这就对于系统的集成性提出了更高的要求。工业自动化企业要求能够与测试或控制系统协同工作的一体化工业自动化系统，而非独立的视觉应用。在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。
那你觉得这个技术前景如何呢？
本回答被提问者采纳机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。
在反恐排爆类装备的研发中，通过走访公安一线，发现目前公安领域多数排爆机器人只是采用摄像头作为排爆取证的工具，并有将摄像头采集的图像数据作为一种排爆目标识别的手段。
机器视觉技术目前已经广泛应用在机器人自主导航、机器人手眼一体伺服控制等领域中。但是在公安排爆机器人领域，机器视觉技术应用较少。多数排爆任务需要公安干警近距离进行勘察，而人的主观判断往往受制于经验和生活中积累常识的影响，会出现不客观的错误判断。利用机器视觉系统采集的信息，能自主的分辨不同颜色、形状、深度的排爆目标，同时将采集的图像与常用爆炸物专家库中的信息进行比对，客观地反应目标是否为爆炸物并给出判断结果。