机器视觉在控制工业流程当中的作用越来越重要了，尤其是在机器人引导、目标识别和质量保证等领域。当前的视觉系统已经超出了那些基本功能（例如辨别零件和确定方向）的范畴，还可以提供后续功能的信息，比如将物体从一个位置移至另一个。
对于装配线和大量检测操作中使用的机器人系统，比如汽车生产和检测线，传送带通常是参考。这里，机器人执行两项任务：识别和传送。
在绝大多数机器视觉应用里，光学控制都是非常重要的。机器人视觉系统同样要求极高的可重复性，因此减少抖动提供清晰图像是必要的。
在类似药品工厂这样的大规模单位检测线上，视觉系统必须能够辨识缺陷包、不可读标签和产品缺失。视觉系统必须能够以极高的准确度快速识别和测量方形、圆形和椭圆形物体。提高机器视觉系统的精确度，可以帮助保持统一的包装表面和颜色。对于食品检测系统，产品的尺寸、颜色、密度和形状都需要依靠多元检测才确定。多元机器视觉系统既可以是彩色相机也可以是黑白相机，通常使用结构照明方法建立产品外表和内在结构。
尽管照相机、分析软件和照明对于机器视觉系统都是十分重要的，可能关键的元件还是成像工业镜头。系统若想完全发挥其功能，镜头必须要能够满足要求才行。当为控制系统选择镜头的时候，机器视觉集成商应该考虑四个主要因素：
1. 可以检测物体类别和特性；
2.景深或者焦距；
3.加载和检测距离；
4.运行环境。
工业镜头在指定光线条件下辨识特定宽度的线耦或者点距的能力，决定了它的解析度。解析度通常被模块转换功能（MTF）以图像的方式显示出来。图形显示了指定线耦频率下可行的相对对比度。扭曲、色差和其他波前畸变都会影响曲线的斜率，使曲线偏离理想状态或者衍射极限的光学表现。镜头方案有时候会以每毫米线耦数量（lp/mm）为单位列出物体解析度，再将这个值除以1000就可以预测出镜头每微米的物体解析度。
在进行表面剖析的时候，通常不只使用一台照相机和工业镜头，而了解镜头的内在偏差量也是有价值的。偏差是指镜头里的光学误差，可以引起同一张图片里不同点的图像质量差异。剖析通常包括激光线和其他图像里的光线，这样可以确保测量的准确性。一些软件程序可以消除诸如镜头引起的扭曲之类的误差，所以在图像里只有剖析数据是明显的。
