近几十年来，机器视觉因其非接触、速度快、精度高、现场抗干扰能力强等突出优点，使机器视觉技术在农业、工业、医学等领域得到了广泛应用。只要是需要对物体进行识别、特征判断和检测，机器视觉就可以大展拳脚，将任务完成得又快又好。

比如在农业生产中，有一部分工作是对农作物或农产品的外观进行判断，如水果品质检测、果实成熟度判别、作物生长状况以及杂草的识别等。这些过去主要依靠人的视觉进行辨别和判断的工作可以由机器视觉技术部分或全部替代，从而实现农业自动化和智能化。例如，来自南京林业大学的黄秀玲团队就设计了一条可以对苹果品质进行动态、实时检测的智能化分级生产线。生产线上，均匀分布的3个摄像头一次性采集苹果表面信息，通过计算机智能控制系统对采集信息进行综合分析，从而对苹果进行分级。不过，也有专家表示，由于农田环境的复杂多变性以及非结构化特性，目前机器视觉在农业生产中的应用尚不成熟，仍需进一步完善。

在工业环境中，机器视觉应用日臻成熟，在提高工业生产灵活性和自动化程度方面发挥重大作用。此外，在危险工作环境或人工视觉难以满足要求的场合，用机器视觉来替代人工视觉也提高了作业的安全性。在流水线上通过图像识别技术检查产品外观缺损、标签印刷错误、电路板焊接质量缺陷的图像识别系统就是机器视觉系统应用于工业领域的成功范例。印刷包装、汽车工业、半导体材料、食品生产等，都是机器视觉在工业领域的应用方向。

在勘探采集、有色冶炼等过程中，机器视觉技术也大有可为。选矿是矿产资源加工中的一个重要环节，选矿水平高低直接影响矿物资源回收。近年来,基于机器视觉的矿物表面特征监测技术已引起工业发达国家科研机构的高度关注。资料显示，欧盟联合多家大学和企业，于2000年启动了“基于机器视觉的气泡结构和颜色表征”项目;南非、智利等国家也将机器视觉应用到石墨、铂金属的浮选监控中。在国内，对煤和镍的浮选监控研究也取得了重大进展。

机器视觉技术还可以应用于智能交通、安全防范、医疗设备等方面。在医学领域，机器视觉可以辅助医生进行医学影像的分析，比如X射线透视图、核磁共振图像、CT图像等。在科学研究领域，可以利用机器视觉进行材料分析、生物分析、化学分析和生命科学分析，如血液细胞自动分类计数、染色体分析、癌症细胞识别等。

随着信息技术的发展，为计算机、机器人或其他智能机器赋予人类视觉功能，成为科学家们的奋斗目标。目前，机器视觉技术已经实现了产品化、实用化，镜头、高速相机、光源、图像软件、图像采集卡、视觉处理器等相关产品功能日益完善。