機器視覺在控制工業流程當中的作用越來越重要了，尤其是在機器人引導、目標識別和質量保證等領域。當前的視覺系統已經超出了那些基本功能（例如辨別零件和確定方向）的范疇，還可以提供后續功能的信息，比如將物體從一個位置移至另一個。

對于裝配線和大量檢測操作中使用的機器人系統，比如汽車生產和檢測線，傳送帶通常是參考。這里，機器人執行兩項任務：識別和傳送。

在絕大多數機器視覺應用里，光學控制都是非常重要的。機器人視覺系統同樣要求極高的可重復性，因此減少抖動提供清晰圖像是必要的。

在類似藥品工廠這樣的大規模單位檢測線上，視覺系統必須能夠辨識缺陷包、不可讀標簽和產品缺失。視覺系統必須能夠以極高的準確度快速識別和測量方形、圓形和橢圓形物體。提高機器視覺系統的精確度，可以幫助保持統一的包裝表面和顏色。對于食品檢測系統，產品的尺寸、顏色、密度和形狀都需要依靠多元檢測才確定。多元機器視覺系統既可以是彩色相機也可以是黑白相機，通常使用結構照明方法建立產品外表和內在結構。

盡管照相機、分析軟件和照明對于機器視覺系統都是十分重要的，可能關鍵的元件還是成像工業鏡頭。系統若想完全發揮其功能，鏡頭必須要能夠滿足要求才行。當為控制系統選擇鏡頭的時候，機器視覺集成商應該考慮四個主要因素：
1. 可以檢測物體類別和特性；
2.景深或者焦距；
3.加載和檢測距離；
4.運行環境。

工業鏡頭在指定光線條件下辨識特定寬度的線耦或者點距的能力，決定了它的解析度。解析度通常被模塊轉換功能（MTF）以圖像的方式顯示出來。圖形顯示了指定線耦頻率下可行的相對對比度。扭曲、色差和其他波前畸變都會影響曲線的斜率，使曲線偏離理想狀態或者衍射極限的光學表現。鏡頭方案有時候會以每毫米線耦數量（lp/mm）為單位列出物體解析度，再將這個值除以1000就可以預測出鏡頭每微米的物體解析度。

在進行表面剖析的時候，通常不只使用一臺照相機和工業鏡頭，而了解鏡頭的內在偏差量也是有價值的。偏差是指鏡頭里的光學誤差，可以引起同一張圖片里不同點的圖像質量差異。剖析通常包括激光線和其他圖像里的光線，這樣可以確保測量的準確性。一些軟件程序可以消除諸如鏡頭引起的扭曲之類的誤差，所以在圖像里只有剖析數據是明顯的。