将机器视觉系统连接到物联网可以创建强大的网络功能。能够从摄像机中识别出对象，可以使本地节点更加智能并具有更大的自治权，从而减少了中央服务器上的处理负荷，并可以实现更加分布式的控制体系结构。从而提供了更有效的操作，而所需的外部输入少得多。

机器视觉在过去十年中取得了长足的进步。能够检测视频帧内边缘和移动的最新算法，以及与图像传感器，可编程逻辑，微控制器和图形处理单元（GPU）相关的硅技术的进步，已帮助将其带入了广泛的嵌入式领域应用程序。可以下载到FPGA的更复杂的设计与新的开发环境（例如OpenCV）一起使用，以使嵌入式系统设计人员可以更轻松地访问机器视觉。

机器视觉的这种不断增长的扩散正在与将工业系统连接到物联网（IoT）的趋势融合。随着传感器变得越来越智能化（部分地由支持的计算机视觉算法驱动），因此生成的数据为工业系统的运行提供了宝贵的见解。反过来，这又开辟了监视设备的新方式，将自主机器人系统（如无人机）连接到物联网基础设施。

转向机器视觉的部分原因是带宽考虑，而另一个主要动机是使工业操作的更多部分自动化的前景。机器视觉的关键应用之一是检查系统。在过去的十年中，带有CMOS图像传感器的高性能相机系统的价格已大幅下降，从而可以在制造过程中更高分辨率地检查电路板和系统。这些相机模块与FPGA结合在一起，可以增加处理和决策的能力。这使摄像机可以对接收到的数据做出相应的响应，从而减少了通过网络发送视频的需求，并提高了整体操作效率。

将检查设备的机器视觉元素连接到物联网，可为正在对工厂性能进行分析的企业系统提供更多数据。机器视觉可以提供适合此类企业系统的抽象级别的信息，而不是原始数据。这显著降低了服务器和整个网络的带宽开销-企业系统正在处理来自物联网的数百万个数据点，因此服务器负载的任何减少都将有助于做出更及时的决策。

机器视觉摄取量的增加也为自动化工厂中的机器人制导系统打开了市场。因此，检查机器可以基于从机器视觉系统获得的结果，绕开中央企业服务器并直接与工厂中的其他设备进行通信。这样可以提高效率，并再次减少网络和服务器上的负载。机器视觉还被用于控制自动化设备，特别是在物料搬运中。这涵盖了从自动机器人控制系统到工厂周围物料转移到仓库中用于识别产品的自动拣选机的所有内容。

对于自主式物料搬运机器人，机器视觉就像在地板上确定一条线从一个位置到另一个位置一样简单。但是，它也可用于检测途中的人员或障碍物，从而使工厂操作员和机器人可以安全高效地协同工作。如前所述，产品拣选现在也采用了机器视觉，通过条形码识别物品，然后对齐机械手以捕获特定物品并将其放入篮子。摄像机和随之而来的本地处理都是必不可少的，并且作为广泛的物联网的一部分，拾取器/自主机器人也受到不断监控。