從2017年到2018年上半年，據不完全統計，有將近20起機器視覺企業融資事件，機器視覺市場不斷升溫，目前國內專業的視覺系統集成商也有100多家。現如今，視覺系統集成商的產品選擇眾多，包括有：現成的鏡頭，照明，相機，相機藉口板和軟件。但隨著市場需求不斷增加，各行業自動化、智能化程度的加深，機器視覺的滲透率不斷上升，未來供應商將不斷更新產品，推出更實惠更實用的產品，而取代曾經價格高昂的系統，集成商的選擇也在隨著市場的發展而不斷變更。
2D機器視覺向3D邁進
現在，機器視覺集成商發現越來越難以通過普通的2D機器視覺系統來增值。2D機器視覺距今已發展了30餘年，技術較為成熟，在自動化領域和產品質量控制過程中被廣泛的使用，而現在由於對精確度的要求越來越高,3D機器視覺變得更為受歡迎，3D測量能夠產生2D系統不能產生的形狀信息，因此其使用範圍更廣，可以測量與形狀相關的特徵，例如物體平直度，表面積和體積。
此外，3D機器視覺系統中傳感器的所有組件都被牢固地安裝在單個關機械組上，以確保重複性，焦距相對於發射器和成像器平面鎖定在位，包括溫度補償功能等，3D機器視覺提供的測量信息更加精度，還能夠使用已知的偽像將來自相對較少的多個掃描儀的3D點雲拼接在一起，從而校準到通用座標系。
深度學習是發展趨勢
隨著人工智能的更多應用落地，深度學習成為機器視覺的熱門發展趨勢，深度學習是機器學習的一個領域，它使計算機能夠通過卷積神經網絡等體系結構進行訓練和學習。它通過處理數據和創建用於決策的模式來模仿人類大腦的工作方式。一些機器視覺軟件公司已經在其產品中部署了該技術，深度學習技術發展在2018年得到突出體現。深度學習代表了機器視覺領域的一個新的增長領域。未來幾年深度學習技術將會繼續發揮重要作用。
嵌入式視覺與深度學習相輔相成
雖然嵌入照明、軟件和I / O接口的智能相機的可用性大大降低了許多系統集成的難度，但新興技術將為機器視覺系統帶來更多難題。 例如，在開發多光譜成像系統時，需要專門的照明來照亮特定波長的產品。對於高光譜成像，寬頻LED照明將取代目前使用的基於鹵素的系統。
在數據融合應用中，使用了許多不同的傳感器，如超聲波，可見光，紅外線和激光雷達，還需要定製複雜的成像軟件，以便在高性能圖形處理器上高效執行。 隨著基於CMOS的高速攝像機的出現，系統集成商將不得不支持光纖網絡將數據從攝像機傳輸到計算機。 將這一點結合在一起，基於邊緣的視覺系統將需要與基於雲的計算系統協同工作，將分析的捕獲數據與工廠管理和機器人系統相結合，以實現製造流程的完全自動化。
深度學習和嵌入式視覺相互交叉，因為許多公司正在部署嵌入式設備的深度學習。包括支持MVTec HALCON軟件深度學習推理的NVIDIA Jetson TX2嵌入式主板，以及Silicon Software即將推出的在FPGA上的VisualApplets環境中運行深度學習。
機器視覺系統集成商本質上是解決問題，所以未來他們會做他們一直所做的事情，客服任何障礙，找到最佳的解決方案，去適應這個市場。
