机器视觉和嵌入式视觉系统在工业中，特别是在过程控制和自动化中，都起着重要的作用。两者之间的区别主要在于图像处理能力和尺寸：嵌入式视觉系统提供紧凑的效率，而常规机器视觉系统则提供高性能和多功能性。

许多行业依靠可以自动捕获，处理和解释来自周围世界的视觉信息的机器来做出决策。传统上，使机器能够“看到”的系统称为机器视觉系统，它们在汽车制造，医学成像，电子组装和包装中很常见。实际上，任何视觉检查很重要的行业都是机器视觉的可能应用。

“机器视觉”不是指任何一种特定技术，而是指机器解释视觉信息的任何系统。这样的系统可以从（通常）二维世界中收集有用的信息，然后将该信息用于产生输出。

例如，考虑一种用于检查传送带系统中组件是否有缺陷的摄像机系统。通常，摄像机在组件通过某个点时会同时拍摄其图像，然后将这些未处理的图像中继到计算机。软件会校正，处理和解释图像，以确定特定组件是否有缺陷。如果检测到缺陷，系统将输出一个输出来解决此问题，有问题的组件会自动从生产线中移除。

这个概念的变化在整个行业中都可以使用，可以发现各种缺陷，从半导体晶圆中的亚微米缺陷到烂番茄。传统的机器视觉系统（由连接到服务器级计算机的一个或多个图像传感器）使用标准组件，驱动程序和图像处理软件。它们可能很笨重，但安装便宜，并且能够提供高度精确和通用的图像处理。

嵌入式视觉系统在图像处理的方式和位置方面与传统的机器视觉系统不同。嵌入式视觉系统是多合一设备，通常由安装在图像处理器上的摄像头组成。板载一切后，就不需要PC了–图像捕获和处理可以在单个设备中进行。

嵌入式视觉的示例包括自动驾驶汽车和无人机中的模式和对象识别。在这些应用中，空间非常宝贵：嵌入式视觉已经摆脱了成熟的机器视觉系统的体积和重量，但仍然提供了有用的决策能力。例如，无人驾驶飞机中的简单嵌入式系统可用于检测地面距离，从而进行高度校正。

根据经验，嵌入式视觉系统的功能不如传统机器视觉系统强大，但更易于使用和集成。嵌入式视觉系统的安装成本可能更高-硬件通常是为特定应用量身定制的-但高度紧凑且由于降低了计算需求和低功耗而降低了运营成本。

从技术上讲，嵌入式视觉系统可以被视为机器视觉系统的子集，但是功能和应用程序的差异使它们或多或少地彼此不同。直到最近，嵌入式系统还无法实现基于PC的系统的性能。

但是，随着多年来可以可靠地容纳到给定空间中的计算能力不断增加，用于机器学习系统的PC越来越小，而嵌入式视觉设备中的板载处理器也越来越强大。结果，传统机器视觉和嵌入式视觉之间的差异变得越来越不明显。确实，当今的嵌入式视觉系统中的处理器具有仅几年前与机器学习系统相同的处理能力。