1、問題可以歸結為三個方面：計算能力不足、認知理論未明以及精確識別與模糊特徵之間的自相矛盾。2.人才的稀缺目前真正意義上的從業人員缺少科班出身，缺少對影象處理的底層理論認知和理解。機器視覺中影象處理是極為重要的一環，而目前大多數從業人員是本科或者大專畢業，或者是電氣工程師新入行，基本都比較缺乏影象處理的基本理論，很多理論還停留在對“視覺嘛，就是、對比視覺，二值化”等認知上。待遇。雖然相對於普通的自動化從業者而言，機器視覺工程師待遇還是不錯的，但是卻難以吸引到碩士或者博士進行過專門影象處理學術訓練的人加入，因為隨便加入那個網際網路大公司做影象相關工作，待遇都能把自動化從業的工程師甩出幾條大街。另外，機器視覺更多的應用是屬於自動化裝置這一塊。而自動化屬於比較交叉的學科，涉及到機器視覺，需要了解的東西包括、電氣、運動控制、機械、光學、軟體程式設計等。這些學科瞭解一些基本的東西不難，但是研究的比較透徹並能高效率的綜合運用就比較難了。3.影象處理的不確定性在我的理解機器視覺僅僅算是計算機視覺的一個微小分支，所以機器視覺主要還是指工業方面的應用。目前的工業應用主要需求有：測量、外觀檢測、條碼、字元識別、定位。而這幾個方面機器視覺還沒有一個能真正意義上實現批次化檢測的同時保證極高的準確率，極小的誤檢率和杜絕漏檢。這個目標不能實現，降低了機器視覺的應用預期。因為機器視覺裝置不能完全解決，還是需要人複查，除非客戶的標準沒有那麼高。