计算机视觉能够从图像和视频流中提取结构化信息。在工厂中，它可用于识别缺陷、测量尺寸、监测工艺过程、观察危险区域并辅助操作人员决策。

实际价值取决于具体任务。一家企业可能最关注缺陷检出率，另一家则更重视误报率、检测速度或人工复核时间的减少。

系统成功不仅取决于神经网络模型。照明、粉尘、振动、温度、摄像机位置、网络带宽和与工业控制器的接口都十分重要。因此，设计应从现场环境和测量需求调查开始。

测试应覆盖灵敏度、准确性、面对原料与设备变化时的稳定性、处理时间以及异常情况下的表现。还须事先明确哪些决策可以自动执行，哪些需要人工确认。

环境应用包括工业场地观察、生态监测视频分析以及资源损失识别。但环保成效必须由真实指标证明，而不能仅凭使用了人工智能就作出判断。

采用标准化参考架构有助于扩大部署规模。架构应记录摄像机、计算设备、数据传输、测试方法和人员要求，使不同场地的部署更容易复制、结果更便于比较。