英国工业视觉协会（UKIVA）称，尽管机器视觉在指导机器人方面一直扮演着重要的角色。但对于安装在机器人端部或放置于固定位置使用的机器视觉系统而言，其最大的优势之一是能够都实现三维测量，使其成为高产量和低产量的制造中质量控制的一部分。
　　从图像中可以获取的量化测量数据，包括了角度、距离、质心，面积、图形拟合等等。在我们将目光聚焦于一些真实世界中的样品之前，不如让我们先来了解一些会影响整个测量过程的影响因素。
　　测量应当在保证精确度（尽可能接近真实值）的同时，可以重复操作，精确度高，重复性低和精确度低、重复性高这两种情况分不出高低。
　　只有当数据是从图像中提取信息时，测量才有可能保证其质量。因此高质量的图像是最重要的。图像质量取决于一系列因素，其中包括了相机、光学，照明和对象定位。生成图像的一个关键性要求就是测量物与背景需要形成强烈的对比。
　　有相当一部分的机器视觉系统使用单色相机。即使人眼会不自觉地聚焦于图像的色彩信息上，但只要通过精心挑选的照明类型、角度和波长，就能够生成测量所需的图像。确定一项应用照明的决定性因素就是保证环境照明的任何变化都不会改变照相机生成的图像，从而保证了测量结果不变。
　　当然，有些应用需要对色彩有精确的测量和分化，例如食品分级、电子及其他行业中的电缆布线，以及包装检测等，都需要一台彩色相机。在视觉系统中，镜头的挑选至关重要。因为镜头直接决定了图像的放大倍率，不良的镜头质量会导致图像的失真，使测量结果不精确。
　　影响机器视觉系统的参数需要考虑速度设置。有些被测对象沿着传送带或生产线移动，这个移动速度对于图像的收集、加工、测量、接受或拒绝产品的决定都非常重要。最近，越来越多的视觉方面的技术研发表明，通过激光三角测量技术，能够进行实时的三维测量，大大拓展了视觉系统的能力范围。
　　现实世界中，从原材料到最终的产品，有数以千计的测量需要采用包装应用。其中有些包装应用的工作环境极富挑战性，或是运行速度需要很快。事实证明完美的穿孔塑料包装薄膜能够延长新鲜食品的保质期。就以对食品行业中采用的包装膜进行激光加工孔的实时测量为例。视觉系统就必须在每分钟移动350米的挤出纤维网材料上，查找并测量出30～120微米（相当于一根人体头发的直径）的孔。
　　视觉测量在饮料灌装方面同样广泛应用，主要是用于检测PET塑料瓶的螺纹瓶盖。PET瓶在高度上可能会出现几毫米的容差。此外因为冲洗站的热负荷，所有的收缩都可能不对称，这就意味着瓶颈部分甚至整个瓶子都有可能发生偏斜。机器视觉系统被用于捕捉和测量倾斜程度，并跟踪瓶盖相对于瓶颈区域的高度。其运行速度需达到每小时3—4万瓶。
　　装有牛奶以及咖啡、甜味剂、营养饮料等粉状食品的容器瓶盖子包含箔片密封，随着密封到容器瓶上，会相应地产生一种气密密封。机器视觉系统可以检测生产过程中的瓶盖，检测是否存在模具中塑料注入不足或过多的情况。从而保证箔片正确插入盖帽，没有褶皱，折痕或损坏。机器视觉系统还可以在罐装生产线上检测这种盖帽。因为对于有效的密封而言，正确地对齐瓶盖和容器是非常重要的，既不能越线也不能歪斜。这样子才能确保感应加热器能有足够的下压力来密封瓶盖。
　　视觉检测同样适用于烘焙行业，例如应用于披萨、派、面包、意面、蛋糕、饼干等视频的生产过程中。常规的检测参数包括了形状、尺寸、边缘缺陷和厚度等。一个典型的应用就是对于夹心饼干的尺寸、质量甚至重量进行控制。这种夹心饼干由两种饼干和一层类似于巧克力的软糖组成。饼干的每一面都需要进行测量，从而计算出需要填充多少软糖使整块夹心饼干达到正确的总高度。
　　相较于饼干的成本，填充的费用更加昂贵。所以用最小的量进行正确的填充是非常重要的。照相机可以从上方来捕捉饼干的图像，测量其长度和宽度。另一个照相机则可以运用激光三角技术来重塑三位的图像，得出准确的高度测量结果。测量的饼干以30列×120块地速度通过检测位置，即每分钟测量的饼干数高达3600块。通过这个视觉测量，其长度、宽度、厚度测量结果误差只有±0.17mm。