在1995年就有学者利用图像处理技术把新鲜的西红柿分级分类。也有学者利用机器视觉技术检测大米外观品质检测、观测小麦的生长状态、通过对棉花叶片的孔洞和叶片边缘的缺损情况判定受棉花受虫害程度，可以有效的控制作物生长环境、状态，达到精准农业。
国家“十二五规划”提出要全面推进我国农业生产现代化进程｡随着计算机图形图像处理及智能制技术的发展,机器视觉技术逐渐渗透到农业生活的方方面面｡通过分析机器视觉技术在我国农业生产中的应用实例可发现机器视觉技术的应用主要集中在获取目标物图像信息､图像处理与算法识别､智能视觉定位导航及机器视觉系统集成等方面｡

获取目标物图像信息
机器视觉技术的基本就是获取目标物图像信息,获取的图像信息直接会影响到机器视觉技术的判断精度,并且采集图像的像素直接影响到机器的处理速度｡由于农业生产环境复杂多变且采集的目标物差异较大,因此机器视觉技术获取目标物图像信息的方法需要根据目标物及所需信息的变化而有所不同｡目前对农产品信息采集的方法主要为采用CCD(CMOS)智能相机或摄像机拍摄,并结合红外光谱信息或高光谱信息进行目标物信息的采集,用来进行下一步的分析处理｡利用机器视觉技术及近红外光谱的有效结合可实现对土壤含水率的快速检测,并能对不同地区的土壤进行成分分析,从而为不同农作物选择更适合自身的生存环境｡
图像处理与算法识别
机器视觉技术在农业自然场景中进行农作物信息提取时,由于环境光照的变化以及农作物在颜色､位置､形状上等差异导致机器视觉识别､特征提取带来了不小的障碍,机器视觉技术能否于农业生产中高效率､高准确率地提取到目标物的特征直接导致机器视觉系统的可靠性｡因此,机器视觉系统的精确图像处理与算法识别是机器视觉应用于农业生产的关键一步｡有学者提出基于加速鲁棒特征(Speeded up ro- bust features,SURF)的绿色作物特征提取与图像匹配算法,这种算法为精确获取自然环境下农作物的各项生长参数提供了很大的参考价值｡
智能视觉定位导航
智能视觉定位导航是系统可自动采集农业生产自然环境特征,以此分析出机器人行走路径所需的参数,从而控制智能机器人的导航路径｡基于机器视觉的智能视觉定位导航算法是机器视觉导航定位系统的核心,决定着导航定位的精准性｡
在农副产品、食品加工方面，机器视觉技术可对产品包装、缺损、质量进行检测，或是通过检测水果表皮颜色和大小给水平分级自动分捡。通过机器视觉技术，让大批量、持续生产成为现实，大大提高生产效率，它具有非接触性、速度快、精度高、现场抗干扰能力强等突出优点。
机器视觉解决方案服务商朗锐智科认为,随着机器视觉技术的日益成熟，机器视觉技术在农业生产中的应用会越来越广泛。通过机器视觉技术，让大批量、持续生产成为现实，大大提高生产效率，它具有非接触性、速度快、精度高、现场抗干扰能力强等突出优点。