机器视觉系统可以快速获取大量信息并自动进行数据处理，易于同生产中其他板块信息相集成，在提高生产的柔性和自动化程度方面有很大的优势。在一些不适合人工作业的危险环境或人工视觉难以满足要求的场合，常用机器视觉替代人工视觉。
在大批量工业生产过程中，用机器视觉系统检查产品质量有速度快、精度高的优点，可以大大提高生产效率和生产自动化程度。但是由于机器视觉技术本身的性质和要求，该技术在一些应用中仍有许多技术难题需解决。例如，在烟草行业中就有四大难题仍待解决。
1、关于图像处理的动态性。目前，多部分研究成果都是静态的，即先从室内或者田间采集静态图像，再用计算机对图像进行处理。而实际应用中要求识别的算法能够适应户外动态的条件。虽然一些动态的算法已经过得了成功，但分类精度扔不是很高。有研究表明：利用现代数学的分析方法，如分型理论、小波变换可以再图像处理和识别的软件设计方面提高算法的快速性和有效性。
2、关于农业环境的多变性。一般地，图像采集要求在具有可控光照、色温以及没有环境因素影响的实验室或者温室等理想条件下进行，但在实际应用中农田环境多变、图像背景复杂，光照、风速的不可控性以及设备的机械震动等许多因素都能导致图像质量下降、噪声增加，大大增加了图像预处理的难度，降低了处理结果的准确性和快速性。通过二值化分割、中值滤波等处理可以去除图像中杂质和噪声，以提高图像质量。
3、烟叶质量的波动性。通常，烟叶质量会因为年份、地区、品种以及等级的不同而产生差异，因此图像识别的算法应该充分考虑到烟叶质量差异的存在，并作出相应的算法转换和调整，这对实现烟叶的自动化检测造成了一定的困难。在实际生产过程中需要扩大样本数量，同时也应该关注烟叶样本的选择标准。
4、尚缺乏相关的理论支撑。传统的烟叶质量评价方法并不完全适宜于基于机器视觉技术的烟叶质量评价，如传统烟叶分级中油份、成熟度等概念不利于进行定量分析，因此需要选取适宜的评价指标，并对指标进行简化，以建立适宜的质量评价模型。这需要烟叶内在品质与外观显性之间建立相关的联系，以便为烟叶品质快速而精确的检测创造条件。