1、以Halcon，VisionPro為代表的傳統機器視覺軟件，通過調用各種算法因子，針對目標特征，定制化設置各種參數。其擅長解決以測量為主的定量問題，和判斷有無的簡單問題，但對復雜檢測類的需求，漏檢率/誤檢率較高。雖然軟件價格壹降再降，國產軟件售價僅幾千元甚至免費，但前期開發和後期維護成本較高，在使用時面臨很大的局限性。
2、以康耐視的VIDI、Sualab(已被康耐視收購)為代表的深度學習軟件，將深度學習的標註、訓練、測試流程，以PC軟件的方式進行封裝，降低了用戶使用深度學習技術的門檻。主要解決傳統視覺無法解決的復雜缺陷檢測難題，或用深度學習的標註方法，提高開發效率。但從實際應用效果來看，當前的深度學習主要以監督學習為主，針對不同場景，需要大量的模型選擇、調參等工作，無法針對所有場景，通用性的解決，因此，並沒有解決傳統算法需要定制開發的難題，並且用戶的使用門檻較高，普通工程師對深度學習的調參壹般沒有基礎。
3、北京矩視智能科技有限公司，成立於2017年，先後獲融資近千萬元，創新性的提供了壹款雲端的工業視覺深度學習工具，線上實現標註、訓練、測試流程，依靠在雲端積累的大量不同場景的深度學習模型庫，用戶上傳、標註圖片後，將由雲端自動匹配最優的深度學習模型和參數進行訓練，用戶無需任何操作，線上測試效果後，下載SDK即可本地化運行，真正做到通用級的工業視覺深度學習工具。同時在商業上，矩視智能將雲端工具直接免費，下載sdk後，僅需購買Lisence加密狗，即可本地運行，致力於將深度學習技術應用於所有的工業視覺場景中。