一、难找的原因
知识要求高：机器视觉涉及计算机视觉、图像处理、模式识别等技术，需要对图像或视频进行分析处理以实现自动识别和智能分析。这要求求职者具备扎实的数学基础、图像处理、机器学习、深度学习等专业知识，综合素质要求很高。若专业技能和经验不足，很难被招聘，甚至可能被取代。
缺少实践经验：机器视觉技术的算法与模型实现需要工具支持、搭建、调试等专业技能。很多人在学习阶段仅掌握理论知识，缺乏实践经验。而招聘方倾向于招聘经验丰富的专业人才，缺乏实践经验的求职者较难获得青睐。
市场供需不平衡：
需求方面，机器视觉技术应用领域不断扩大，越来越多的企业重视其应用，市场对机器视觉专业人才的需求大增。
供给方面，市场上的供给有限，大部分从业者形成了固定的职业圈子，导致个别职位竞争激烈，整体岗位竞争非常激烈。
专业对口性差：机器视觉应用范围广，包括工业制造、医疗、金融、安防等众多领域。但不同领域对机器视觉的要求、实践难度不同，不同企业之间要求也不尽相同，使得各领域的专业人才难以相互转换，在其他领域获得的经验不能完全适应新领域工作，降低了就业成功率。
行业普及度相对较低：虽然机器视觉已逐渐应用于生产和社会生活，但普及度仍相对较低。很多企业尚未意识到其对生产和管理的重要性，需求不大。而且机器视觉相关企业的人员规模和招聘需求还不足以形成大的就业市场，影响了专业人才的就业。
二、好找的原因
人才需求增长趋势：
机器视觉作为新兴技术，随着在各行各业的逐渐渗透，如工业4.0推动下，在生产和社会生活中的应用越来越广泛，对机器视觉专业人才的需求处于逐步增多的趋势。其在人工智能、自动化生产等领域具有广泛的市场需求和职业发展前景。
在一些工业发达的城市如北京、上海、深圳、苏州、杭州等地，尤其是苏州，机器视觉人才奇缺，在工业比较强的城市群，如广东、江苏、浙江、山东等地，稍微具备能力的起薪较高，工作机会较多。
应用领域不断拓展：目前机器视觉在国内更多是工业自动化的应用，医疗设备方面也有较多应用，并且在定位、尺寸测量、OCR/OCV、特征有无等领域的应用比较成熟，随着人力成本提高等因素，未来在更多领域的应用有望进一步拓展，从而创造更多岗位需求。
