بینایی ماشین (Computer Vision) شاخه‌ای از علوم کامپیوتر است که به ماشین‌ها امکان می‌دهد تا تصاویر و ویدئوها را مانند انسان درک و تفسیر کنند. این فناوری از الگوریتم‌ها و مدل‌های یادگیری عمیق، به‌ویژه شبکه‌های کانولوشنی (CNN)، برای پردازش داده‌های بصری استفاده می‌کند. فرآیندهای اصلی شامل شناسایی اشیاء، تشخیص الگوها، تقسیم‌بندی تصویر (Segmentation) و تحلیل حرکت در ویدئوها است. هدف بینایی ماشین، استخراج اطلاعات معنادار از داده‌های بصری برای کاربردهایی مانند تشخیص چهره، تحلیل تصاویر پزشکی یا هدایت خودروهای خودران است. این حوزه با پیشرفت سخت‌افزارهای محاسباتی و دسترسی به مجموعه داده‌های عظیم مانند ImageNet، به‌سرعت رشد کرده و به بخش جدایی‌ناپذیری از هوش مصنوعی تبدیل شده است.
پیدایش بینایی ماشین به دهه ۱۹۶۰ بازمی‌گردد، زمانی که پروژه‌های اولیه مانند "Summer Vision Project" در MIT تلاش کردند تا اشیاء سه‌بعدی را از تصاویر دوبعدی شناسایی کنند. در دهه‌های بعد، تکنیک‌هایی مانند پردازش تصویر دیجیتال، تشخیص لبه‌ها و الگوریتم‌های یادگیری ماشین مانند ماشین‌های بردار پشتیبان (SVM) توسعه یافتند. انقلاب واقعی در دهه ۲۰۱۰ با ظهور یادگیری عمیق و مدل‌هایی مانند AlexNet رخ داد که دقت تشخیص اشیاء را به سطح بی‌سابقه‌ای رساند. امروزه، بینایی ماشین در کنار هوش بصری (Visual Intelligence) به ماشین‌ها امکان می‌دهد نه‌تنها اشیاء را شناسایی کنند، بلکه زمینه و روابط پیچیده در تصاویر را نیز درک کنند، مانند تشخیص اینکه یک فرد در حال انجام چه فعالیتی در یک صحنه است.
کاربردهای بینایی ماشین بسیار گسترده‌اند و از صنایع پزشکی (تشخیص بیماری از تصاویر MRI) تا فناوری‌های مصرفی (مانند جستجوی بصری در Google Photos) را در بر می‌گیرند. در رباتیک، این فناوری به ربات‌ها کمک می‌کند تا محیط را درک کرده و وظایف پیچیده‌ای انجام دهند. در خودروهای خودران، بینایی ماشین برای شناسایی موانع و علائم راهنمایی حیاتی است. با پیشرفت مدل‌های چندوجهی و هوش مصنوعی مولد، آینده بینایی ماشین به سمت سیستم‌هایی پیش می‌رود که درک بصری شبیه به انسان دارند و می‌توانند در زمینه‌های متنوع‌تری مانند واقعیت افزوده و اکتشافات فضایی به کار روند.