先，智能自動化技術為儀器儀表與測量的相關領域的應用開辟了廣闊的前景。運用智能化軟硬件，使每臺儀器或儀表能隨時準確地分析、處理當前的和以前的數據信息，恰當地從低、中、高不同層次上對測量過程進行抽象，以提高現有測量系統的性能和效率，擴展傳統測量系統的功能，如運用神經網絡、遺傳算法、進化計算、混沌控制等智能技術，使儀器儀表實現高速、高效、多功能、高機動靈活等性能。

其次，也可在分散系統的不同儀器儀表中采用微處理器、微控制器等微型芯片技術，設計模糊控制程序，設置各種測量數據的臨界值，運用模糊規則的模糊推理技術，對事物的各種模糊關系進行各種類型的模糊決策。其優勢在于不必建立被控對象的數學模型，也不需大量的測試數據，只需根據經驗，總結合適的控制規則，應用芯片的離線計算、現場調試，按我們的需要和精確度產生準確的分析和準時的控制動作。

特別是在傳感器測量中，智能自動化技術得到了更廣泛的應用。它是簡化硬件，提高信噪比和改善傳感器的動態特性的有效方法，但需要確定傳感器的動態數學模型，以及高階（高階）傅里葉變換用于實現信號濾波，如快速傅立葉變換，短時傅立葉變換，濾波器的實時性較差。使用神經網絡技術，可以實現高性能自相關濾波和自適應濾波。在非線性復雜關系的輸入和輸出之間的自組織，關聯，記憶和黑盒映射。在適用性，快速實時性等方面，可以充分利用人工神經網絡技術。將大大超越復雜的功能類型，可以充分利用多傳感器資源，綜合獲得更準確，更可信的結論。實時和非實時，快速變化和緩慢變化的模糊和確定性數據信息可以彼此支持或彼此矛盾。此時，提取，融合和決策將變得困難。所以神經網絡或模糊邏輯將成為值得選擇的。例如，氣體傳感器陣列用于混合氣體識別。在信號處理方法中，可以使用自組織映射網絡和BP網絡來分類和重新識別組件。將傳統方法的整個過程轉化為降低算法的復雜度，提高識別率。再次，食品味道的味道檢測和識別的難度，旦研發單位是主要障礙。現在可以通過小波變換進行數據壓縮和特征提取，然后通過遺傳算法輸入到模糊神經網絡的數據可以大大提高簡單復合味道的識別率。另個例子是織物質量評價，靈活的觸摸觸覺信號處理，機器故障診斷，智能自動化技術等也取得了不少成功的例子。

相關閱讀：上海精宏實驗設備有限公司