先，智能自动化技术为仪器仪表与测量的相关领域的应用开辟了广阔的前景。运用智能化软硬件，使每台仪器或仪表能随时准确地分析、处理当前的和以前的数据信息，恰当地从低、中、高不同层次上对测量过程进行抽象，以提高现有测量系统的性能和效率，扩展传统测量系统的功能，如运用神经网络、遗传算法、进化计算、混沌控制等智能技术，使仪器仪表实现高速、高效、多功能、高机动灵活等性能。
其次，也可在分散系统的不同仪器仪表中采用微处理器、微控制器等微型芯片技术，设计模糊控制程序，设置各种测量数据的临界值，运用模糊规则的模糊推理技术，对事物的各种模糊关系进行各种类型的模糊决策。其优势在于不必建立被控对象的数学模型，也不需大量的测试数据，只需根据经验，总结合适的控制规则，应用芯片的离线计算、现场调试，按我们的需要和精确度产生准确的分析和准时的控制动作。
特别是在传感器测量中，智能自动化技术得到了更广泛的应用。它是简化硬件，提高信噪比和改善传感器的动态特性的有效方法，但需要确定传感器的动态数学模型，以及高阶（高阶）傅里叶变换用于实现信号滤波，如快速傅立叶变换，短时傅立叶变换，滤波器的实时性较差。使用神经网络技术，可以实现高性能自相关滤波和自适应滤波。在非线性复杂关系的输入和输出之间的自组织，关联，记忆和黑盒映射。在适用性，快速实时性等方面，可以充分利用人工神经网络技术。将大大超越复杂的功能类型，可以充分利用多传感器资源，综合获得更准确，更可信的结论。实时和非实时，快速变化和缓慢变化的模糊和确定性数据信息可以彼此支持或彼此矛盾。此时，提取，融合和决策将变得困难。所以神经网络或模糊逻辑将成为值得选择的。例如，气体传感器阵列用于混合气体识别。在信号处理方法中，可以使用自组织映射网络和BP网络来分类和重新识别组件。将传统方法的整个过程转化为降低算法的复杂度，提高识别率。再次，食品味道的味道检测和识别的难度，旦研发单位是主要障碍。现在可以通过小波变换进行数据压缩和特征提取，然后通过遗传算法输入到模糊神经网络的数据可以大大提高简单复合味道的识别率。另个例子是织物质量评价，灵活的触摸触觉信号处理，机器故障诊断，智能自动化技术等也取得了不少成功的例子。
相关阅读：欧洲杯·买球官方官网(中国)官网入口
