機器視覺行業研究分析及四大典型應用場景

產業趨勢

高端制造新軍突起，機器換人大勢所趨

新能源、半導體、汽車、航空航天等高端制造業占比提升，對工業智能化水平提出更高要求

隨著先進制造在我國的占比提升，工業生產線上人眼在精度、效率等方面已不能滿足產業升級的要求。如何借助機器視覺等智能化技術替代傳統人工操作，實現提質、降本、增效，成為制造業的共性需求。未來隨著“中國智造 2025”戰略的加速推進，工業制造自動化、智能化程度有望不斷加深，機器視覺這一技術將得到更廣泛的應用。

橫向跨行業拓展：目前，我國機器視覺應用以制造業的電子、平板顯示、汽車、電池等行業為主，新能源、半導體、醫療等新興產業有望加速引入這一技術。

縱向深度強化：機器視覺在各行業的初始應用往往是在生產環節的檢測這一步驟，隨著技術的普及、成本的下降，機器視覺有望在行業應用深度上強化，進入到識別、測量、定位等其他環節。

深度學習技術提升了機器視覺的應用落地能力，驅動產業加速發展

目前主流的機器視覺技術仍采用傳統的機器學習訓練方法，即在結構化場景下首先將數據表示為一組特征，分析特征或輸入模型后，輸出得到預測結果。但隨著機器視覺的應用領域擴大，傳統方式顯示出通用性低、難以復制、對使用人員要求高等缺點。

深度學習對原始數據通過多步特征轉換，得到更高維度、更加抽象的特征表示，可以將機器視覺的高效率和與人類視覺的靈活性相結合，完成復雜環境下的檢測，特別是涉及偏差和未知缺陷的情形。通過深度學習對模型魯棒性的提升，極大地拓展了機器視覺的應用場景，使機器視覺系統更加具備柔性，加速其在工業領域的滲透。

尋求邏輯

機器之眼優勢凸顯，百億賽道長坡厚雪

機器之“眼”替代人眼，賦能工業制造

根據美國制造工程師協會（SME）機器視覺分會等機構的定義，機器視覺工作過程是通過光學裝置和非接觸式傳感器自動地接收、處理真實場景的圖像，目的在于獲得所需信息或用于控制機器人運動。?

一個典型的機器視覺系統一般包括光源及光源控制器、鏡頭、相機、視覺控制系統（視覺處理分析軟件及視覺控制器硬件）等，其中光源及光源控制器、鏡頭、 相機等硬件負責成像，視覺控制系統負責對成像結果進行分析、輸出結果至其他執行部件。機器視覺系統的“讀取信息-傳輸信息-處理信息”的過程與人眼的運作機制對應，可謂人類視覺在工業界的延伸。

識別、測量、定位、檢測，機器視覺的四大典型應用場景

識別、測量、定位和檢測等四大應用場景實現難度依次遞增。

識別

甄別目標物體的物理特征，包括外形、顏色、字符、條碼等，其準確度和識別速度是衡量的重要指標。常見的應用場景是 OCR，讀取零部件上的字母、數字、字符（例如條形碼、二維碼等）用于溯源。

測量

把獲取的圖像像素信息標定成常用的度量衡單位，再精確計算出目標物體的幾何尺寸，主要應用于高精度及復雜形態測量。

定位

獲取目標物體的位置信息（二維或是三維），進而輔助執行后續操作， 常用于元件對位、輔助機器人完成裝配、拾取等。

檢測

主要針對目標物體的表面狀態，判斷產品是否存在缺陷，通常用于零部件缺陷、污染物、功能性瑕疵檢測等。

機器視覺產業鏈呈現“一條主線，多點開花”

上游：機器視覺產業鏈的上游主要包括以光源、鏡頭、相機為首的核心零部件和底層的軟件算法庫。據中商產業研究院的數據統計，上游的零部件和軟件開發環節幾乎占據機器視覺系統成本80%。

中游：產業鏈的中游主要包括視覺系統和智能視覺裝備。視覺系統是光學成像模塊（眼睛）與圖像處理系統（大腦）的集合體，可以獨立完成圖像采集功能并基于圖像采集的信息完成預期的處理工作（如定位、測量、檢測和識別等）。智能視覺裝備在系統的基礎上增加了結構本體和自動控制部件，實現檢測/生產工藝的控制和執行，給機器又植入了受大腦控制的“肌肉”和“四肢”。

下游：產業鏈下游通過系統集成商致力于將智能視覺設備與生產工藝相結合， 下游面向 3C 電子、汽車制造、新能源等眾多細分行業，并隨著技術滲透率的提升行業下游呈現“多點開花”的態勢。

3C電子：落地機器視覺技術的行業基本盤，品類滲透加速

全球 3C 電子產業向發展中國家轉移，高精度、換代快等特點助推機器視覺技術迭代，應用場景延伸和品類拓展有望持續推動我國3C行業機器視覺滲透率提升。

由于消費類電子行業元器件尺寸較小，檢測要求高，天然適合機器視覺系統落地，其高精度要求也反向推動了機器視覺技術的革新。此外，消費類電子行業產品生命周期短、更新換代快，制造企業需要頻繁更換產線設備，進一步增加了對機器視覺行業的需求。未來，隨著機器視覺在3C制造中的應用場景由低精度的二維碼、字符識別進一步延伸至超越人眼極限的高精度組裝與加工，機器視覺在3C電子行業的滲透率有望持續提升。

非工業：傳媒、安防、物流、交通等消費級應用正成為新發展方向

機器視覺應用方向包含工業級與消費級，產業邊界趨于模糊。根據機器視覺聯盟 （CMVU）的數據，用于消費電子、半導體與新能源等板塊的工業級機器視覺合 計占比 79.8%；相比之下，用于消費級機器視覺的安防與監控、物流分揀以及智 慧交通等領域占比僅 17.0%，但份額逐年提升。

隨著 AI 和 5G 技術的商用落地，機器視覺不再局限于工業領域。機器視覺結合三維重建、動作/表情捕捉、渲染等技術可實現人臉、表情、動作、衣物的還原， 構建模擬逼真的人物形象，此外還可利用人臉識別、動作識別、物體追蹤等技術模擬人的視覺能力。因此，機器視覺在影視、游戲、直播、文旅等領域還有施展拳腳的空間。

競爭壁壘

技術實力決定產品層次，國產代替方興未艾 ? 機器視覺核心價值集中于產業鏈上游，硬件工藝與軟件算法決定產品技術天花板。機器視覺設備價值可拆分為上游零部件與軟件、中游組裝集成與售后維護，其中上游占據了80%價值量，技術壁壘最高；硬件部分當中工業相機價值占比達 50% 以上，由圖像傳感器、圖像采集卡與各類芯片組成，技術壁壘極高。

? 技術路徑多線匯集，機器視覺公司各有所長。機器視覺系統由多個軟、硬件產品組成，基于同一技術平臺的部件集成有利于系統穩定可靠，但由于其中各部件技術路徑相對獨立，行業內多數企業都只專注于其中一個或幾個部件，自主化領域各有不同。 ?

3D視覺前景廣闊，技術迭代打開應用空間

2D機器視覺技術具有局限性，3D可以作為有效補充。使用2D機器視覺技術 可以獲取二維圖像，在三個自由度（x、y和旋轉）上定位被攝目標，并基于灰度、對比度的特征進行分析。但2D技術存在無法提供物體高度、平面度、表面角度、體積等三維信息、易受光照變化影響、對物體運動敏感等局限性。3D 技術增加了旋轉、俯仰、橫擺三個維度，更能還原真實立體世界，通過3D視覺傳感器采集3D輪廓信息，形成3D點云，實現平面度、翹曲度、段差、曲面輪廓度等3D尺寸量測。 ? 工業控制對精度、柔性的要求高，場景還原度更好、魯棒性更強的3D有望加速滲透。盡管目前2D視覺可以滿足絕大部分行業對檢測的需求，但涉及到立體工件、精度要求高的檢測仍需3D視覺來配合。通過增加3D視覺模塊，增加工業機器人的環境感知能力，可以拓寬應用場景。 ? 例如，3D視覺能使機器人更加精準地定位被操作物，實現更高難度的不規則包裹抓取、非標金屬部件焊接等操作，機器人柔性大幅提升。根據 MIR 的預測，搭載3D視覺的工業機器人滲透率將有望從 2021 年的 4%提升至 2025 年的 10.5%，出貨量CAGR達 46%。 ?

? 3D視覺仍處于探索初期，具備核心技術的廠商有望率先受益。隨著5G技術的推廣普及，人工智能和物聯網應用將迎來快速發展，推動視覺技術加速從 2D成像向3D視覺感知跨越。根據2019年Gartner 新興技術發展周期曲線圖，3D視覺感知概念已經突破了早期的期望膨脹期，并逐漸步入產業化前的重要發展階段，不斷探索潛在的細分領域應用，尋找潛在的增長拐點。在這一新領域逐步走向成熟的過程中，具備創新能力、掌握核心技術的公司有望率先受益。 ?

編輯：黃飛

?