2020年机器视觉行业深度报道

机器视觉是人工智能产业的一个重要前沿分支。机器视觉通过模拟人类视觉系统，赋予机器“看”和“识别”的能力，这是机器认识世界的基础。机器视觉用成像系统代替视觉器官作为输入手段，用视觉控制系统代替大脑皮层和大脑其余部分完成视觉图像的处理和判读，使机器能够自动检测外界的视觉信息，做出相应的判断和采取行动，实现更复杂的指挥决策和自主行动。视觉技术作为人工智能的前沿领域之一，是人工智能企业布局的重点，技术分布最广。

　机器视觉广泛应用于智能制造领域，根据其功能可分为识别、测量、定位和检测四大类。识别功能是指识别目标物体的物理特征，包括形状、颜色、字符、条形码等。其准确性和识别速度是衡量的重要指标；测量功能是指将采集的图像像素信息标定为常用的测量和测量单位，然后精确计算图像中目标物体的几何尺寸，主要应用于高精度、复杂形状的测量；定位功能是指获取目标物体的坐标和角度信息，自动判断物体的位置，多用于自动化设备和生产；检验功能是指对目标对象进行外观检验，以判断产品装配是否完整，外观是否有缺陷。

　　1.2。机器视觉的基本框架

机器视觉(Machine Vision)是指通过光学装置和非接触式传感器自动接收和处理真实物体的图像，经过分析后获得所需信息或控制机器运动的装置。一般来说，机器视觉就是用机器代替人眼。机器视觉模拟眼睛采集图像，通过图像识别和处理提取信息，最后通过执行装置完成操作。

机器视觉系统由五个模块构成：根据信号的流动顺序，机器视觉系统主要包括光学成像、图像传感器、图像处理、IO和显示五个模块。光学成像模块设计合理的光源和光路，通过透镜将物方空间信息投射到像方，从而获得目标物的物理信息；图像传感器模块负责信息的光电信号转换。目前主流的图像传感器分为CCD和CMOS图像处理模块基于以CPU为中心的电路系统或信息处理芯片，配合完整的图像处理方案和数据算法库，提取信息的关键参数；IO模块输出机器视觉系统的结果和数据；显示模块方便用户直观地监控系统的运行过程，实现图像的可视化。

　　与人类视觉相比，机器视觉在量化、灰度分辨率、空间分辨率和观察速度等方面具有明显优势。它利用摄像机、镜头、光源和光源控制系统采集目标物体数据，利用视觉控制系统、智能视觉软件和数据算法库分析处理图形。软系统和硬系统相辅相成，为下游自动化和智能制造行业提供可视化能力。随着深度学习、三维视觉技术、高精度成像技术和机器视觉互联技术的发展，机器视觉的性能优势进一步增强，应用领域扩展到多个维度。

1.3。机器视觉的发展历史

机器视觉起源于20世纪50年代。吉尔森提出了“光流”的概念，并在相关统计模型的基础上发展了逐像素计算模型，标志着2D图像统计模型的发展。

　　1960年，美国学者Roberts提出了从2D图像中提取三维结构的思想，引起了麻省理工学院人工智能实验室等机构对机器视觉的关注，标志着三维机器视觉研究的开始。

　　20世纪70年代中期，麻省理工学院人工智能实验室正式开设“机器视觉”课程，研究人员开始大力研究“物体与视觉”相关学科。1978年，大卫马尔提出了一种“自下而上”的计算机视觉捕捉物体的方法，从2D轮廓草图开始，逐步完成3D图像捕捉。这种方法标志着机器视觉研究的重大突破。

　　自20世纪80年代以来，机器视觉掀起了全球性的研究热潮，随着方法和理论的迭代更新，光学字符识别和智能相机在这一阶段问世，逐渐引发了机器视觉相关技术的更广泛传播和应用。

　　20世纪90年代初，Vision Company成立并开发了第一代图像处理产品。然后，与机器视觉相关的技术不断的投入到制造过程中，使得机器视觉的领域迅速扩大。数百家企业开始销售大量的机器视觉系统，一个完整的机器视觉行业逐渐形成。现阶段，LED灯、传感器和控制结构的快速发展，进一步加快了机器视觉行业的进步，逐渐降低了行业的生产成本。

　　2000年以来，更高速的三维视觉扫描系统和热成像系统逐步问世，机器视觉的软硬件产品已经普及到生产制造的各个阶段，应用领域不断扩大。目前，机器视觉作为人工智能的底层产业和电子、汽车等行业的上游产业，仍处于快速发展阶段，具有良好的发展前景。

机器视觉在中国起步较晚，目前正处于快速发展时期。国产机器视觉起源于80年代引进的第一批技术。自1998年许多电子和半导体工厂落户广东和上海以来，机器视觉生产线和先进设备被引进中国，国际机器视觉制造商的代理商和系统集成商应运而生。机器视觉在中国的发展主要经历了三个阶段。

　　第一阶段是1999年到2003年的启蒙阶段。现阶段，中国企业主要通过代理业务为客户服务，在服务过程中引导客户理解和认可机器视觉，从而开启了机器视觉在中国的历史进程。同时，国内新兴的跨学科机器视觉人才也逐步掌握了国外简单的机器视觉软硬件产品，建立了机器视觉初级应用体系。在这一阶段，机器视觉技术首先被引入特种印刷行业和烟草异物剔除行业，在解放劳动力的同时有效地推动了国内机器视觉领域的发展。第二阶段是2004年到2007年的发展阶段。现阶段，地方机器视觉企业开始探索更多自主核心技术承载的机器视觉软硬件设备的研发，并在多个应用领域取得关键突破。全系列模拟接口、USB2.0摄像头及采集卡、PCB测试设备、SMT测试设备、LCD前端测试设备等。由国内厂商推出，逐渐开始占领入门级市场。

　　第三阶段是2008年以后的快速发展阶段。现阶段，许多机器视觉核心设备的R&D制造商不断涌现，大量真正的系统级工程师不断接受培训，推动了国内机器视觉行业的高速高质量发展。

　　随着全球制造中心向中国转移，中国现在是机器视觉领域仅次于美国和日本的第三大应用市场。据中国视觉产业联盟统计，2018年中国机器视觉产业销售额达到83亿元，比2013年增长3倍，复合年增长率为33.54%。

　　2.随着行业的快速发展和核心部件的国产化，

机器视觉虽然才发展了几十年，但随着世界新一轮科技革命和产业转型的兴起，机器视觉产业迎来了快速发展。机器视觉的应用已经从最初的汽车制造领域扩展到消费电子、医药、食品包装等许多领域。

　　据前瞻产业研究院统计，机器视觉全球市场规模从2008年的25亿美元增长到2017年的70亿美元，复合年增长率为12.3%。中国机器视觉市场从2008年开始进入快速发展阶段，2017年达到65亿元，2008-2017年复合增长率为32.7%，明显高于全球水平。

　　国际机器视觉市场的高端市场主要被美、德、日品牌占据。康耐视(Cognex)、国仪(NI)、巴斯勒(Basler)和ISRA视觉(ISRA Vision)、科因特(Keyence)和欧姆龙(Omron)都是在机器视觉领域拥有技术积累和良好客户口碑的国际巨头公司。其中，康耐视和卡恩斯作为全球机器视觉行业的两大巨头，垄断了全球近50%的市场份额。

　　国内机器视觉行业的竞争格局比较分散，国外企业在核心部件上占有较大的市场份额和销售优势。按照《中国机器视觉产业全景图谱》的说法，中国有200多个国际机器视觉品牌，100多个国内本地机器视觉品牌，300多个各种产品的代理商，100多个系统集成商。可以看出，国内机器视觉企业主要是产品代理商和系统集成商，在机器视觉产业链上游领域布局较少，机器视觉核心部件的R&D能力不如国外老牌公司强，因此中高端市场主要以国际一线品牌为主。根据中国机器视觉产业联盟2017年企业调查结果，国内机器视觉企业销售额占比最高(31.8%)，为1000万-3000万，其次是1000万(19.8%)、5000万-1亿(18.7%)、1亿以上(16.5%)、3000-50000。2017年，康耐视在大中华区实现收入6.76亿元。相比之下，国内大部分机器视觉企业的销售规模较小。

　　2.1。工业相机：捕捉和分析对象的核心组件

　　图像分析的前提是镜头捕捉光信号并将其转换成有序的电信号。与民用相机不同，工业相机具有更高的图像稳定性、传输能力和抗干扰能力，是机器视觉系统的关键组成部分。目前市场上的工业相机产品主要有有线阵列相机、面阵相机、3D相机和智能相机。智能相机将图像采集、处理和通信功能集成到单个相机中，已经成为工业相机的发展趋势。

　　图像传感器是相机的核心，按芯片类型可分为CCD和CMOS图像传感器。两者都使用光电二极管进行光电转换，但工作原理和产品特性差异较大。

　　电荷耦合器件图像传感器是由光电二极管和存储区组成的矩阵。每个感光元件将光转换成电荷后，直接输出到下一个感光元件的存储单元，以此类推，直到最后一个感光元件形成统一输出。然后放大器放大电信号，一个特殊的模数转换芯片将模拟信号转换成数字信号。而CMOS传感器中的每个光敏元件都直接集成了一个放大器和模数转换逻辑(ADC)。当光敏二极管接收照明并产生模拟电信号时，电信号首先被光敏元件中的放大器放大，然后直接转换成相应的数字信号。

　　CMOS传感器在机器视觉应用的早期，由于在处理快速变化的图像时，由于电流变化频繁，容易过热，难以抑制噪声，所以只适用于图像质量要求不高的低端工业产品；而CCD由于具有图像质量更高、抗噪声能力更强的优点，多用于高端场合。

　　随着CMOS传感器在消费类电子器件中的广泛应用，推动了CMOS技术的发展，其性能得到了显著提高，同时制造成本也大大降低。CMOS传感器的分辨率和图像质量正在接近CCD传感器。CMOS传感器凭借高速(帧率)、高分辨率(像素数)、低功耗、最新改善的噪声系数、量子效率和色彩概念等优势，已经确立了稳定的市场地位，正在工业图像处理的诸多领域逐步取代CCD传感器。以Basler的工业相机产品为例，在分辨率相近的情况下，CMOS的帧率明显高于CCD，并且量子效率、信噪比、动态范围更高，暗噪声更低。可见，CMOS在某些性能指标上已经达到或超过了CCD的水平，具有替代CCD的能力。

　　近年来，工业相机行业在全球市场和中国市场都呈现出快速增长的趋势。全球工业相机行业规模从2011年的15.2亿元增长到2018年的40.3亿元，年均复合增长率为14.95%；中国工业相机产业规模2011年仅为8000万元，2018年为7.3亿元，复合增长率为37.14%。中国工业相机市场正以远远超过全球市场的速度快速扩张。

　　目前全球工业相机行业以欧美品牌为主。根据前瞻工业研究院的数据，2018年，北美品牌占全球工业相机市场的62%，欧洲品牌占15%。德国巴斯勒、加拿大DALSA、美国康耐视等国外知名企业。从细分行业来看，工业智能相机市场比卡片式相机市场更加集中。

　　我国对工业相机的研究起步较晚。一开始是大恒影像等几家老牌相机公司负责国外品牌。近年来，中国逐步发展了一批自主研发工业相机的国产品牌，如大恒影像、Hikvision机器人、华锐科技、视觉影像等。目前我国工业相机行业主要位于低端市场，可以逐步实现进口替代；在高分辨率、高速高端工业相机领域，仍然以进口品牌为主。根据中国海关总署的数据，2018年中国进口工业相机8159台，进口额4483万美元，同比增长8.3%。

　　2.2。镜头：清晰成像的核心

　　镜头是机器视觉图像采集的重要成像部件。镜头的主要作用是将目标成像在图像传感器的感光面上。分辨率、对比度、景深和像差等指标对成像质量有重要影响。

　　工业镜头按焦距可分为定焦镜头和变焦镜头；根据光圈大小，可分为固定光圈和可变光圈；按视场可分为长焦镜头、普通镜头和广角镜头。此外，还有几种特殊用途的镜头，如远心镜头、显微镜头、微距镜头、紫外镜头、红外镜头等。由于传统镜头存在视差现象(即镜头放大率随物距变化而变化)，畸变通常高于1~2%，所以应用远心镜头。可以在一定物距范围内校正视差的影响，严格控制畸变系数在0.1%以下。远心镜头因其独特的平行光路设计，满足精密检测的需求，一直受到对镜头畸变要求较高的机器视觉应用的青睐。

　　据QYResearch统计，2019年全球工业镜头市场达到33亿元，预计2026年将增至58亿元，年均复合增长率为8.3%。海外品牌早就在镜头领域投资了。经过多年的业务积累和技术升级，徕卡、施耐德、卡尔蔡司等德国光学巨头和CBC、Kowa、尼康、富士等日本光学巨头已经在全球范围内形成。因为光学镜头行业融合了精密机械设计、几何光学、薄膜光学、色度学、热力学等多学科技术。而且制造过程和工艺复杂，它有很高的技术门槛

　　由于中国起步较晚，2008年之前国内光学镜头市场基本被日系和德系品牌打破。近年来，中国工业镜头行业的国内制造商发展迅速，主要来自低端市场，凭借高性价比与国外品牌竞争。在高端市场，中国仍然主要进口日本、德国等老牌制造商的产品，但如东光学、穆腾光等一些企业正在逐步走向高端。郑东光学的远心透镜畸变小于0.02%，放大倍数完全。微距镜头产品还可以将失真控制在0.1%的超低水平。

　　2.3。光源：设计光路实现目标成像

　　光源对机器视觉中的图像采集有着重要的影响，为后续的图像识别和分析奠定了必要的基础。合适的光源设备可以尽可能清晰地区分物体和背景，获得高质量、高对比度的图像。在机器视觉的应用中，由于应用对象和检测要求的不同，没有通用的机器视觉照明系统，因此需要针对具体情况设计相应的照明方案，以达到最佳的照明效果。机器视觉系统中使用的光源主要分为三种：LED光源、卤素灯和高频荧光灯，其中最常用的是LED光源。LED光源是发光二极管光源，其发光原理不同于白炽灯和气体放电灯。LED光源采用固体半导体芯片作为发光材料，能量转换效率高。理论上可以达到白炽灯10%的能耗和荧光灯50%的节能效果。另外，LED光源具有形状自由度高、使用寿命长、响应速度快、单色性好、颜色多样、综合性价比高等特点，因此在机器视觉等工业领域得到了广泛的应用。

机器视觉光源产品根据形状可分为多种类型，如环形光源、条形光源、平面光源、线光源、点光源、同轴光源等。不同的形状和结构可以提供不同的亮度、强度、光照角度、光照面积和颜色组合，适用于不同的机器视觉应用场景。例如，环形光源以斜角以锥形照射被测物体表面，并通过漫反射照射小面积。当工作距离为10-15毫米时，环形光源可以突出被测物体边缘和高度的变化，适用于印刷电路板基板检查、集成电路元件检查、集成电路印刷检查等。

　　国外机器视觉照明技术比较成熟，国际上有代表性的光源企业主要有日本的CCS、美国的Moritex和Ai。国内光源市场本地化程度高，竞争充分。涌现出了一批能与国际品牌竞争的机器视觉光源制造商，如豪普特、沃德普、康士达和朗威光电

　　CCS在全球光源市场占有较高的市场份额，主要产品为LED光源和图像处理用控制器。根据CCS 2017年年报，其2017年营业收入达到5.2亿元，其中光源和光源控制器产品占总收入的89.2%。

　　豪普特成立于2006年，是国内机器视觉光源行业领先的本土品牌，以光源为切入点，将其产品延伸至机器视觉镜头、相机、视觉控制系统等其他软硬件产品。2019年Haupt光源和光源控制器产品收入3亿元。与CCS相比，Haupt的光源产品销量仍有一定差距，但盈利能力高于CCS。

　　2.4。图像处理软件：算法实现各种目标

　　处理获得的视觉信号是机器视觉系统的关键。机器视觉软件类似于“大脑”，通过图像处理算法完成对被测物体的识别、定位、测量和检测等功能。机器视觉软件主要分为两类：一类是包含大量处理算法的工具库，用于开发特定应用，主要用户是集成商和设备供应商；另一种是实现部分功能的应用软件，主要是终端用户使用。两者在开发的灵活性上有区别。目前，图像处理软件领域主要由美国、德国等国家主导。主要厂商有康耐视、Mvtec、Adept等，软件的底层算法基本都被以上厂商垄断。作为最具代表性的制造商之一，康耐视近10年表现良好。康耐视营业收入从19.25亿元增加到50.62亿元，复合增长率10.15%；毛利率和净利润率基本稳定，分别维持在75%和25%左右。

　　国内机器视觉图像处理软件一般是在OpenCV等开源视觉算法库或Halcon、VisionPro等第三方商业算法库的基础上开发的。由于独立底层算法的技术壁垒较高，国内只有创科视觉、Hikvision、Haupt、Videovision Image等少数企业完成了底层算法的研究并有一定程度的应用。

　　以创科视觉为例，公司开发的CKVisionBuilder是机器视觉行业最简单的视觉系统开发平台，涵盖了定位、测量、识别、读码、缺损、色彩、3D、逻辑运算等所有图像处理功能。系统具有很高的通用性，具体表现在：(1)不要求用户有编程基础，适合各类人群；适用于3C电子、汽车制造等行业；适用于不同种类的工业摄像机、可编程控制器等。有对接接口，兼容性好。

　　3.从汽车制造开始，对消费电子感兴趣

　　3.1。消费电子和汽车制造是目前主要的下游应用

　　目前机器视觉主要应用于消费电子、汽车制造、食品包装、医药行业等领域，其中消费电子和汽车制造是主要领域，分别占46.60%和10.20%。在消费电子行业，机器视觉应用于高精度制造和质量检测，包括圆晶切割、3C表面检测、触摸屏制造、AOI光学检测、PCB印刷电路、电子封装等。在汽车制造业中，机器视觉几乎涉及到系统和零部件的所有制造过程，如车身装配检测、面板印刷及质量检测、字符检测、零件尺寸精度测量、工业零件表面缺陷检测等。

　　3.2。机器视觉在汽车制造业中的应用

　　汽车制造质量主要靠三坐标测量来完成，效率低，耗时长，数据量严重不足，只能离线测量。机器视觉引入非接触测量技术，逐步发展为固定在线测量站、机器人柔性在线测量站等在线测量系统，能够严格监控人体尺寸的波动，提供数据支持。除了传统的三坐标测量和激光在线测量外，还可以采用蓝光扫描测量、表面缺陷测量等视觉测量方法进行更精细的测量，为车身基本特征尺寸、装配效果和缺陷提供高精度的监控。多种监控和测量方法相结合，确保生产零件的零缺陷和车辆制造的高质量。

机器视觉引导系统突破了机器人简单重复示教轨迹的限制，使其能够根据被操作工件的变化实时调整工作轨迹，从而提高机器人的智能水平。视觉引导技术已经逐渐渗透到汽车制造的全过程，如引导机器人进行最优匹配安装、精确制孔、焊缝引导与跟踪、喷涂引导、挡风玻璃加载引导等。

机器视觉检测系统可以对产品进行制造过程检测、自动跟踪、跟踪和控制，包括通过光学字符识别(OCR)技术获得车身零件代码，以确保零件在整个制造过程中的可追溯性，识别零件的存在与否，以确保部件装配的完整性，以及通过视觉技术识别产品的表面缺陷或加工工具的缺陷，以确保生产质量。

　　中国汽车产销走在世界前列，汽车制造市场巨大。汽车行业自动化程度很高，制造中很多环节已经无人化。同时，汽车智能蓝图的多领域布局推动了机器视觉在汽车行业的应用不断深入。

　　3.3。机器视觉在消费电子行业的应用

机器视觉主要应用于消费电子领域，如PCB/FPC AOI检测、元器件及整机外观检测、装配指导等，并呈现出越来越多的新应用场景。

　　AOI光学检测是在工业生产中完成测量、检测、识别和指导任务的一项新的科学技术，广泛应用于印刷电路板缺陷检测过程中。它采用光学照明和图像传感技术获取被测对象的信息，通过数字图像处理增强目标特征，利用模式识别、机器学习、深度学习等算法提取特征信息，对其进行分类和表征，最后反馈给执行控制机构，实现产品分类、分组分拣和质量控制的生产目标。其基本原理是利用各种光学成像技术和系统模拟人眼的视觉成像功能，用计算机处理系统代替人脑进行实时图像处理、特征识别和分类，用执行器代替人手完成操作。

　　PCB缺陷检测主要包括焊点缺陷检测和元器件检测。传统的人工目测方法容易漏检、速度慢、时间长、成本高，已经不能满足生产需要。机器视觉印刷电路板检测系统具有重要的现实意义。当电路板从印刷设备中取出，在清洗剂中清洗，修复后返回生产线时，机器视觉提供的在线视觉技术可以直接发现印刷操作后存在的缺陷，保证操作人员在添加印刷电路板之前及时处理相关问题。此外，当发现缺陷时，可以有效地防止有缺陷的电路板到达生产线的后端，从而避免维修或废弃的现象。操作人员可以及时得到反馈，明确运行中的印刷工艺是否完好，达到防止缺陷的目的，对于提高生产效率和成品率非常重要。据中国商业研究院统计，2018年消费电子和半导体领域的机器视觉市场规模超过20亿元，2019年将达到近30亿元。消费电子行业的元器件体积小，质量标准高，适合机器视觉系统检测，推动了机器视觉技术的进步。同时，消费电子产品的生命周期短、需求量大，带动了机器视觉的市场需求。

　　3.4、食品包装和制药工业应用

机器视觉广泛应用于食品包装领域，可用于检测瓶子的分类、液位测量、标签、盖子和盒子的检查，以及瓶子的形状、尺寸、紧密度和完整性。检验的包装形状不限于包装盒、包装盒、金属盒、管状、泡状、盘状、广口瓶、薄口瓶、罐装和桶装等。食品包装是食品质量的重要保证，可以保护食品在流通过程中免受污染，提高质量，避免安全事故。同时，食品包装的升值也会给消费者带来良好的购物体验。因此，食品包装检验是控制不合格食品流入市场的关键环节，影响行业内企业的竞争力。

　　在医药企业的生产过程中，药品关系到人们的生命健康。即使有微小的缺陷，一旦药物上市，也会给患者造成不可挽回的损失，甚至导致医疗事故。机器视觉在药品包装、质量检测和控制等许多方面都取得了巨大的成就，帮助制药行业加快了现代化和智能化的进程。目前，机器视觉检测内容丰富、稳定、准确，能够满足医药行业包装线变化频繁的包装产品的需求。

　　4.机器视觉技术仍在迭代，应用场景不断丰富

　　4.1。质量的提高、效率的提高和成本的降低是机器视觉发展的动力

　　2019年，中国65岁及以上人口占总人口的12.57%，表明中国已进入严重老龄化社会。劳动力供应的短缺推高了企业的劳动力成本。根据国家统计局的数据，城镇非私营从业人员平均工资从2012年的4.68万元增加到2019年的9.05万元，劳动力成本在8年间增长了近一倍。在转型升级的过程中，中国制造业必然走向自动化和智能化，并在不断深化。

　　2017年7月，国务院发布《新一代人工智能发展规划》，明确提出科技领先、系统布局、市场引领、开源开放四大基本原则和“三步走”发展战略：到2020年，人工智能整体技术和应用与世界先进水平同步，人工智能产业将成为新的重要经济增长点，人工智能技术的应用将成为改善民生的新途径；到2025年，人工智能基础理论将实现重大突破，部分技术和应用将达到世界领先水平。人工智能将成为中国产业升级和经济转型的主要动力，智能社会建设将取得积极进展；到2030年，人工智能的理论、技术和应用将达到世界领先水平，成为世界主要的人工智能创新中心。智能经济和智能社会取得显著成效，为跻身创新型国家和经济强国前列奠定了重要基础。这确立了人工智能目前在我国的重要地位。从2017年到2020年，人工智能和智能制造连续四年被《政府工作报告》覆盖。2019年，“智能制造”升级为“智能”，进一步明确了人工智能和智能制造在国民经济中的重要地位。响应国务院号召，各行业和地方政府相继出台相关政策，确立了人工智能和智能制造的发展目标。机器视觉作为智能制造的核心分支之一，也是最先可以渗透和发展的核心技术之一。在良好的政策环境下，它将获得广阔而稳定的发展空间。

　　世界上机器视觉的新专利数量不断增加。截至2019年，全球累计专利数达到8.6万件；国内有11000项机器视觉相关应用和公共专利

　　4.2。核心组件的自治正在进行中

　　国内机器视觉行业R&D投资从2016年的5.6亿元增加到2018年的11.7亿元，复合年增长率为44.8%。2018年国内机器视觉代理商销售额占行业销售额的32.4%；国内机器视觉企业前期依赖国际供应商的产品代理，缺乏扎实的自主研发基础和具有自主知识产权的核心技术。与国际领先企业相比，国内企业经营时间短，积累弱，增加R&D是实现进口替代的必由之路。

机器视觉算法是处理获取的图像信息的关键步骤，也是视觉控制系统的重要基础。国内的可视化处理分析软件大多基于OpenCV等开源可视化算法库，或者二次开发基于Halcon、Vision Pro等第三方商业算法库，只有少数企业有独立的底层算法库。独立底层算法需要经历较长的研发周期和巨大的资金投入，是未来国内机器视觉企业自主性的主要技术支撑。深度学习拓宽了应用场景。目前主流的机器视觉技术仍然采用传统的方式，即首先将数据表示为一组特征，然后对特征进行分析或输入模型后输出预测结果。结构化场景中的定量检测具有速度快、精度高、重复性好的优点。然而，随着机器视觉应用领域的扩大，传统方法表现出通用性低、难以复制、对用户要求高等缺点。深度学习，通过对原始数据的多步特征变换，得到更高级、更抽象的特征表示，通过输入预测函数得到最终结果。深度学习可以将机器视觉的高效性和鲁棒性与人类视觉的灵活性相结合，在复杂环境下，尤其是涉及偏差和未知缺陷的环境下完成检测，极大地拓展了机器视觉的应用场景。

　　传统的2D机器视觉技术在三个自由度(X、Y和旋转)上定位目标物体，并提供基于灰度或彩色图像对比度的图像处理和分析结果，无法获得目标物体的三维信息，也容易受到光照条件、物体运动等变化的影响。三维机器视觉技术可以在六个自由度(X、Y、Z、旋转、俯仰和偏航)上定位目标物体，提供丰富的三维信息，使机器能够感知物理环境的变化并做出相应的调整，从而提高应用的灵活性和实用性。

　　高精度成像和互连技术有所帮助。高精度成像技术需要新的光源、更全面的波长覆盖和创新的光源布局，以及提供更大目标面和更小像素的新镜头和相机产品，这一直是机器视觉行业追求的技术发展目标。行业内的企业、协会、行业联盟不断合作，制定数据接口、通信协议等基本通用标准，旨在开辟视觉和信息系统的通道，实现系统间的互联互通，是行业发展的必然趋势。

　　4.3。应用场景不断丰富，千亿蓝海大有可为

机器视觉在世界范围内发展迅速。根据市场和市场预测，全球机器视觉市场预计在2020年达到107亿美元，2025年达到147亿美元。机器视觉核心部件的国内市场早就被几个国际巨头把持，而国产品牌正在崛起。如果看不出来，实现进口替代的路径是由易到难，其次是光源、相机、镜头、开发软件；在应用方面，机器视觉设备的应用如火如荼，在消费电子领域得到了广泛应用。随着国内制造业的升级，全球高端制造能力将转移到中国，这将同时增加对高端精密机器视觉设备的需求，如正逐步被进口所取代的中前面板制造工艺和半导体测试设备。这将进一步推动国内机器视觉组件和设备厂商的技术迭代，增强对应用流程的理解。随着机器视觉硬件解决方案的不断成熟和计算能力的提高，以及各种应用解决方案中软件的不断完善、3D算法和深度学习能力的提高，机器视觉在电子行业(如PCB、FPC、面板、半导体等)的应用广度和深度不断提升。)不断增加，对餐饮、医药等领域的渗透加快。预计中国机器视觉的市场规模将继续保持相对较高的增长率。

　　根据GGII数据，2019年中国机器视觉市场规模为65.5亿元(不含计算机视觉市场)，同比增长21.8%。2014-2019年复合增长率为28.4%，预计到2023年中国机器视觉市场规模将达到155.6亿元。

机器视觉核心零部件和设备企业盈利能力极佳，行业增长与进口替代的巨大差距对国内机器视觉企业来说是历史性的机遇。2019年，机器视觉国际巨头KENSHIS和康耐视的毛利率和净利润率分别为82.35%/73.85%和38.52%/28.10%，而主要专注于中国光源的Haupt的毛利率和净利润率分别为73.59%/39.35%。

　　在机器视觉设备领域，相关企业的毛利率一般处于40-50%的相对较高水平。随着核心部件国产化的加快，机器视觉的应用成本将会降低，国内机器视觉设备企业的竞争优势将会增强，机器视觉在智能设备领域的普及将会得到促进。