机器视觉行业专题研究：以机器视觉之眼_拓制造升级之路.docx

机器视觉行业专题研究：以机器视觉之眼_拓制造升级之路1、 机器视觉具有多维优势，国内处于高速发展初期1.1、 属于人工智能分支，相比人眼优势显著机器视觉属于人工智能范畴，国内外已开始大量应用。机器视觉被称为智能制造的 “智慧之眼”，为智能制造打开了新的“视”界，是实现工业自动化和智能化的必要 手段。根据美国自动成像协会（AIA）的定义，机器视觉（Machine Vision）是一种应 用于工业和非工业领域的硬件和软件组合，它基于捕获的图像为设备执行其功能提 供操作指导。人工智能的应用技术主要包括语音类技术、视觉类技术、自然语言处理 类技术和基础硬件等，其中，机器视觉技术是机器人自主行动的前提，能够实现计算机系统对于外界环境的观察、识别和判断等功能，是人工智能范畴最重要的前沿分支之一。机器视觉技术涉及机械、电子、光学、自动控制、计算机科学、图像处理和 模式识别等诸多领域，在国内外人工智能企业应用技术中占比超过 40%，应用范围 十分广泛。机器视觉具有识别、测量、定位、检测四大功能，技术实现难度依次增加。机器视觉 的诸多功能基本可归为识别、测量、定位和检测功能四大类，识别是指对目标物的外 形、颜色、字符、条码等特征进行甄别；测量是指对目标的几何尺寸进行测量，把获 取的图像像素信息标定成常用的度量衡单位，然后在图像中精确的计算出目标物的 几何尺寸，高精度以及复杂形态的测量是机器视觉的优势领域；定位是对目标物的 二维或三维位置信息进行获取；检测是对目标物的外观进行监测，包括产品完整检测、外观缺陷检测等。速度和精度是衡量机器视觉识别、测量、定位和检测功能的主 要指标，从技术实现难度来看，四大功能实现的难度依次递增。机器视觉的本质是为机器植入“眼睛”和“大脑”。机器视觉主要分为成像和图像处 理两大部分，光源、镜头、相机和图像采集卡相当于眼睛，连接电缆相当于传入神经， 图像处理系统相当于大脑，控制机构与执行机构相当于手脚等器官。一台机器视觉 设备的工作流程包括视觉成像、自动图像获取、图像预处理、图像定位与分割、图像 识别与检测、视觉伺服与优化控制等环节，被测对象到达指定位置后向图像采集卡 发触发脉冲，图像采集卡接收到脉冲信号后，将触发信号分别传输给相机和光照系 统，由相机进行图像抓取，将光信号转变成为有序的电信号，再将该信号模数转换并 送到图像处理软件，再根据需求对图像进行处理分析、识别，并返回判断结果或者逻辑控制值传递给控制机构执行，完成特定功能工作流程。机器视觉相比人类视觉多方面优势显著，众多应用场景替代价值较高。机器视觉是 实现设备精密控制、智能化、自动化的有效途径，堪称现代工业和智能制造的机器眼 睛，相比于人类视觉在精确性、速度性、适应性、客观性、重复性、可靠性、效率性、 感光范围和信息集成上具有多方面领先优势。目前机器视觉主要应用于工业自动化 领域，在被检测物品移动速度快、精确性要求高和工作重复性较高的场景下，机器视 觉设备相比人眼工作效率提升明显，能够代替人眼在多种场景下实现识别、定位、测 量、检测等多种功能。1.2、 国内处于发展初期，市场规模快速扩张全球来看，在成像、应用、算力、算法的逐轮驱动下，机器视觉行业进入发展早期。 世界范围来看，1969-1980 年期间机器视觉还处于萌芽期，主要由成像技术驱动，还 未形成完整的机器视觉概念；1980-1990 年间机器视觉处于起步期，随着 CCD 图像 传感器、CPU 与 DSP等硬件与图像处理技术的飞速发展，机器视觉逐步由理论研究 走向工业领域的技术应用；1990-2000 年机器视觉行业处于成长波动期，由于成像技 术和算法算力发展还不成熟，系统成本非常高，产业进入成长波动期；2000-2010 年 在应用和算力的双重驱动下，机器视觉行业正式进入发展早期，FPD 平板检测、PCB 检测和汽车行业均提出大量需求；2010-2020 年期间在算法的驱动下，机器视觉行业 迎来加速发展期，在电子、汽车、半导体等领域得到了广泛应用。国内来看，起步较晚但已处于高速发展初期，已由代理服务逐步转向自主研发。1990- 2000年我国机器视觉行业处于萌芽期，90 年代国内开始出现机器视觉代理企业，主 要从事机器视觉器件及技术的代理服务；2001-2010 年，国内机器视觉行业处于起步期，在人民币印钞质量检测，烟草和原棉异物剔除、邮政分拣等代表性下游应用需求 拉动下，国内开始出现一批专业的机器，越来越多企业开始探索与研发具有自主知识产权的机器视觉软硬件设备，随着 USB2.0 接口的相机和采集卡等器件方面逐渐占 据入门级市场，产品性能不断提升；2011 年-2020 年是国内机器视觉行业的发展初期，2011年开始以苹果手机加工制造为核心的 3C 电子制造产业需求提升较快，直接推动中国机器视觉高速发展，自 2019 年开始国内机器视觉产业持续保持 20%-30% 的增速。根据 CB Insight 数据，2020 年已成为继美、日之后的全球第三大市场。全球机器视觉市场规模恢复稳健增长，2019年欧美市场合计占比 65.7%。根据 Markets and Markets 数据统计，2016-2019年全球机器视觉市场规模保持稳健增长， 年均复合增速达 18%，2019 年达到 102 亿美元。2020 年由于疫情对全球各行业冲击 影响较大，下游行业需求低迷背景下机器视觉市场规模有所滑落，全球机器视觉器 件市场规模为 102 亿美元。2021 年伴随传统工业复苏和新能源行业的蓬勃发展拉动了相关企业的扩产需求，视觉检测产品需求有所增长。根据 Markets and Markets 预 测，2021-2025 年全球机器视觉市场规模预计将保持 6%的复合增速稳健增长。同时， 2019 年欧洲和北美机器视觉市场规模合计占比达 65.7%，全球市场主要集中于欧美 地区。国内机器视觉市场销售额快速增长，企业数量不断增加。根据机器视觉产业联盟数 据显示，2019 年中国机器视觉销售额达 103 亿元，2016 年-2019 年均复合增长率达 28%，远大于全球市场 18%的增速水平，其中 3D 机器视觉市场受益于下游行业需求 放量，持续保持高速增长。从国内企业数量来看，2010 年国内机器视觉企业仅有 60 家，伴随国内对自主技术产权的不断研究和在光源、相机等领域的不断摸索，截至 2019 年国内机器视觉企业数量达到峰值，为 819 家，2020 年有所回落下降至 637 家， 但相比 2010 年已有十余倍的增长。未来伴随机器视觉行业销售额进一步扩大和企业 数量进一步增长，供需共振下预计行业将持续保持高景气度。1.3、 产业链包括上游零部件和中游集成商，上游潜在市场空间更大机器视觉行业包括上游软硬件厂商和中游集成制造设备商，下游应用领域百花齐放。 机器视觉产业链上游由机器视觉零部件和算法软件构成，核心零部件包括光源、工 业镜头、工业相机、图像采集卡、算法软件等，国内机器视觉上游市场主要由国外老牌厂商占领；中游包括机器视觉整机装备制造商、系统集成商，主要负责软件的二次 开发和设备的整机制造，由于下游需求相对碎片化中游企业的市场集中度较低；机 器视觉下游为终端应用行业，涵盖电子、半导体、汽车制造、食品包装、制药等领域， 应用场景类型众多百花齐放。核心零部件与软件开发为机器视觉成本主要构成，上游潜在市场空间更大。机器视 觉产业链整体可分为核心零部件和软件提供商、集成和软件服务商，其中核心零部 件及软件包括光源、镜头、工业相机、图像采集卡、图像处理软件等。在整个机器视 觉系统成本构成上，核心零部件及软件开发占据了 80%的比例，是产业链中核心环 节，中游的组装集成在产业链中价值占比相对有限仅为 15%，后端的维护环节市场 占比仅为 5%。由于机器视觉行业下游应用较为分散，标准化程度较低，因此中游设 备商针对特定行业调试开发的成本较高，商业模式上在不同行业快速推广复制的可 能性相对较低，相比之下上游核心零部件产品一般标准化程度较高，且受下游市场 需求变化影响相对有限，整体来看相比中游，上游的潜在市场空间更大。2、 四大助力叠加技术驱动，机器视觉赛道坡长雪厚2.1、 机器视觉坡长雪厚，空间广阔国内市场规模快速增长，在工业企业技改支出中占比仍偏低。根据机器视觉产业联盟预测，国内机器视觉市场规模自 2021 年起将保持年均 27%左右的高速增长水平， 预计到 2023 年国内机器视觉市场规模将接近 300 亿元。同时，近年来，我国工业企 业技术改造支出逐步增加，2016 年至 2019 年间年均复合增长率达 3%。其中，国内 机器视觉的销售额在 2016 年-2019 年期间分别为 49、69、84、103 亿元，在全国工 业企业技改投资经费支出中的占比虽逐步提升，但也仅维持在 2%-3%左右，国内机 器视觉的渗透率还处于相对较低水平，未来成长空间广阔。国内市场以产品代理商和外资企业为主，空间十分广阔。国内机器视觉市 场上国际品牌达 200 多家，近乎是内资品牌的 2 倍，以外资品牌为主。同时，我国 机器视觉行业主要以产品代理商和系统集成及设备制造为主，底层开发商较少，自 主研发能力不足，更多是进行二次应用开发。截至 2020 年国内机器视觉各类产品代 理商超过了 300 家，专业的机器视觉系统集成商 100 多家。从全球市场来看，尽管 中国机器视觉市场发展速度飞快，但由于起步较晚，国际机器视觉市场主要被美国 和德国占据，占比分别达到 29.76%和 24.5%，尤其在机器视觉底层核心零部件方面， 目前仍以外资品牌为主。行业盈利中枢保持较高水平，上游盈利空间大于中游。产业链上游的海外龙头企业 基恩士和康耐视 2016-2020 年间的平均销售毛利率分别达到 81.61%和 76.22%，镜头 龙头企业巴斯勒为 50%，国内光源龙头企业奥普特 2017-2020 年间平均毛利率为72.55%，显著高于一般制造业企业。国内中游龙头企业天准科技和矩子科技 2016- 2020 年间的平均销售毛利率分别为 39.88%和 48.69%，虽高于传统集成制造企业， 但显著低于上游企业。上游企业处于价值链的顶端，掌握核心技术且壁垒较高，同时 上游很多产品可以标准化生产，具有规模效应，整体盈利水平和盈利空间大于中游 企业。2.2、 政策持续加码+人口老龄化加剧+制造业工资上涨+疫情影响常态化， 共同助推机器视觉高成长相关政策持续加码，助力行业高速发展。机器视觉技术是实现工业智能化中数据采 集需用到的必备技术，为了保持我国制造业在世界的领先地位，我国近 5 年提出十 余项重点政策予以扶持。2015 年国务院在中国制造 2025中提出 2025 年迈入制 造强国行列，2035 年我国制造业整体达到世界制造强国阵营中等水平，初步制定了 我国制造业后续发展的战略宏图；2017 年国务院在新一代人工智能发展规划中 提出 2025 年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平， 2030 年人工智能理论、技术与应用总体达到世界领先水平，对人工智能技术的后续 发展亦提出明确规划；2020 至 2021 年期间，伴随国内机器视觉行业自主研发技术的 不断成熟，国家标准智能制造机器视觉在线检测测试方法等文件中开始陆续明确 机器视觉行业的发展路径，以及与人工智能、智能制造的结合方式等，“十四五”智 能制造发展规划（征求意见稿）明确提出到 2025 年规模以上制造业企业基本普及 数字化，骨干企业实现智能转型升级。人口老龄化加剧和疫情影响常态化的背景下，制造业平均工资的不断上涨助推工业 智能化加速升级。随着经济的发展，国内就业人口数量增长放缓、老年人口占比上 升，预计中国人口结构老龄化将成为一个不可逆转的趋势。国家统计局统计数据显 示，截至 2020 年末，我国 65 岁及以上人口数量为 1.91 亿人，占总人口的比重达到 13.5%，同比增加 0.9%，老龄化程度不断加深。同时，德尔塔、奥密克戎等病毒毒株 的出现对工业企业的开工率带来较大不确定性，世界卫生组织举行紧急会议后发布 声明，将奥密克戎列为“需要关注的变异株”，机器替人的需求进一步增加。随着人 口老龄化速度加快，用工成本不断上升，2020 年中国制造业城镇单位就业人员年平 均工资达 8.24 万元，比 2016 年增加 2.29 万元，制造业企业面临成本压力和较大生 产不确定性，实现机器视觉普及是大势所趋。国内各省市机器视觉应用进展稳步推进。截至 2020 年底，我国各主要省市在人工智 能和机器视觉领域均已形成一定产业布局，并明确提出后续发展规划。其中，河北、 河南、吉林、云南等地区明确提出机器视觉计划的相关战略发展规划，北京、上海、 浙江、广东、深圳等地区明确提出智能机器人相关的战略发展目标，智能工厂、数字 化车间、智能制造等概念在陆续出现在各地区制造行业发展规划中。在制造业升级 的大背景下，全国各省市各地区齐头并进，围绕智能制造的主线展开布局，机器视觉 作为智能制造之眼，是进行数据搜集的必要条件，从产业链建设顺序来看，将优先受 益于制造业的智能化转型升级，伴随企业投资支出的逐步增加，机器视觉行业将逐 步放量，步入发展快车道。2.3、 技术升级是机器视觉行业发展的核心驱动力技术升级带来的降本增效，是机器视觉行业发展的核心驱动力。从全球机器视觉相 关专利数量来看，截至 2019 年全球机器视觉累计专利数量达 8.6 万项，2010-2019 年 期间新增专利数量同比增速持续保持正增长，2017-2019 年期间新增专利数量保持在 17%左右的增速水平。伴随专利技术的逐步增加，全球机器视觉技术的不断完善，机 器视觉相对于人工的比较优势进一步扩大，将进一步打开行业发展空间。技术标准体系逐步完善，加快推进核心技术产业化。目前行业内标准化组织主要有 ISO/IEC JTC 1 1/SC 24，ITU：SG16，IPC，IEEE，G3 国际机器视觉标准化组织 AIA、 EMVA、JIIA、VDMA 和 CMVU 等， G3 已发布多项行业技术标准，对于通用、安 全与可靠性，器件、接口与测试、验收与测评、工业互联等方面均已明确相关的技术 标准，国家标准、行业标准和团体标准中部分也已完成发布。行业发展的技术标准逐 步统一有利于国内机器视觉在良性发展轨道中不断成长。技术标准体系逐步完善，加快推进核心技术产业化。目前行业内标准化组织主要有 ISO/IEC JTC 1 1/SC 24，ITU：SG16，IPC，IEEE，G3 国际机器视觉标准化组织 AIA、 EMVA、JIIA、VDMA 和 CMVU 等， G3 已发布多项行业技术标准，对于通用、安 全与可靠性，器件、接口与测试、验收与测评、工业互联等方面均已明确相关的技术 标准，国家标准、行业标准和团体标准中部分也已完成发布。行业发展的技术标准逐 步统一有利于国内机器视觉在良性发展轨道中不断成长。嵌入式视觉系统、深度学习、3D 视觉、计算成像是机器视觉四大技术演进方向。当 前机器诗句在成像质量上仍有较大提高空间，嵌入式视觉系统和计算成像主要解决 这方面问题。嵌入式技术可将具有深度学习算法和图像处理功能的 AI 模块集成至工 业相机，近年来嵌入式机器视觉应用快速增加，消费电子、自动驾驶、生命科学、农 业等场景的需求不断增长，带动国内企业在嵌入式机器视觉上的研发投入不断增加。 根据机器视觉产业联盟数据，2018-2020 年间国内企业在嵌入式视觉系统研发上的投 入年均复合增长率达 41.4%。深度学习和 3D 视觉均属于视觉分析技术，可以对传统 算法进行优化并提供更丰富维度的信息，帮助机器视觉提高图像处理的智能化水平。 2018-2020 年间，AI 驱动的解决方案和 3D 解决方案两个方向的研发投入年均复合增 长率分别为 40.8%和 49.7%，研发投入持续保持高速增长。综合来看，嵌入式视觉系 统、深度学习、3D 视觉、计算成像是全球机器视觉四大主流技术升级路线。嵌入式技术为智能工业相机提供关键价值赋能。智能工业相机是工业自动化领域边 缘智能的重要实现手段，嵌入式技术可用于实现将图像处理和深度学习算法的 AI 模 块集成至工业相机，实现边缘智能，最主要的应用包括 ADAS、工业自动化以及安防 监控。通过对 AI 芯片的集成，智能相机可以在特定的应用环境中实现图像处理并利 用内嵌的人工智能算法做出逻辑判断，为自动化场景提供无需人工干预的智能方案。深度学习技术可协助提高传统方式的普适性程度并提速新场景适配过程。目前采用 传统方式的机器视觉技术在结构化场景相对固定、工作内容重复度高的情况下，相 对人眼监测在速度和准确性上具有优势，但随着机器视觉下游应用领域的不断拓展， 传统方式对于复杂化、细微化的场景处理上呈现出通用性低、不易复制、对使用人员 要求高等缺点。深度学习是将原始的数据特征通过多步的特征转换得到一种更高层 次、更抽象的特征表示，并进一步输入到预测函数得到最终结果。简单来讲，深度学 习技术可以在全新领域的复杂检测环境下，为传统方式赋予人眼的灵活智能。国内外 3D 视觉研究进度趋近，国内应用场景更为丰富。3D 视觉相对于 2D 视觉可 获得物体的空间坐标信息，更为契合精细化程度和自动化程度越来越高的工业控制 升级趋势，但二者各有优劣。由于成本原因 3D 视觉还不能完全取代 2D 视觉。目前 标准化的 3D 视觉软硬件产品已进入市场，产业链已经初步形成，在 3D 视觉算法研 究上国内外企业起步时间趋近，研究进度还均处于起步阶段，研究进度趋近。同时， 国内有更多的 3D 机器视觉应用场景，以汽车、电子、电池等为代表的新场景不断涌 现，国内企业在 3D 技术应用研究上具有天然更为优质的环境。精准成像是机器视觉成功的前提，计算成像技术可突破传统光电成像的功能与成本 局限问题。如何在方案成本和光路复杂程度之间实现平衡，最大化地实现成像效果， 是各家机器视觉厂商首先需要解决的核心问题。计算成像技术就是在传统“所见即 所得”的光学成像方法上增加了“计算”的过程，即通过建立目标场景与观测图像之 间的变化获调制模型，然后利用不同的计算方法重建获增强成像的过程，可突破传 统光电成像器件、功能与成本局限的问题，满足更高分辨率、更大景深、更多维度的 光电成像的内部需求。同时，计算成像使得超衍射成像、无透镜成像、大视场高分辨 率成像及透过散射介质清晰成像等成为可能，有助于促进成像设备的高性能化、微 型化和智能化。2.4、 消费电子是机器视觉主要应用领域，汽车与电池是未来主要增长点机器视觉的用途不断拓宽，消费电子是机器视觉最主要的应用领域。据中国机器视 觉产业联盟统计，2020 年机器视觉在电子、半导体、汽车领域的销售额分别占全行 业销售额的 52.9%、10.3%、8.8%。电子信息制造行业自动化、标准化程度高，产品 生命周期短、更新换代快，是机器视觉技术应用较早、需求最大的领域。消费电子类 元器件尺寸较小，监测要求较高，适合使用机器视觉进行检测，其中以苹果产业链衍 生出的检测需求为代表，包括液晶屏 AA 区定位、轮廓度检测、手机零件装配定位、 螺丝装配定位等，现在仍是机器视觉技术的最主要应用市场。汽车与电池是未来机器视觉行业的主要增长点。机器视觉目前在整车生产领域的应 用十分广泛，在贴片机、挤压磨具、监测点、齿轮、焊接线缆等多环节均需使用机器 视觉技术，同时在电池的电极检测、装配检测、化成检测、模块和电池组系统检测均 存在应用机器视觉技术需求。未来汽车智能化水平不断提高，新能源汽车快速放量 带来的装配检测和电池检测将是机器视觉行业未来主要增长点。技术成熟加速商业化落地，锂电池检测市场率先打开。目前电池占据新能源汽车总 成本的 40%-50%，电池的电极检测、电极片距离测量、封盖焊接引导和检测、软包 表面检测、光学字符识别等均需要用到机器视觉技术，以保证电池的高性能和大容 量。根据前瞻产业研究院数据，2015 年国内锂离子电池产量仅为 55.98 亿只，2020 年为 188.45 亿只，复合增速达 27%，截至 2021 年 Q3 为 166.83 亿只，已接近 2020 年全年水平，预计 2021 年将继续保持高速增长。根据中商产业研究院数据，2020 年 国内电子及半导体市场规模为 36.12 亿元。锂电池检测复杂程度较高，未来随着新能 源汽车渗透率的提升，锂电池产量的快速增长将带动相应机器视觉市场需求打开。智能制造和自动驾驶是机器视觉主要应用领域，智能化和轻量化趋势加速市场渗透。 目前机器视觉在汽车领域主要应用于智能制造和智能驾驶两个方向。智能制造方向 来看，汽车生产领域中至少上百个环节均存在应用机器视觉进行检测、定位和测量 的需求，包括区分轴长、检测点火线圈中的弯曲端子、检测焊珠位置、装配过程中的 跟踪等，应用需求十分广泛；自动驾驶方向来看，完成自动驾驶的首要前提是车载传 感器，其中核心组件是车载摄像头，包括单目视觉、双目视觉等。2020 年我国新能 源汽车销量 136.73 万辆，2021 年全年销量达 352.05 万辆，同比增长 157%，智能制 造的需求相应获得增量成长。未来在汽车智能化和轻量化趋势下，单车电子件价值 量将持续提升，对应汽车产线应用机器视觉的需求将进一步增加。3、 上游零部件：进行时，各环节有序推进3.1、 进行时，3D 设备增速最快国内机器视觉市场较为分散，国产品牌进口替代稳步推进。2020 年基恩士在中国地 区的收入占比市场总收入的 34%，康耐视占 9%，奥普特占 5%，其他所有企业分享 剩余的一半市场，市场集中度较低。根据机器视觉产业联盟数据，2018-2020 年我国 国产品牌市场规模占比稳步提升，2020 年已有 51.33%，进口替代正在稳步推进，在此过程中三方面内容值得关注。一是国产品牌占据的 51.33%市场份额中龙头企业奥 普特仅有 5%，国产企业竞争格局更为分散；二是目前国产企业仍以代理商为主，具 备自主生产能力的企业以中低端领域进口替代为主，距离实现高端产品进口替代仍 有一段距离；三是从各产品的替代难度来看，光源目前已基本实现国产替代，集成商 的技术水平目前基本追赶上国外先进企业，其余环节目前替代难度仍较大。3D 相机/3D 采集设备销售额增速最快。从市场规模增速来看，2018 年-2020 年间 3D 相机/3D 采集设备的销售额年均复合增速为 53.8%，其他环节产品的年均增速一般在 20%左右，3D 相机/3D 采集设备的销售额年均增速明显更高。3D 相机相比于 2D 相 机性能优势更为显著，具有更广泛的应用，预计未来仍将保持高速增长。3.2、 光源：基本实现国产，国内企业占据主导地位光源是机器视觉系统的重要零部件，LED 光源综合性能更为突出。光源是指用于为 工业机器视觉应用场景提供照明的系统，主要包括光源和光源控制器，是影响机器 视觉系统输入的重要因素，直接影响输入数据的质量和应用效果。工业中使用光源的目的是实现图像中目标与背景的最佳分离，获得高品质、高对比度的图像。因此， 好的光源产品需要保证足够的亮度和稳定性，物体位置不断变化下也不会影响成像 质量。光源主要分为高频荧光灯、卤素灯和 LED 光源三种。其中，LED 光源由于分 布式设计和合理的电流分配技术，具有形状自由度高、使用寿命长、运行成本低、发 光稳定等综合优势，成为机器视觉领域应用最为广泛的光源。光源市场高端化趋势明显，用于 3D 视觉的辅助结构光源市场逐步打开。光源照射方 法可分为背向照明、前向照明、结构光照明和频闪光照明。背向照明是将被拍摄物体 放在光源和相机之间，优点是可获得高对比度的图像；前向照明是将光源和相机位 放置于被拍摄物体的同侧，优点是便于安装；结构光照明是将光栅或线光源等投射 到被检测物体上，根据明暗畸变解调出被检测物体的三维信息；频闪光照明是将高 频率的光脉冲照射到物体上，相机与光源同步拍摄高速运动物体的图像。目前，机器 视觉光源逐渐向着高端化方向发展，以结构光、同轴光等为代表的高端光源产品将 成为市场主流。随着 3D 视觉技术逐渐形成更多成熟的应用方案，用于 3D 视觉的辅 助结构光源产品将逐渐打开市场，渗透进更多工业机器视觉应用场景。光源技术门槛相对较低，国产企业具有先发优势且已占据主导地位。国外光源设计 能力已经趋于成熟，知名光源厂商日本 CCS 和美国 Ai 等，凭借强大的技术实力和 生产工艺在全球高端光源市场拥有较高的占有率。由于光源技术门槛相对较低，目 前技术相对成熟，相比于机器视觉其他部件，国内厂商进军很早，国内市场基本由国 产企业主导，奥普特、沃德普、康视达、纬朗光电等国内光源厂商基本已具备与国际 品牌竞争的实力，其中奥普特是国内市占率最大的生产商，拥有 38 大系列标准光源 产品和 30000 多个定制设计案例经验，具备非标产品的快速响应能力。3.3、 镜头：国内企业竞争低端市场，高端市场逐步开始布局镜头质量直接影响视觉系统的整体性能，是机器视觉系统中最关键的成像部件。镜 头是机器视觉系统中被摄物体信息采集和传递过程的起点，相当于人眼的晶状体。 镜头的作用是将目标的光辐射聚焦在相机芯片的光敏面阵上。镜头的参数有焦距、 视场、工作距离、分辨率、景深等，实际选择时需要考虑与相机和图像传感器之间的 匹配，随着 CMOS 图像传感器技术的快速发展，传感器具有更小的像素，故需要更 高分辨率的镜头。除了分辨率外，所有透镜也会受到一定的空间畸变，当镜头以非线 性方式拉伸或压缩图像，使整个传感器的精确测量变得非常困难。传统镜头的高畸 变问题使得远心镜头应用而生。远心镜头独有的平行光路设计能纠正传统工业镜头 视差，可在一定物距范围内，使得到的图像放大倍率不会变化，具有高分辨率、超宽 景深、超低畸变的特性，在精密检测领域备受欢迎。全球工业镜头市场平稳增长，中国市场持续高速放量。2016-2019 年全球工业镜头市场规模从 10.8 亿美元增长至 12.0 亿美元，CAGR3.4%；中国工业镜头市场规模则从 2016 年的 2.3 亿元增长至 2019 年的 7.0 亿元，CAGR45.9%，中国工业镜头市场正以远超全球市场的增速迅速扩张， 高速扩张的背后主要是相关生产研发工艺的不断提升，助推镜头生产的质效不断提 升，如镀膜技术的发展提高了镜头的良率、自动组立机的投入是的组装环节由人工 转为自动组装等，提升了组装效率和产品稳定性。国产企业凭借价格优势和量产能力竞争低端产品替代，高端市场已开始逐步布局。 目前我国工业镜头市场主要由国外老牌镜头厂商主导，包括德国施耐德、德国卡尔 蔡司、美国 Navitar、日本 KOWA 等，这些国外企业技术积累雄厚、品牌影响力较大， 在高端工业镜头市场优势明显，但一般产品价格较高，对中国市场的应用开发不足。 2009 年开始国内企业开始逐步发力，但国内工业镜头厂商大多体量相对较小，主要 从中低端市场切入，凭借性价比优势与外资品牌进行竞争，如东莞普密斯。同时，东 正光学等部分国内厂商已经具备提供全系列工业镜头的实力，正积极布局高端产品 市场，海康、大华也已具备工业相机生产能力。当前国内厂商在镜头制作工艺上与国 外老牌厂商相比还有差距，但已经基本能够满足视觉系统的基本需求。3.4、 工业相机：欧美品牌主导，替代难度较大工业相机相比民用相机具有多方面优势，选择相机需要考虑多方面因素。工业相机 设计最初源于民用相机，工业相机与民用相机相比具有更强的图像稳定性、更高的 传输能力、更好的工作持续性以及环境适应性，在多方面均具有一定优势。不同类型 的相机直接决定采集到的图像分辨率和质量，是机器视觉领域的关键部件。在实际 选用相机，首先需要考虑决定检测精度和视野大小的分辨率，其次需考虑帧率，相机 帧率需要大于等于检测速度，再次是曝光方式，全局曝光还是卷帘曝光，准确识别一 般需要选择全局曝光，最后则是其余参数的选择，如 CCD、CMOS、网口或 USB 等。智能相机解决了看得懂的问题，未来将继续提升多维度性能。世界工业相机市场经 历了由模拟相机到数字相机、再到智能相机的过程，2000 年以前以模拟相机为主， 主要解决看得见问题；2000-2015 年工业相机市场处于数字化转型阶段，主要解决看 得清问题，数字信号接口取代模拟接口，高速接口协议 GigE Vision 等开始使用，同 时，2000 年后智能相机开始出现，主要解决了看得懂的问题，可实现读码、OCR、 识别、定位引导、测量等基本功能。智能相机将图像的采集、处理与通信功能集成于 单一相机内，能够在狭窄的空间进行灵活安装和应用，具有成本低、易用性强、开发 简单快速、紧凑型一体化设计等优点。展望未来，智能相机的成像分辨率将不断提 高，图像采集速度大幅提升，可见光光谱向非可见光光谱拓展，单一光谱到多/高光 诺谱，空间维度向 3D/4D 继续延展、集成更多边缘智能，全方位提升产品性能。工业相机市场在全球市场和中国市场持续稳健增长。2016-2019 年，全球工业相机市 场规模从 6.2 亿美元增长至 14.0 亿美元，CAGR31.1%；中国工业相机市场规模从 3.3 亿元增长至 4.1 亿元，CAGR8.0%，增速较缓。国内工业相机市场增速较为缓慢主要 是因为国内工业相机相关技术还不成熟，相关领域的经验积累还不足，产品更多以 进口国外品牌产品为主。世界范围内欧美企业在工业相机领域进入时间早，凭借强 大的研发实力和先发优势，产生行业经验的不断积累，带动全球工业相机市场规模 不断扩大。欧美品牌占主导地位，逐步推进。国外品牌由于布局较早，软硬件优势明 显，在国内高分辨率、高端工业相机领域仍占据主导地位，如瑞士 Baumer、德国 Basler、 德国 AVT、加拿大 PointGrey 等，在国内工业相机市场市占率较高。国内厂商主打性 价比优势，对中国市场应用进行针对性开发，以占取有利切入点。从国内企业市场进 展来看，一方面，以安防监控为主的龙头企业利用自身在软硬件上的研发优势，开始 布局工业相机领域，如华睿科技；另一方面，以专业机器视觉产品为主的零部件厂商 也不断推出智能相机系列产品，从中低端产品开始切入市场。工业相机按图像处理器芯片可分为 CCD 相机和 CMOS 相机，CMOS 相机正成为主 流。CCD 是电荷耦合器件的简称，CMOS 是互补金属氧化物半导体的简称。CCD 是 各个感光元器件信号统一放大，噪声较小，CMOS 则是单独放大，图像有大量噪声， 图像品质低于 CCD 传感器。随着 CMOS 传感器在消费电子行业的大量应用，CMOS 传感器在架构设计和工艺保障上已经明显改善，同时 CMOS 具有集成度高、成本低、 体积小等优势，目前在众多应用场景中正逐步取代 CCD 传感器。3.5、 视觉分析软件：机器视觉“大脑”，国内企业以二次开发为主视觉分析软件是机器视觉“大脑”，实现视觉信息处理功能。视觉信息处理相当于机 器视觉的“大脑”，负责对相机采集的图像进行处理分析，实现对特定目标的识别、 检测与分析，并作出相应决策。视觉信息处理一般包括图像预处理、图像定位与分 割、特征提取、模式分类、语义理解等层次。以一只猫的图像识别为例，首先将获得 的图像进行预处理提高图像质量，利用边界分割确定目标的大小、位置与方向信息， 然后进行特征提取获得纹理、形状、颜色等特征，再使用各种搜索算法，与图像数据 库中有类似特征的图像匹配从而识别目标物体，最后对物体解释描述。机器视觉软件先后出现四种主流软件平台。机器视觉软件负责视觉感知与理解，实 现执行控制、图像采集、图像分析与处理、业务计算、显示等重要功能。视觉软件的 发展经过了四个阶段：基于图像算子的视觉开发软件：针对某个特定的生产步骤，集成光源、IO、相机 等外设，对采集到的图像进行多算子的处理，最后产生图片供显示，产生状态、 数据，其中以 Halcon、OpenCV 为代表，缺点是成本较高、人员技术要求严格；基于算法组件的视觉软件平台：是将一个或多个算子，封装成具备某种综合功 能的组件（如：圆查找、模板匹配、二维码识别等），并提供可运行时动态组合 各组件功能的软件，典型代表有康耐视的 VisionPro、凌云光的 VisionWare、海 康的 VisionMaster、陕西维视图像的 Visionbank 等；基于组态思想的视觉开发平台：以灵活多样的组态方式（而不是编程方式）提供 良好的用户开发界面和简捷的使用方法，提供软硬件的全部接口进行系统集成， 以基恩士的 CV_X 软件库，凌云公司的 VisionAssembly 为代表；基于云端计算的视觉平台：该平台还处于发展过程中，以构建场景互联的工业 云平台为目的，实现更大范围的智能工厂生产系统集成。国外机器视觉软件发展较为成熟，国内以二次开发为主。代表性机器视觉软件有 OpenCV、HALCON 和 HexSight 等，OpenCV 是美国 Intel 开发的开源免费图像处理 库，主要应用于计算机视觉领域，开发成本较低，但其可靠性、执行效率、效果和性 能不如商业化软件。HALCON 是德国 MVTec 公司开发的机器视觉算法包，HALCON 图像处理库包括一千多个独立的函数，其函数库可以通过 C/C+和 Delphi 等多种编 程语言调用，同时支持百余种工业相机和图像采集卡包括 GenlCam，GigE 和 IIDC1394，被公认是功能最强的机器视觉软件之一。由于机器视觉软件的底层算法 具有非常高的技术壁垒，国内公司主要基于 OpenCV 等开源算法库，或 Halcon、 VisionPro 等商业算法库，进行二次开发。代表产品包括北京凌云光 Vision WARE 视 觉软件、陕西维视图像 Visionbank 机器视觉软件、深圳市精浦科技有限公司 OpencvReal ViewBench(RVB)等。4、 中游集成商：需求碎片化导致市场分散，看好具备两大能力的企业4.1、 视觉系统贡献行业主要销售额，算法已进入云端智能计算时代机器视觉中游包括设备制造和系统集成两个环节。机器视觉中游企业既要承接上游 的硬件设备，也要进行中游算法开发，还要为下游客户提供整体解决方案和相关服 务。系统集成商主要面向设备制造商或者最终用户，提供硬件集成、软件服务等解决 方案，可根据用户要求提供非标服务。目前国内系统集成行业门槛较低，市场竞争较 为激烈，行业盈利空间相对有限。设备制造商不止是做软件系统集成，而是将光源、 镜头、相机、图像采集卡、视觉分析软件等与软件系统结合，针对特定下游应用场景 进行开发，制造完整的机器视觉系统或装备。视觉系统等整套设备为机器视觉行业销售额主要构成。从细分产品构成来看，机器 视觉各类产品可分为三类，第一类是特定应用视觉系统或可配置视觉系统，典型的 工业机器视觉系统包括光源、镜头、相机、图像采集卡、图像处理软件、通讯、输入 输出单元等，第二类主要是硬件，包括相机、光学原件、照明设备、各类传感器等； 第三类包括软件、线缆、采集卡等其他配件。根据中国机器视觉产业联盟数据显示， 2020 年我国特点应用机器视觉系统的销售额占比为 43.3%，2D 相机为 18.8%，光学 原件为 16.2%，三者合计占比达到 71.6%，特点应用视觉系统和硬件类产品 2020 年 合计占比接近 90%，为机器视觉市场主要构成，软件类和配件类市场份额较小。机器视觉算法历经四代革新，已进入云端智能计算时代。机器视觉算法对于中游系 统集成至关重要，其发展可以划分为四个阶段：第一代为模式识别的图像处理，改善 了图像的质量；第二代为模式识别的图像分析，用特征提取工具实现图像中的目标 识别，常有主成分分析，Fisher 分析、遗传算法等；第三代为图像理解深度学习，