1、 机器视觉，开“眼”看世界

1.1、 机器视觉是人工智能重要的前沿技术

机器视觉是人工智能行业的重要前沿分支。机器视觉通过模拟人类视觉系统，赋 予机器“看”和“认知”的能力，是机器认识世界的基础。机器视觉利用成像系 统代替视觉器官作为输入手段，利用视觉控制系统代替大脑皮层和大脑的剩余部 分完成对视觉图像的处理和解释，让机器自动完成对外部世界的视觉信息的探测， 做出相应判断并采取行动，实现更复杂的指挥决策和自主行动。作为人工智能最 前沿的领域之一，视觉类技术是人工智能企业的布局重点，具有最大的技术分布。

机器视觉在智能制造领域应用广泛，按功能主要可分为四大类：识别、测量、定 位和检测。识别功能指甄别目标物体的物理特征，包括外形、颜色、字符、条码 等，其准确度和识别速度是衡量的重要指标；测量功能指把获取的图像像素信息 标定成常用的度量衡单位，然后在图像中精确地计算出目标物体的几何尺寸，主 要应用于高精度及复杂形态测量；定位功能指获取目标物体的坐标和角度信息， 自动判断物体位置，多用于全自动装备和生产；检测功能指对目标物体进行外观 检测，判断产品装配是否完整和外观是否存在缺陷。

1.2、 机器视觉基本架构

机器视觉（Machine Vision）是指通过光学装置和非接触传感器自动接收并处理 真实物体的图像，分析后获取所需信息或用于控制机器运动的装置。通俗地说， 机器视觉就是用机器代替人眼。机器视觉模拟眼睛进行图像采集，经过图像识别 和处理提取信息，最终通过执行装置完成操作。

五大模块构筑机器视觉系统：按照信号的流动顺序，机器视觉系统主要包括光学 成像、图像传感器、图像处理、IO 和显示等五大模块。光学成像模块设计合理 的光源和光路，通过镜头将物方空间信息投影到像方，从而获取目标物体的物理 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 与 CMOS 两类；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，搭配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监测系统的运行过程， 实现图像的可视化。

相对于人类视觉而言，机器视觉在量化程度、灰度分辨力、空间分辨力和观测速 度等方面存在显著优势。其利用相机、镜头、光源和光源控制系统采集目标物体 数据，借助视觉控制系统、智能视觉软件和数据算法库进行图形分析和处理，软 硬系统相辅相成，为下游自动化、智能化制造行业赋予视觉能力。随着深度学习、 3D 视觉技术、高精度成像技术和机器视觉互联互通技术的发展，机器视觉性能 优势进一步提升，应用领域也向多个维度延伸。

1.3、 机器视觉发展历程

机器视觉起源于上世纪 50 年代，Gilson 提出了“光流”这一概念，并基于相关 统计模型发展了逐像素的计算模式，标志着 2D 影像统计模式的发展。

1960 年，美国学者 Roberts 提出了从 2D 图像中提取三维结构的观点，引发了 MIT 人工智能实验室及其它机构对机器视觉的关注，并标志着三维机器视觉研究 的开始。

70 年代中期，MIT 人工智能实验室正式开设“机器视觉”课程，研究人员开始 大力进行“物体与视觉”相关课题的研究。1978 年，David Marr 开创了“自下 而上”的通过计算机视觉捕捉物体形象的方法，该方法以2D的轮廓素描为起点， 逐步完成 3D 形象的捕捉，这一方法的提出标志着机器视觉研究的重大突破。

80 年代开始，机器视觉掀起了全球性的研究热潮，方法理论迭代更新，OCR 和 智能摄像头等均在这一阶段问世，并逐步引发了机器视觉相关技术更为广泛的传 播与应用。

90 年代初，视觉公司成立，并开发出第一代图像处理产品。而后，机器视觉相 关技术被不断地投入到生产制造过程中，使得机器视觉领域迅速扩张，上百家 企业开始大量销售机器视觉系统，完整的机器视觉产业逐渐形成。在这一阶段， LED 灯、传感器及控制结构等的迅速发展，进一步加速了机器视觉行业的进步， 并使得行业的生产成本逐步降低。

2000 年至今，更高速的 3D 视觉扫描系统和热影象系统等逐步问世，机器视觉 的软硬件产品蔓延至生产制造的各个阶段，应用领域也不断扩大。当下，机器视 觉作为人工智能的底层产业及电子、汽车等行业的上游行业，仍处于高速发展的 阶段，具有良好的发展前景。

国内机器视觉起步晚，目前处于快速成长期。国内机器视觉源于上世纪 80 年代 的第一批技术引进。自 1998 年众多电子和半导体工厂落户广东和上海开始，机 器视觉生产线和高级设备被引入我国，诞生了国际机器视觉厂商的代理商和系统 集成商。中国的机器视觉发展主要经历了三个阶段。

第一个阶段是 1999 年-2003 年的启蒙阶段。这一阶段的中国企业主要通过代理 业务对客户进行服务，在服务的过程中引导客户对机器视觉的理解和认知，借此 开启了中国机器视觉的历史进程。同时，国内涌现出的跨专业机器视觉人才也逐 步掌握了国外简单的机器视觉软硬件产品，并搭建起了机器视觉初级应用系统。在这一阶段，诸如特种印刷行业、烟叶异物剔除行业等率先引入了机器视觉技术， 在解放劳动力的同时有效推动了国内机器视觉领域的发展。

第二个阶段是 2004 年-2007 年的发展阶段。这一阶段本土机器视觉企业开始起 步探索由更多自主核心技术承载的机器视觉软硬件器件的研发，多个应用领域取 得了关键性的突破。国内厂商陆续推出的全系列模拟接口和 USB2.0 的相机和采 集卡，以及 PCB 检测设备、SMT 检测设备、LCD 前道检测设备等，逐渐开始 占据入门级市场。

第三个阶段是 2008 年以后的高速发展阶段。在这一阶段众多机器视觉核心器件 研发厂商不断涌现，一大批真正的系统级工程师被不断培养出来，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我国转移，目前中国已是继美国、日本之后的第三大机器视 觉领域应用市场。据中国视觉产业联盟，2018 年我国机器视觉行业销售额达到 83 亿元，较 2013 年翻了 3 倍，年复合增长率达 33.54%。

2、 行业快速发展，核心部件国产化进行时

机器视觉虽只几十年发展时间，但随着全球新一轮科技革命与产业变革浪潮的兴 起，机器视觉行业顺势迎来快速发展。机器视觉的应用已经从最初的汽车制造领 域，扩展至如今消费电子、制药、食品包装等多个领域实现广泛应用。

据前瞻产业研究院，全球机器视觉市场规模从 2008 年的 25 亿美元增长至 2017 年 70 亿美元，年复合增速为 12.3%。我国机器视觉市场从 2008 年进入快速发 展阶段，至 2017 年市场规模达 65 亿元，2008-2017 年复合增速 32.7%，显著 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。美国康耐视（Cognex）、 国家仪器（NI），德国巴斯勒（Basler）、伊斯拉视像（ISRA Vision），日本基恩 士（Keyence）、欧姆龙（Omron）等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。其中康耐视和基恩士作为全球机器视觉行业的两大巨 头，垄断了近 50%的全球市场份额。

国内机器视觉行业竞争格局较分散，在核心零部件上国外企业占据更大的市场 份额与销售优势。据《中国机器视觉产业全景图谱》，目前进入中国的国际机器 视觉品牌已有 200 多家，中国本土的机器视觉品牌有 100 多家，各类产品代理 商超过 300 家，系统集成商也有超过 100 家。可见，国内机器视觉企业以产品 代理商与系统集成商为主，在机器视觉产业链上游领域布局较少，在机器视觉核 心零部件的研发能力上不及国外老牌公司雄厚，因此中高端市场主要由国际一线 品牌主导。

根据中国机器视觉产业联盟 2017 年度企业调查结果，国内机器视觉企业销售额 在 1000-3000 万的占比最高（31.8%），其余依次为 1000 万以下（19.8%），5000 万-1 亿（18.7%），1 亿以上（16.5%），3000-5000 万（13.2%）。2017 年，康 耐视在大中华区实现 6.76 亿元收入，相比之下，我国大部分机器视觉企业销售 规模较小。

2.1、 工业相机：捕捉和分析对象的核心部件

图像分析的前提是由镜头捕捉光信号并转变为有序的电信号。区别于民用相机， 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 键组件。目前市面上的工业相机产品主要有线阵相机、面阵相机、3D 相机和智 能相机等。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，已成为 工业相机发展的趋势。

图像传感器是相机的核心，根据芯片类型可划分为 CCD 和 CMOS 图像传感器， 两者都使用光敏二极管进行光电转化，但在工作原理和产品特性上都存在较大区 别。

CCD 图像传感器是一个由光电二极管和存储区构成的矩阵，每一个感光元件在 将光线转化为电荷后，直接输出到下一个感光元件的存储单元，依此类推到最后 一个感光元件形成统一的输出，再由放大器放大电信号以及专门的模数转换芯片 将模拟信号转换为数字信号。而 CMOS 传感器中每一个感光元件都直接整合了 放大器和模数转换逻辑（ADC），当感光二极管接受光照、产生模拟的电信号之 后，电信号首先被该感光元件中的放大器放大，然后直接转换成对应的数字信号。

CMOS 传感器在应用于机器视觉初期，由于在处理快速变化的影像时，容易因 电流变化过于频繁而产生过热现象，使得噪声难以抑制，因此仅应用在影像画质 要求较低的中低端工业产品；而 CCD 由于图像质量更高、抗噪能力更强的优势 多应用于高端场合。

随着 CMOS 传感器在消费电子设备上的大量应用推动了 CMOS 技术的发展，其 性能已显著提高，而制造成本大幅下降。CMOS 传感器的分辨率和图像质量正 在逼近 CCD 传感器，并且凭借高速度（帧速率）、高分辨率（像素数）、低功耗 以及最新改良的噪声指数、量子效率及色彩观念等各方面优势，CMOS 传感器 建立了稳固的市场地位，在工业图像处理的众多领域正逐步取代 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的帧速率比CCD 显著更高，并且具有更高的量子效率、信噪比、动态范围以及更低的暗噪声。可 见，CMOS 在某些性能指标上已达到或者优于 CCD 水准，具备替代 CCD 的能 力。

近些年工业相机行业在全球市场和中国市场均呈现快速增长趋势。全球工业相机 行业规模由 2011 年 15.2 亿元增长至 2018 年的 40.3 亿元，年均复合增速为 14.95%；中国工业相机行业规模 2011 年仅有 0.8 亿元，2018 年达 7.3 亿元， 实现了 37.14%的复合增长率。中国工业相机市场正以远超全球市场的增速迅速 扩张。

目前，全球工业相机行业由欧美品牌占据主要市场。据前瞻产业研究院，2018 年北美品牌占据全球工业相机市场 62%的份额，欧洲品牌占 15%，国外知名企 业如德国 Basler、加拿大 DALSA、美国康耐视等。从细分领域来看，工业智能 相机市场相较于板卡式相机市场呈现更高的集中度。

我国对于工业相机的研究起步较晚，最初主要由大恒图像等几家老牌相机公司代 理国外品牌。近些年我国也逐步发展出一批自主研发工业相机的国产品牌，如大 恒图像、海康机器人、华睿科技和维视图像等。目前我国工业相机行业主要布局 于中低端市场，可逐步实现进口替代；而在高分辨率、高速的高端工业相机领域 仍以进口品牌为主。根据中国海关总署数据，2018 年我国工业相机进口数量为 8159 台，进口金额为 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部分重要的成像部件，镜头的主要作用是将目标成像在 图像传感器的光敏面上，分辨率、对比度、景深以及像差等指标对成像质量具有 关键性影响。

工业镜头按焦距可分为定焦镜头和变焦镜头；根据光圈可分为固定光圈和可变光 圈；根据视场大小可分为摄远镜头、普通镜头和广角镜头。此外，还有几种具有 特殊用途的镜头，如远心镜头、显微镜头、微距镜头、紫外镜头和红外镜头等。由于传统镜头存在视差现象（即镜头的放大倍数随物距的变化而变化），且通常 有高于 1~2%的畸变，远心镜头应用而生。它可以在一定物距范围内纠正视差的 影响，并将畸变系数严格控制在 0.1%以下。远心镜头由于其特有的平行光路设 计一直为对镜头畸变要求很高的机器视觉应用场合所青睐，适应精密检测需求。

据 QYResearch，2019 年全球工业镜头市场总值达到 33 亿元，预计 2026 年将 增至 58 亿元，年均复合增长率为 8.3%。海外品牌在镜头领域投入较早，经过 多年的业务积累与技术升级，在全球范围内形成了德系徕卡、施耐德、卡尔蔡司 和日系 CBC、Kowa、尼康、富士等光学巨头。由于光学镜头行业集成了精密机 械设计、几何光学、薄膜光学、色度学、热力学等多学科技术，并且制作工序 和工艺复杂，具有较高的技术门槛

我国由于起步较晚，2008 年之前国内光学镜头市场基本被日本、德国品牌所垄 断。近些年，我国工业镜头行业国内厂商快速增长，主要从中低端市场切入，凭 借高性价比优势对于外资品牌具有一定竞争力。在高端市场，我国仍以进口日本、 德国等老牌厂商的产品为主，但也有一部分企业如东正光学、慕藤光等逐步走向 高端。东正光学的远心镜头畸变小于 0.02%，倍率齐全，微距镜头产品也能够 将畸变控制在 0.1%的超低量级下。

2.3、 光源：设计光路实现目标成像

光源对于机器视觉中的图像采集部分具有重要影响，为后续图像识别与分析奠定 必要的基础。合适的光源设备能够使被测物与背景尽量明显区分，获得高品质、 高对比度的图像。在机器视觉领域的应用中，由于应用对象与检测要求的不同， 尚无通用的机器视觉照明系统，需针对特定案例设计相应的照明方案，以达到最 佳照明效果。

机器视觉系统使用的光源主要分为 LED 光源、卤素灯和高频荧光灯三种，其中 最为常用的为 LED 光源。LED 光源即发光二极管光源，其发光原理和白炽灯、 气体放电灯的原理都不同，LED 光源采用固体半导体芯片为发光材料，能量转 换效率高，理论上可达白炽灯 10%的能耗，相比荧光灯也可以达到 50%的节能 效果。此外，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具有更广泛的应用。

机器视觉光源产品可按形状划分为多种类型，如环形光源、条形光源、平面光源、 线光源、点光源、同轴光源等。不同的形状结构可提供不同的亮度、强度、照射 角度、照射面积及颜色组合等，适用于不同的机器视觉应用场景。例如环形光源 是由 LED 阵列成圆锥状以斜角照射在被测物体表面，通过漫反射方式照亮一小 片区域，工作距离在 10-15MM 时，环形光源可以突出显示被测物体边缘和高度 的变化，适合应用于 PCB 基板检测、IC 元件检测、集成电路印字检查等情形。

国外机器视觉照明技术已较为成熟，国际上具有代表性的光源企业主要有日本 CCS、Moritex 和美国 Ai。国内光源市场国产化程度较高，竞争较为充分，涌现 出奥普特、沃德普、康视达、纬朗光电等一批机器视觉光源制造商，能够与国际 品牌进行竞争

CCS 在全球光源市场上具有较高的市占率，主要产品为图像处理用 LED 光源和 控制器。根据 CCS 公司 2017 年度报告，其在 2017 年的营业收入达 5.2 亿元， 其中光源和光源控制器产品占总营收的 89.2%。

奥普特是成立于 2006 年的国内机器视觉光源行业领先的本土品牌，并以光源为 切入点，将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，奥普特光源及光源控制器产品收入为 3.0 亿元。奥普特光源产品的销 售额与 CCS 相比仍存在一定差距，但其盈利能力比 CCS 高。

2.4、 图像处理软件：算法实现各种目标

对所获得的视觉信号进行处理是机器视觉系统的关键所在，机器视觉软件类似 “大脑”，通过图像处理算法完成对被测物的识别、定位、测量、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，用以开发特定 应用，主要使用者为集成商与设备商；另一类是专门实现某些功能的应用软件， 主要供最终用户使用。两者主要在开发的灵活性上存在差别。

目前，图像处理软件领域主要由美、德等国主导，主要厂商包括 Cognex、Mvtec、 Adept 等，软件的底层算法基本被以上厂商垄断。康耐视（Cognex）作为最具 代表性的厂商之一，近 10 年业绩表现良好。康耐视营业收入由 19.25 亿元增长 至 50.62 亿元，复合增速 10.15%；毛利率与净利率基本稳定，分别维持在 75% 和 25%左右。

国内的机器视觉图像处理软件一般是在 OpenCV 等开源视觉算法库或者 Halcon、 VisionPro 等第三方商业算法库的基础上进行二次开发。由于独立底层算法具有 非常高的技术壁垒，国内目前仅有创科视觉、海康威视、奥普特、维视图像等少 数企业完成底层算法研究并进行一定范围的应用。

以创科视觉为例，公司研发的 CKVisionBuilder 是目前机器视觉行业内最简单的 视觉系统开发平台，涵盖了定位、测量、识别、读码、缺陷、颜色、3D、逻辑 运算等所有图像处理功能。该系统具有极高的通用性，具体表现为：不要求用户 具有编程基础，适用于各种人群；适用于 3C 电子、汽车制造等多种行业；对不 同种类的工业相机、PLC 等均留有对接接口，具有较好的兼容性。

3、 起于汽车制造，兴于消费电子

3.1、 消费电子和汽车制造是当前主要应用下游

机器视觉目前主要应用在消费电子、汽车制造、食品包装、制药业等领域，其中 又以消费电子和汽车制造领域为主，应用占比分别为 46.60%、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。在汽车制造行 业，机器视觉几乎涉及所有系统和部件的制造流程，例如车身装配检测、面板印 刷和质量检测、字符检测、零件尺寸的精密测量、工业零部件表面缺陷检测等。

3.2、 机器视觉在汽车制造行业的应用

汽车制造质量原先主要依靠三坐标测量完成，效率低、时间长、数据量严重不足， 且只能离线测量。机器视觉引入非接触测量技术，逐步发展成固定式在线测量站 与机器人柔性在线测量站等在线测量系统，可严格监控车身尺寸波动，提供数据支持。

除传统三坐标测量、激光在线测量外，蓝光扫描测量、表面缺陷测量等视觉测量 方法可进行更加精细地测量，对车身基本特征尺寸、车体装配效果、缺陷等提供 高精度监控。多种监控测量手段互相结合，确保生产零件零缺陷、整车制造高质 量。

机器视觉引导系统突破机器人简单重复示教轨迹的限制，使其根据被操作工件的变化实时调整做工轨迹，提升机器人智能化水平。视觉引导技术逐渐渗透到汽车 制造的全过程，比如引导机器人进行最佳匹配安装、精确制孔、焊缝引导及跟踪、 喷涂引导、风挡玻璃装载引导等。

机器视觉检测系统可以对产品进行制造工艺检测、自动化跟踪、追溯与控制等， 包括通过光学字符识别（OCR）技术获取车身零件编码以保证零件在整个制造 过程中的可追溯性, 通过识别零件的存在或缺失以保证部件装配的完整性, 以及 通过视觉技术识别产品表面缺陷或加工工具是否存在缺陷以保证生产质量。

我国汽车产销量位于全球前列，汽车制造市场体量庞大。汽车行业自动化程度较 高，生产制造中许多环节已经无人化操作，同时汽车智能化蓝图多领域布局，促 进机器视觉在汽车行业应用深化。

3.3、 机器视觉在消费电子行业的应用

机器视觉在消费电子领域，以 PCB/FPC AOI 检测、零部件及整机外观检测、装 配引导等应用为主，并呈现出越来越多的新的应用场景。

AOI 光学检测是工业生产中执行测量、检测、识别和引导等任务的新兴科学技术， 广泛应用于 PCB 缺陷检测过程。其采用光学照明与图像传感技术获取被测物体 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，并进行分类与表征，最后反馈给执行控制机构，实现产品分 类、分组分选、质量控制等生产目标。其基本原理是用各种光学成像技术与系统 模拟人眼的视觉成像功能，用计算机处理系统代替人脑执行实时图像处理、特征 识别与分类，用执行机构代替人手完成操作。

PCB 缺陷检测主要是焊点缺陷检测和元器件检测两大部分。传统的人工目视检 测法易漏检、速度慢、时间长、成本高，已不能满足生产需要，机器视觉 PCB 检测系统具有重要的现实意义。在电路板从印刷装置中移下，或在清洗剂中清洗 后，以及返修完成返回生产线中，机器视觉提供的在线视觉技术可以在实施印刷 操作后直接发现存在的缺陷情况，保证了操作者在加上 PCB 以前能够及时处理 有关问题。另外，发现缺陷时可以有效防止有缺陷的电路板送达生产线后端，从 而避免出现返修或废弃现象。操作者能够及时得到反馈，明确处于操作中的印刷 工艺操作是否良好，达到预防缺陷产生的目的，对生产效率和良率的提升至关重 要。

据中商产业研究院，消费电子及半导体领域的机器视觉市场规模 2018 年突破 20 亿元，2019 年将达到接近 30 亿元水平。消费电子行业元器件尺寸小，质量标 准高，适合用机器视觉系统检测，也促进机器视觉技术进步。同时，消费电子产 品生命周期短，需求量大，拉动机器视觉市场需求。

3.4、 食品包装与制药行业应用

机器视觉在食品包装领域适用范围广泛，可用于检测瓶子的分类和液位测量、标 签、盖子、盒子的检查，以及瓶的形状、尺寸、密封性和完整性。被检查的包装 形状不限包装盒、包装箱、金属箱、管状、泡状、盘状、广口瓶、细口瓶、罐装 和桶装等。食品包装是食品质量的重要保障，可以保护食品在流通过程中免受污 染，提高品质，避免发生安全事故。同时，食品包装的观赏性也会给消费者良好 的购物体验。因此，食品包装检测是控制不合格食品流入市场的关键环节，影响 企业在行业中的竞争力。

制药企业的生产过程中，药品关系到人的生命健康，即使是微小的缺陷存在，一 旦药品流通到市场后也会对患者造成无法弥补的损失，甚至导致医疗事故的发生。机器视觉在药品包装、质量检测及控制等多个方面有广大作为，助力医药行业加 快现代化、智能化进程。目前，在数粒、打码、泡罩版缺粒、药品残缺和断片、 加装说明书、编码识别等检测环节，机器视觉检测内容丰富、稳定、精确，满足 医药行业包装线经常变包装产品的需求。

4、 机器视觉技术仍在迭代，应用场景不断丰富

4.1、 提质、增效、降本是机器视觉发展的源动力

2019 年，我国 65 岁及以上人口占总人口比率达 12.57%，标志我国已步入严重 老龄化社会。劳动力供给不足，推动企业用工成本上升。根据国家统计局数据， 城镇非私营单位就业人员平均工资从 2012 年的 4.68 万元上升为 2019 年的 9.05 万元，八年间用工成本接近翻倍。我国制造业在转型升级过程中必然向自动化、 智能化迈进，并不断得到深化。

2017 年 7 月，国务院发布《新一代人工智能发展规划》，明确提出科技引领、系 统布局、市场主导、开源开放四项基本原则，以及“三步走”的发展战略：到 2020 年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经 济增长点，人工智能技术应用成为改善民生的新途径；到 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，人工智能成为带动我国 产业升级和经济转型的主要动力，智能社会建设取得积极进展；到 2030 年人工 智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心， 智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要 基础。这确立了人工智能在我国当下的重要地位。2017 年-2020 年，人工智能、 智能制造连续四年被《政府工作报告》覆盖，2019 年更是将“智能制造”提升 为“智能+”，进一步明确了人工智能、智能制造在国民经济中的重要地位。为响 应国务院的号召，各行业、各地方政府也相继出台相关政策，确立了人工智能与 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，也是能够率先渗 透并发展起来的核心技术之一，在政策利好的环境下，或将获得广大而稳定的发 展空间。

全球机器视觉新增专利数量持续提升。截至 2019 年，全球累计专利数量达到 8.6 万项；国内机器视觉相关申请和公开专利共计 1.1 万项

4.2、 核心部件自主化进行中

国内机器视觉行业研发投入从 2016 年的 5.6 亿元增长至 2018 年的 11.7 亿元， 年均复合增长率达 44.8%。国内机器视觉代理商企业的销售额在 2018 年占行业 销售额的 32.4%；国内机器视觉企业早期依靠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。相比国际龙头企业，国内企 业经营时间短，积累薄弱，加大研发是实现进口替代的必由之路。

机器视觉算法是对获取的图像信息进行处理的关键步骤，也是视觉控制系统的 重要基础。国内视觉处理分析软件大多建立在 OpenCV 等开源视觉算法库中， 或以 Halcon、Vision Pro 等第三方商业算法库为基础进行二次开发，只有少数 企业具有独立自主的底层算法库。独立底层算法需要经历漫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化的主要技术支持。

深度学习拓宽应用场景。目前主流的机器视觉技术仍采用传统方式，即首先将数 据表示为一组特征，分析特征或输入模型后，输出得到预测结果，在结构化场景 下定量检测具有高速、高准确率、可重复性等优势。但随着机器视觉的应用领域 扩大，传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。深度学 习对原始数据通过多步特征转换，得到更高层次、更加抽象的特征表示，并输入 预测函数得到最终结果。深度学习可以将机器视觉的效率和鲁棒性与人类视觉 的灵活性相结合，完成复杂环境下的检测，特别是涉及偏差和未知缺陷的情形， 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，并基于 灰度或彩色图像对比度提供图像处理分析结果，无法获取目标物体的三维信息， 也易受光照条件变化、物体运动等影响。3D 机器视觉技术可以在六个自由度（x、 y、z、旋转、俯仰和横摆）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作出相应调整，提高了应用中的灵活性和实用性。

高精度成像和互联互通技术助力。高精度成像技术要求新型光源、更全面的波长 覆盖和创新的光源布局等光源技术，以及提供更大靶面和更小像元的新型镜头和 相机产品，是机器视觉行业始终追求的技术发展目标。行业内企业、协会和产业 联盟不断合作，制定数据接口、通讯协议等基础共性标准，旨在打通视觉和各信 息系统的通道，实现系统间的互联互通，是工业发展的必然趋势。

4.3、 应用场景不断丰富，千亿蓝海大有可为

全球机器视觉正处于快速成长期。据 markets and markets 预测，全球机器视觉 市场规模在 2020 年有望达到 107 亿美元，至 2025 年有望达到 147 亿美元。国 内机器视觉核心部件市场长期由少数国际巨头把持，而国产品牌正在崛起。看未 来，实现进口替代的路径由易到难，先后是光源、相机、镜头、开发软件；而在 应用端，机器视觉设备应用如火如荼，在消费电子领域的应用已较为普遍。而随 着国内制造升级，全球高端制造产能向我国转移，将同步提高对高端精密机器视 觉设备的需求，如面板前中段制程和半导体检测设备也正逐渐实现进口替代。这 将进一步促进国内机器视觉部件和设备厂商的技术迭代，并提升对应用工艺的理 解。

随着机器视觉硬件方案的不断成熟和运算能力的提升，以及软件在各种应用解决 方案、3D 算法、深度学习能力的不断完善，机器视觉在电子产业（如 PCB、FPC、 面板、半导体等领域）应用的广度和深度都在提高，并加快向食品饮料、医药等 其他领域渗透，预计我国机器视觉市场规模将继续保持较高的增速。

GGII 数据显示，2019 年我国机器视觉市场规模 65.5 亿元（不包含计算机视觉 市场），同比增长 21.8%。2014-2019 年复合增长率为 28.4%，并预测到 2023 年中国机器视觉市场规模将达到 155.6 亿元。

机器视觉核心部件和设备企业盈利能力优异，行业成长性和进口替代的庞大空 间是国内机器视觉企业的历史性机遇。2019 年，机器视觉国际巨头基恩士和康 耐视毛利率分别为 82.35%/73.85%，净利率分别为 38.52%/28.10%，而国内以 光源为主打产品的奥普特毛利率/净利率分别为 73.59%/39.35%。

在机器视觉设备领域，相关企业毛利率普遍在 40-50%的较高水平。随着核心零 部件国产化进程的加快，将降低机器视觉应用成本，提升国内机器视觉设备企业 的竞争优势，并推动机器视觉在智能装备领域的普及。

声明：本文系本网站编辑转载，转载目的在于传递更多信息，并不代表本网站赞同其观点和对其真实性负责。如涉及作品内容、版权和其他问题，请在本网站转载后30日内与本网站联系，我们将在第一时间妥善处理。本网站转载文章版权归原作者所有，内容为作者个人观点，本网站仅供参考，并不构成任何投资及应用建议。本网站拥有对此声明的最终解释权。