機器視覺行業(yè)研究分析及四大典型應(yīng)用場景

產(chǎn)業(yè)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(yè)占比提升，對工業(yè)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(yè)生產(chǎn)線上人眼在精度、效率等方面已不能滿足產(chǎn)業(yè)升級的要求。如何借助機器視覺等智能化技術(shù)替代傳統(tǒng)人工操作，實現(xiàn)提質(zhì)、降本、增效，成為制造業(yè)的共性需求。未來隨著“中國智造 2025”戰(zhàn)略的加速推進，工業(yè)制造自動化、智能化程度有望不斷加深，機器視覺這一技術(shù)將得到更廣泛的應(yīng)用。

橫向跨行業(yè)拓展：目前，我國機器視覺應(yīng)用以制造業(yè)的電子、平板顯示、汽車、電池等行業(yè)為主，新能源、半導體、醫(yī)療等新興產(chǎn)業(yè)有望加速引入這一技術(shù)。

縱向深度強化：機器視覺在各行業(yè)的初始應(yīng)用往往是在生產(chǎn)環(huán)節(jié)的檢測這一步驟，隨著技術(shù)的普及、成本的下降，機器視覺有望在行業(yè)應(yīng)用深度上強化，進入到識別、測量、定位等其他環(huán)節(jié)。

深度學習技術(shù)提升了機器視覺的應(yīng)用落地能力，驅(qū)動產(chǎn)業(yè)加速發(fā)展

目前主流的機器視覺技術(shù)仍采用傳統(tǒng)的機器學習訓練方法，即在結(jié)構(gòu)化場景下首先將數(shù)據(jù)表示為一組特征，分析特征或輸入模型后，輸出得到預測結(jié)果。但隨著機器視覺的應(yīng)用領(lǐng)域擴大，傳統(tǒng)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(shù)據(jù)通過多步特征轉(zhuǎn)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(jié)合，完成復雜環(huán)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(yīng)用場景，使機器視覺系統(tǒng)更加具備柔性，加速其在工業(yè)領(lǐng)域的滲透。

尋求邏輯

機器之眼優(yōu)勢凸顯，百億賽道長坡厚雪

機器之“眼”替代人眼，賦能工業(yè)制造

根據(jù)美國制造工程師協(xié)會（SME）機器視覺分會等機構(gòu)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(tǒng)一般包括光源及光源控制器、鏡頭、相機、視覺控制系統(tǒng)（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(tǒng)負責對成像結(jié)果進行分析、輸出結(jié)果至其他執(zhí)行部件。機器視覺系統(tǒng)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(yīng)，可謂人類視覺在工業(yè)界的延伸。

識別、測量、定位、檢測，機器視覺的四大典型應(yīng)用場景

識別、測量、定位和檢測等四大應(yīng)用場景實現(xiàn)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(yīng)用場景是 OCR，讀取零部件上的字母、數(shù)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(yīng)用于高精度及復雜形態(tài)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(zhí)行后續(xù)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(tài)，判斷產(chǎn)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(chǎn)業(yè)鏈呈現(xiàn)“一條主線，多點開花”

上游：機器視覺產(chǎn)業(yè)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(jù)中商產(chǎn)業(yè)研究院的數(shù)據(jù)統(tǒng)計，上游的零部件和軟件開發(fā)環(huán)節(jié)幾乎占據(jù)機器視覺系統(tǒng)成本80%。

中游：產(chǎn)業(yè)鏈的中游主要包括視覺系統(tǒng)和智能視覺裝備。視覺系統(tǒng)是光學成像模塊（眼睛）與圖像處理系統(tǒng)（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(tǒng)的基礎(chǔ)上增加了結(jié)構(gòu)本體和自動控制部件，實現(xiàn)檢測/生產(chǎn)工藝的控制和執(zhí)行，給機器又植入了受大腦控制的“肌肉”和“四肢”。

下游：產(chǎn)業(yè)鏈下游通過系統(tǒng)集成商致力于將智能視覺設(shè)備與生產(chǎn)工藝相結(jié)合， 下游面向 3C 電子、汽車制造、新能源等眾多細分行業(yè)，并隨著技術(shù)滲透率的提升行業(yè)下游呈現(xiàn)“多點開花”的態(tài)勢。

3C電子：落地機器視覺技術(shù)的行業(yè)基本盤，品類滲透加速

全球 3C 電子產(chǎn)業(yè)向發(fā)展中國家轉(zhuǎn)移，高精度、換代快等特點助推機器視覺技術(shù)迭代，應(yīng)用場景延伸和品類拓展有望持續(xù)推動我國3C行業(yè)機器視覺滲透率提升。

由于消費類電子行業(yè)元器件尺寸較小，檢測要求高，天然適合機器視覺系統(tǒng)落地，其高精度要求也反向推動了機器視覺技術(shù)的革新。此外，消費類電子行業(yè)產(chǎn)品生命周期短、更新?lián)Q代快，制造企業(yè)需要頻繁更換產(chǎn)線設(shè)備，進一步增加了對機器視覺行業(yè)的需求。未來，隨著機器視覺在3C制造中的應(yīng)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(yè)的滲透率有望持續(xù)提升。

非工業(yè)：傳媒、安防、物流、交通等消費級應(yīng)用正成為新發(fā)展方向

機器視覺應(yīng)用方向包含工業(yè)級與消費級，產(chǎn)業(yè)邊界趨于模糊。根據(jù)機器視覺聯(lián)盟 （CMVU）的數(shù)據(jù)，用于消費電子、半導體與新能源等板塊的工業(yè)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(jiān)控、物流分揀以及智 慧交通等領(lǐng)域占比僅 17.0%，但份額逐年提升。

隨著 AI 和 5G 技術(shù)的商用落地，機器視覺不再局限于工業(yè)領(lǐng)域。機器視覺結(jié)合三維重建、動作/表情捕捉、渲染等技術(shù)可實現(xiàn)人臉、表情、動作、衣物的還原， 構(gòu)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(shù)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(lǐng)域還有施展拳腳的空間。

競爭壁壘

技術(shù)實力決定產(chǎn)品層次，國產(chǎn)代替方興未艾 ? 機器視覺核心價值集中于產(chǎn)業(yè)鏈上游，硬件工藝與軟件算法決定產(chǎn)品技術(shù)天花板。機器視覺設(shè)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(jù)了80%價值量，技術(shù)壁壘最高；硬件部分當中工業(yè)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(shù)壁壘極高。

? 技術(shù)路徑多線匯集，機器視覺公司各有所長。機器視覺系統(tǒng)由多個軟、硬件產(chǎn)品組成，基于同一技術(shù)平臺的部件集成有利于系統(tǒng)穩(wěn)定可靠，但由于其中各部件技術(shù)路徑相對獨立，行業(yè)內(nèi)多數(shù)企業(yè)都只專注于其中一個或幾個部件，自主化領(lǐng)域各有不同。 ?

3D視覺前景廣闊，技術(shù)迭代打開應(yīng)用空間

2D機器視覺技術(shù)具有局限性，3D可以作為有效補充。使用2D機器視覺技術(shù) 可以獲取二維圖像，在三個自由度（x、y和旋轉(zhuǎn)）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(shù)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(shù)增加了旋轉(zhuǎn)、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(xiàn)平面度、翹曲度、段差、曲面輪廓度等3D尺寸量測。 ? 工業(yè)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(yè)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(yè)機器人的環(huán)境感知能力，可以拓寬應(yīng)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(xiàn)更高難度的不規(guī)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(jù) MIR 的預測，搭載3D視覺的工業(yè)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(shù)的廠商有望率先受益。隨著5G技術(shù)的推廣普及，人工智能和物聯(lián)網(wǎng)應(yīng)用將迎來快速發(fā)展，推動視覺技術(shù)加速從 2D成像向3D視覺感知跨越。根據(jù)2019年Gartner 新興技術(shù)發(fā)展周期曲線圖，3D視覺感知概念已經(jīng)突破了早期的期望膨脹期，并逐漸步入產(chǎn)業(yè)化前的重要發(fā)展階段，不斷探索潛在的細分領(lǐng)域應(yīng)用，尋找潛在的增長拐點。在這一新領(lǐng)域逐步走向成熟的過程中，具備創(chuàng)新能力、掌握核心技術(shù)的公司有望率先受益。 ?

編輯：黃飛

?