机器视觉行业研究：机器视觉产业链价值涌现

青山绿水

2021-07-01 19:30·财是

（报告出品方/作者：国泰君安证券，王浩、鲍雁辛）

1. 机器视觉：人类的“机器之眼”

1.1. 机器替代人眼，高效、高速、高精度优势显著

美国制造工程师协会（SME）机器视觉分会和美国机器人工业协会（RIA)自动化视 觉分会对于“机器视觉”的定义是，“机器视觉使用光学器件进行非接触感知，自动 接收并解释一个来自真实场景的图像，以获取信息并控制机器与流程”。即通过机器 实现人眼视觉和理解的技术。

机器视觉作为一项综合技术可以代替人眼做识别、测量、判断。其包括图像处理、 机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计 算机软硬件技术等。一个完整的机器视觉系统通常是指通过工业相机、镜头、光源 等设备的配合，将被摄取目标转换为图像信号，传递给图像处理系统，根据像素分 布和亮度、灰度等信息，转变为数字化信号；图像系统再对这些信号进行针对需求 的运算抽取目标特征，从而根据判别结果来控制现场设备的运行动作。目前，机器 视觉主要应用在智能制造，其下游应用广泛，已经在汽车制造、消费电子、医疗制 药、食品包装、服务机器人、无人驾驶等领域逐步实现放量，未来前景可期。

机器视觉按照功能可以大致区分为识别、定位、测量、检测、引导五类。

（1）识别：机器视觉可以对图像进行处理、分析和理解，用于对一些一维码或二维 码的解码、光学字符的识别与确认、颜色及形状的识别等；

（2）机器视觉采用先进的图像视觉检测技术，对高速运动的工业产品进行实时全面 视觉定位分析，主要用于自动生产及装配；

（3）机器视觉可以在非接触的情况下，对产品尺寸进行高精度的测量，以确定产品 外观的尺寸是否存在误差；

（4）机器视觉可以用于产品表面的精密检测，包括目标方向及位置检测，检测产品 表面的压伤、破损、刮伤、脏污、变形等问题，及印刷表面的瑕疵检测等；

（5）机器视觉普遍应用于智能制造的工业机器人领域，当前工业机器人已经大范围 应用于自动化流水线，机器视觉系统可以在机器人操作过程中帮助机器人实时了解 工作环境的变化，相应的调整动作以保证任务的正确完成。

相对于人类视觉，机器视觉具有高效率、高度自动化的特点，可以实现很高的分辨 率精度和速度。尤其是机器视觉的灰度分辨率很强，一般可以使用 256 灰度级，其 采集系统具有 10bit、12bit、16bit 等灰度，可以弥补人类视觉在灰度分辨上的缺 陷（64 灰度级）；机器视觉现有 4K*4K 的面阵摄像机和 8K 的线阵摄像机，通过备 置各种光学镜头，可以观测小到微米、大到天体的目标；另外随着工业相机技术进 步，机器快门时间速度加快达 10 微秒级别，高速相机帧率可超过 1000 以上。

1.2. 产业链：上游核心零部件，下游应用广泛

机器视觉的产业链可以按上中下游进行区分。上游是机器视觉底层开发商，即核心 零部件及软件提供商。核心零部件主要包括光源、相机、镜头、图像采集卡，其中 软件主要是指图像处理软件。在目前整个机器视觉系统的成本构成中，零部件及软 件开发占据了 80%的比例，是产业链中绝对的核心环节和价值获取者。中游是机器 视觉二次开发的系统集成和软件服务商，主要根据上游产品以及下游需求进行集成 整合，越来越多上游企业向中游业务扩展延伸，形成自有的完整解决方案。机器视 觉下游的应用领域十分广泛，涉及到多种制造及服务行业，主要应用于汽车制造、 消费电子、食品包装、医疗制药以及服务机器人。

机器视觉产业链的关键是上游与下游。由于中国国产品牌的核心技术逐步追赶，逐 渐推出一系列国产核心零部件及底层软件，本土的机器视觉上游企业市场地位不断 提高，可以制造并维护自有产品，直接对接于下游的多样化需求，中游单纯的系统 集成商的空间相对缩小。而机器视觉系统产品成本构成的主要部分是核心零部件以 及软件开发，两项分别占据整体成本的 45%与 35%，而组装集成与维护共占据成本 的 20%，为上游企业向中游业务拓展提供了便利，因为相对于额外的成本，完整的 机器视觉产品对其更具有吸引力。

2. 机器视觉由外到内全球加速，国内企业奋起直追

2.1. 机器视觉概念出现于海外，全球产业技术持续发展

1947 年，贝尔实验室中威廉·肖克利与团队共同发明晶体管，翻开半导体行业的篇 章，半导体行业的发展为机器视觉奠定了重要的技术基础。1950 年 Gibson 首先提 出“光流”的概念，即空间运动物体在观察成像平面上的像素运动的瞬时速度，利 用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到上一帧跟当前 帧之间存在的对应关系，从而衍生出计算相邻帧之间物体的运动信息的方法，这标 志着“像素”作为最小单位开始进入影像统计的计算模式。

1969 年，第一片 CCD 图像传感器诞生，为机器视觉行业开启了数码图像采集的大 门，自此人类社会进步的各个领域都与图像和视觉结下了不解之缘。在半导体行业 诞生与发展的同时，机器视觉领域的发展也已拉开帷幕。20 世纪 70 年代，麻省理 工学院人工智能实验室创立了计算机视觉研究小组，并开设了“机器视觉”课程， 吸引了许多知名学者参与机器视觉的理论、算法、系统设计等研究。

机器视觉的研究继续深入。在 60 年代 Roberts 提出的“积木世界”及 70 年代 Marr 提出的“自下而上”捕捉视觉信息并通过三个层次进行过程处理等基础上，从二维 图像提取三维信息的研究加速；图像处理和分析的并行算法、目标制导的图像处理 等分支出现。20 世纪 80 年代，机器视觉蓬勃发展，CPU、DSP 芯片等图像处理硬 件技术飞速进步，OCR 识别、智能摄像头等技术问世。新理念、新方法、新理论不 断涌现，最具代表性的是出现了主动视觉学派、目的视觉学派等。

90 年代，视觉企业成立，第一代图像处理产品进入市场。LED 灯、传感器、工业相 机、镜头及视觉控制结构逐步发展，机器视觉行业迅速扩张，产业链逐步完整，吸引大量企业进入机器视觉系统市场，也推动相关技术投入生产制造实践。

2000年以来，机器视觉进入快速发展期。高速3D扫描系统和热影像系统逐步问世， LED 光源广泛运用于智能制造场景，机器视觉渗透各种行业的生产制造应用中。按 照应用的领域与细分技术的特点，机器视觉进一步可以分为工业视觉、计算机视觉 两类，相应的，其应用领域可以划分为智能制造和智能生活两类，涵盖工业制造、 自动焊接、医学诊断、跟踪报警、移动机器人、指纹识别、模拟战场、智能交通、 医疗、无人机与无人驾驶、智能家居等等。目前，机器视觉技术正处于不断突破、 走向成熟的阶段，仍处于高速发展时期，具有良好的发展潜力。

全球机器视觉市场规模处于扩张期。虽然机器视觉属于新兴技术，发展时间不长， 但已经形成了从上到下、多行业领域并行的市场。中商产业研究院数据显示，2018 年全球机器视觉市场规模超过 88 亿美元，2019 年超过 100 亿美元。Grand View 预测，2025 年全球机器视觉市场空间将超过 180 亿美元，年复合增长率达 7.7%。

2.2. 中国本土企业奋起直追，海外企业主导下仍有差距

相比全球，中国的机器视觉相关技术由于起步较晚而发展较慢。国内机器视觉的发 展进程起步于中国工业化加速时期，1999-2003 年是我国机器视觉发展的启蒙阶段， 国内开始出现跨专业的机器视觉人才；2004 年后迈入产业发展初期，机器视觉企业 开始探索和研发自主产品并取得一些突破；近十年，中国机器视觉产业从发展中期 迈向高速发展时期。目前，中国已有近百家机器视觉相关企业，从事消费电子、汽 车制造、安防、医疗、食品及金融等各个领域。

（1）启蒙阶段（1999-2003）：

中国企业主要通过代理业务对客户进行服务，机器视觉技术首先进入品质要求较高 的行业。中国企业在代理机器视觉服务的同时对国际吸纳进的机器视觉理念和技术 进行吸收消化；国内跨专业的机器视觉人才作为该阶段的先行者，从了解图像的采 集和传输过程、理解图像的品质优劣，到初步利用国外视觉软硬件产品搭建简单的 机器视觉初级应用系统，逐渐掌握了国外简单的机器视觉产品的功能及应用。通过 极为广泛而艰辛的市场宣传和推广、技术交流和培训、项目辅导等过程，引导客户 对机器视觉的理解和认知，培养客户需求与丰富产品品类同步进行，开启了中国机 器视觉的历史进程。

一些对成本不敏感又对品质要求较高的工业领域率先引入了机器视觉技术，如特种 印刷及烟草行业。机器视觉为人民币的印刷质量和自动化水平提升、统一质量标准 等做出了杰出的贡献。烟草行业是中国的优势产业之一，机器视觉技术进入烟叶异 物剔除、包装检测等方面工序，替代人工的同时也大幅提升了产品的质量和生产效 率。在特种印刷和烟草这两个行业机器视觉技术的成功应用让更多工程技术人员和 企业家关注到视觉技术带给自动化产业独特的价值和应用前景，行业进入发展阶段。

（2）发展阶段（2004-2007）：

中国本土企业开始探索研发自主核心技术，投入机器视觉软硬件，多个应用领域取 得了关键的突破。继 Cognex、Balser、Data Translation 等国际机器视觉顶级厂商 在国内选择在本地合作伙伴之后，国内厂商开始自主研发核心技术及软硬件，陆续 推出了全系列模拟接口和 USB2.0 接口的相机和采集卡，逐渐占据了入门级市场； PCB 检测、SMT 检测等国产设备迅速兴起，凭借产品性价比和服务的优势填补了国 内相关市场需求；同时 LCD 的前道检测设备等高端设备也开始在国内落地。

随着国内市场需求勃发，越来越多客户开始寻求视觉检测方案，机器视觉可以解决 精确测量问题并更好的提高他们的产品质量。汽车、制药、包装等行业由于国外制 造业逐渐向国内转移，客户对产品质量要求提升，大批自动化领域的系统集成商熟 悉并使用机器视觉技术；国内棉纺、农作物分类、钢铁、纸张等传统产业也开始广 泛尝试机器替代人工，提升质量与效率。

（3）高速发展阶段（2008 年至今）：

青山绿水

国内机器视觉技术水平奋起直追，大量专业人才推动行业高速发展。中国国内本土 机器视觉企业经过近十年的沉淀积累，涌现了大批优秀的机器视觉核心器件研发厂 商，机器视觉技术研发培养了大量的系统工程师。视觉技术在半导体、PCB 板材、 SMT 贴片、LCD 屏、军工、汽车部件等精加工行业广泛应用，尤其在消费电子类产 品如手机、电脑硬件产品组装生产的引导、测量、检验中贡献了重要力量。随全球 制造中心向我国转移，中国已经是继美国、日本之后第三大机器视觉领域应用市场。

机器视觉在全球的发展历史不过半个多世纪，我国的发展历程更为短暂而飞速。伴 随我国经济发展、工业水平进步，特别是 3C 电子行业自动化的普及和深入，本土的 机器视觉行业获得了空前的发展机遇，进入了高速发展阶段。

国内机器视觉行业竞争格局较分散，在上游核心零部件方面国外企业占据更大的市 场份额和规模优势。虽然经过近 30 年的发展，机器视觉行业在我国已经取得了一定 的成绩，行业也初步形成一定的规模，但本土机器视觉企业在研发技术实力、市场 竞争力上较国际品牌产品仍有较大差距和未来发展空间。一部分原因是本土机器视 觉行业起步于产品代理，自主研发基础较为薄弱。

国内大部分机器视觉企业销售规模较小。2017 年，美国康耐视作为全球最具代表性 的机器视觉公司营业收入达到 48.9 亿元，同比增长 35.3%。而根据中国机器视觉产 业联盟企业 2017 年调查数据显示，国内机器视觉企业销售额绝大部分集中于 1 亿 元一下。国内机器视觉企业销售额在 1000-3000 万范围的企业数量最多，占国内机 器视觉企业总数的 31.8%；3000-5000 万的企业数量最少，占比 13.2%；销售额 1 亿以上的企业占比为 16.5%；1000 万以下的企业占比 19.8%；销售额 5000 万-1 亿的企业占比 18.7%。

3. 产业链上游：核心零部件和软件提供商

3.1. 光源：视觉照明的重要设计

光源在机器视觉应用中是重要的外部环境器件，对图像采集的精确度与适配度具有 重要影响，可以为后续的图像识别、分析与测量提供基础的图像信息。合适的视觉 照明方案将被测物体与环境背景尽量区分，同时清楚的显示被测目标的关键信息。

照明的质量和适宜性是创建一个强大和及时的视觉检查的关键方面。为了设计一个 有效的视觉照明解决方案，除了解照明类型、技术、几何形状、滤波、传感器特性 和颜色之外，还需要对检测环境进行全面的分析，包括样品表现和样品与光线的相 互作用。设计并遵循严格的照明分析序列提供了一致和强大的环境，从而最大限度 的利用时间、精力和资源，在视觉系统设计，测试和实施的其他关键方面得到更好 的使用。

中国机器视觉光源市场规模扩张迅速，主要应用的 LED 照明产品是中国优势产业。中国是 LED 照明产品最大的生产制造国，随着国内 LED 照明市场渗透率快速攀升 至七成以上，LED 照明已基本成为照明应用的刚需，国内的 LED 照明市场规模呈现 出较全球平均水平更快的增长势头。

视觉照明系统的基石是几何、结构、波长及滤波器。几何即样本、光照和相机之间 的三维空间关系；结构或图案即投射到样品上的光的形状；波长或颜色即光线如何 被样品及其直接背景差异反射或吸收；滤波器则是差分阻塞和通过波长及光的方向。

机器视觉光源从照明方式可以分为直接照明光源、散射照明光源、背光照明光源、 同轴照明光源和特殊照明光源。直接照明和散射照明又可以细分为不同角度或形式 的照明光源，根据其性能与特点的不同，可以服务于不同的机器视觉应用领域及应 用场景。

机器视觉中常用的照明光源是荧光灯、石英卤素灯、LED、金属卤化物（汞）和氙 气灯。荧光灯、石英卤素灯和 LED 是机器视觉中使用最广泛的照明类型，特别是对 于中小型检测站。金属卤化物、氙气和高压钠更典型的用于大规模应用或需要非常 明亮光源的区域。金属卤化物也被称为汞，经常用于显微镜，其有许多离散的波长 峰，这补充了荧光研究的过滤器的使用。氙气灯对于需要非常亮的频闪灯的应用非 常有用。尽管 LED 发光二极管照明具有更长的寿命，但石英卤素照明可能是特定检 查的选择，因为它提供了更大的强度。LED 光源采用固体半导体芯片为发光材料， 能量转换效率高，由于多年技术完善改进，其响应速度快、使用寿命长、颜色多样 且性价比高，因此 LED 光源在机器视觉等工业领域有更广泛的应用。

机器视觉照明技术从世界范围上看，国外的机器视觉光源技术已经相对成熟。国际 上知名的机器视觉光源企业主要有日本 CCS 和美国 Ai，国内光源市场国产化充分， 主要有奥普特、沃德普、康士达和纬朗光电等。

青山绿水

3.2. 相机：工业专用的图像捕捉工具

工业相机作为机器视觉系统的关键组件，其最本质的功能就是将光信号转变成有序 的电信号。选择合适的相机也是机器视觉系统设计中的重要环节，相机的选择不仅 直接决定所采集到的图像分辨率、图像质量等，同时也与整个系统的运行模式直接 相关。

伴随着电子信息技术的高速发展、各类摄像头的广泛应用以及全球图像视频数据爆 炸式增长，人类社会正在进入视觉信息的大数据时代。工业相机可说是工业自动化 系统的灵魂之窗，从物件与条码辨识、产品检测、外观尺寸量测到机械手臂与传动 设备定位，都是工业相机技术可以发挥的舞台。

全球工业相机市场规模稳定扩张。据前瞻研究院数据显示，2008-2018 年全球工业 相机行业市场规模呈现稳定上升趋势，2018 年达到 5.87 亿美元，2019 年达到 6.34亿美元，而预计 2025 年将达到 12 亿美元，6 年复合年增长率预计为 11.22%。工 业相机市场规模增长可以部分归因于制药以及食品和包装等最终用途行业对工业 相机不断上升的需求。亚太地区工业相机市场的增长是由于工业 4.0 日益普及以及 对人工智能的需求旺盛，全球市场工业智能相机行业的集中度较高，率先布局智能 相机的康耐视和基恩士目前市场占比总计已超过 70%。

中国工业相机市场规模迅速追赶。在我国政策的大力扶持以及智能产业发展的需求 下，我国机器视觉行业得以快速发展，市场规模不断增长。而我国视觉机器行业的 发展带动工业相机的需求，2011-2018 年我国工业相机市场规模呈稳定上升态势。

在完整的机器视觉系统中，工业相机相比于民用相机具有更强的图像稳定性、工作 持续性以及环境适应性，是机器视觉领域的关键部件，主要用于工业成像。数字相 机的工作原理是被检物品反射光线，经过镜头折射在感光传感器上（CCD或CMOS） 产生模拟电流信号，此信号经过模数转换器转换至数字信号，然后传递给图像处理器得到图像，最后通过工业相机通信接口传入计算机中，以便后续进行图像处理分 析。

工业相机按照不同的指标有诸多分类，按图像处理器芯片类型可以分为CCD相机、 CMOS 相机；按输出信号形式可以分为模拟相机、数字相机；按成像色彩可以分为 彩色相机、黑白相机；按像素排列方式可以分为面阵相机、线阵相机；按扫描方式 可以可以分成隔行扫描相机、逐行扫面相机；按图像处理方式可以分为直接显示工 业相机、智能相机；按响应频率可以分成光相机、红外相机、紫外相机等；按接口 类型可以分为 USB2.0 相机、USB3.0 相机、1394A 相机、1394B 相机、GigE 相 机、Camera Link 相机。

模拟相机的输出格式是模拟信号，一般搭配模拟采集卡才能在图像上进行显示，输 出信号的分为 PAL 制与 NTSC 制，而对于黑白相机 PAL 对应 CCIR，NTSC 对应 EIA，相比于模拟相机，数字相机在机器视觉领域应用更为广泛。彩色相机成像图像 为彩色图像，可以将色彩模式换成 MONO 当黑白相机使用，而黑白相机在机器视 觉应用较为广泛。面阵相机的像素分布是一个矩形或者正方形的。矩形传感器一般 宽高比为 4：3，也有一些成正方形。线阵相机的像素传感器排布成一条线状。

彩色相机主要的图像传感器，根据芯片可以划分为 CCD 和 CMOS 图像传感器。两 者都是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 工作原理：CCD 是电荷耦合器件的简称，在感光像点接受光照之后，感光元 件产生对应的电流，电流大小与光强对应，因此感光元件直接输出的电信号是模拟 的。在 CCD 传感器中，每一个感光元件都不对此作进一步的处理，而是将它直接 输出到下一个寄存器，结合该元件生成的模拟信号输出给第三个寄存器，以此类推， 直到结合最后一个寄存器后，才能形成统一的输出。

由于感光元件生成的电信号太过微弱，加上在此过程中会产生大量电压损耗而无法 直接进行模数转换工作，因此这些输出数据必须做统一的放大处理。该任务是由 CCD 传感器中的放大器专门负责，经放大器处理之后，每个像点的电信号强度都获得同样幅度的增大；因信号只通过一个放大器放大，所以产生的噪点较少。且由于 CCD 本身无法将模拟信号直接转换为数字信号，因此还需要一个专门的模数转换芯 片进行处理，最终以二进制数字图像矩阵的形式输出给专门的 DSP 处理芯片。

CMOS 工作原理：CMOS 是互补金属氧化物半导体的简称，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，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。换句话说，在 CMOS 传感器中，每一个感光元件都可产生最终的数字 输出，所得数字信号合并之后被直接送交 DSP 芯片处理。

但 CMOS 感光元件中的放大器属于模拟器件，无法保证每个像点的放大率都保持 严格一致，致使放大后的图像数据无法代表拍摄物体的原貌。体现在最终的输出结 果上，就是图像中出现大量的噪声，品质明显低于 CCD 传感器，不过目前这方面 的技术已大幅改善。且由于 CCD 是信号统一放大，所以噪声小，CMOS 是各个感 光元器件信号单独放大，导致噪声较大，但是 CMOS 传感器也有分辨率大、成本 低，体积小等优势。

随着 CMOS 传感器在消费电子设备的大量应用，CMOS 技术发展加速，其性能已 经显著提高，且制造成本大幅下降。CMOS 目前在传感器的图像质量和分辨率已经 逐渐不落后于 CCD，且其保持了本身的固有优势，目前在工业相关展会上，很难看 到 CCD 的身影，也侧面说明 CMOS 会是未来工业相机传感器的主流。

国外知名企业拥有世界领先的核心技术以及市场地位，中国企业近年也逐步出现一 批国产品牌。具有代表性的外国品牌有德国 Basler、加拿大 DALSA、瑞士 Baumer、 美国 Cognex、日本 Sony 等。而我国对工业相机的研究开发起步较晚，近年出现 华睿科技、大恒图像、海康机器人、大华股份、云从科技、维视图像等国产企业。 目前我国工业相机行业主要布局于中低端市场，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。

青山绿水

3.3. 镜头：工业相机成像的核心部件

镜头是机器视觉系统中的重要组件，对成像质量起着关键性的作用。镜头的基本功 能是实现光束调制，将目标成像在图像传感器的光敏面上完成信号传递。它对成像 质量的几个最主要指标均有影响，包括分辨率、对比度、景深及各种像差。

镜头在机器视觉系统中的主要作用体现在通过工业相机实现光学成像，其市场规模 与工业相机息息相关。而工业相机是工业自动化系统的灵魂之窗，从物件与条码辨识、产品检测、外观尺寸量测到机械手臂与传动设备定位，都是工业相机技术可以 发挥的舞台，其由于技术本身存在的优越性，在许多领域有很好的发展前景。前瞻产业研究院数据显示，2008-2018年全球工业相机行业市场规模呈现稳定上升趋势，2018 年达到 5.87 亿美元，2019 年将会达到 6.34 亿美元，2020 年达到 7 亿美元，2025 年增长到 12 亿美元。QYResearch 保守预测，2019 年全球工业 镜头市场总值超过 33 亿元， 2026 年将增至 58 亿元，年均复合增长率为 8.3%。

全球光学镜头市场规模迅速增长。随着机器视觉应用的丰富化，其下游包括消费电 子、汽车制造等领域内，光学镜头市场规模扩张有利于工业镜头更多的应用于机器 视觉系统。

工业镜头市场前期国外巨头垄断，近年国产厂商迅速发展。由于光学镜头行业集成 了精密机械设计、几何光学、色度学、薄膜光学、热力学等多种学科技术，并且制 作工艺和工序复杂，具有较高的技术门槛。海外品牌厂商布局光学镜头较早，经过 多年的业务拓展和技术升级，在全球范围中德系徕卡、Schneider、Zeiss 和日系 CBC、Kowa、尼康、富士康等光学巨头占据市场。我国起步较稳，2008 年之前国 内光学镜头市场基本被日本、德国品牌垄断。近年我国工业镜头厂商快速增长，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。国内厂商 如东正光学、葛藤光、普密斯逐步崛起。其中东正光学的远心镜头畸变率小于 0.02%， 倍率期权，微距镜头产品也能将畸变控制在 0.1%的水平下。

3.4. 图像处理软件：通过底层算法实现目标适配

图像处理软件是用于处理图像信息的各种应用软件的总称，工业视觉软件可以对数字信号进行各种运算来抽取目标的特征，进而根基判别结果来控制现场设备动作， 自动完成图像采集、显示、存储、处理等流程。对获取的图像信息即视觉信号的处理是机器视觉系统的关键所在，不同的机器视觉图像处理软件有不同的目标倾向， 最终通过图像处理算法实现对被测物的识别、定位、测量、检测等功能。

机器视觉系统在行业应用中的功能主要有三大类：定位、测量及缺陷检测，而机器 视觉技术在完成这一系列应用时都离不开图像处理这一重要环节。图像处理包括图 像识别、图像描述、图像增强、图像复原、图像分割和图像分析等一系列具体功能， 而这些功能都为机器视觉系统的应用提供了不同的辅助手段。在定位过程中，图像 识别强大的搜索功能可以在最短的时间内准确将目标定位；在测量服务中，图像增强有助于更好的提取测量目标的主要特征；图像分析是直接参与测量的有利工具； 在缺陷检测的环节，没有图像处理缺陷的检测将无法实现，对比更是无从谈起。

图像处理软件是处理图像的重要工具，人们通过这一工具对采集到的图像进行分析 处理，从而实现对产品的监控、检测、筛选与测量等。因此，作为机器视觉系统接 力的最后一棒，也是实现自动化、智能化最为关键的一步，图像处理技术有着举足 轻重的地位。

目前图像处理软件主要由外国品牌厂商主导，国内厂商多进行二次开发。美、德系 的 Cognex、Keyence、NI 等公司提供了主要的机器视觉图像处理软件服务，软件 的底层算法基本上被垄断。国内的机器视觉图像处理软件一般是在 OpenCV等开源算法库或者 Halcon、VisionPro、NIvision 等第三方商业算法库的基础上进行二 次开发。独立的底层算法具有较高的技术壁垒，国内厂商仅有创科视觉、维视图像、 奥普特、海康威视、众为兴等少数机器视觉企业完成底层算法的研究并有一定应用。

4. 产业链下游：行业应用场景丰富

随着人们意识到机器视觉在精确度和重复性上有人眼不可比拟的优势且机器视觉 核心技术的不断完善，工机器视觉的下游应用领域也不断拓展。在汽车行业，几乎 所有的系统和零部件制造流程均有受益；在医疗器械和制药行业，对产品质量的高 要求也需要机器视觉进行参与；在食品饮料领域，机器视觉能够帮助企业快速实现 产品的准确检测，跟上生产线的速度，降本提效。无论是作为一个独立的系统进行检测还是与机器人配合，指引机器人的操作和行动，机器视觉在生产过程中都展示 出巨大的作用。

机器视觉广泛应用于不同下游领域，包括电子及半导体、汽车制造、食品包装、制药医疗等行业。根据前瞻产业研究院数据，其中电子及半导体领域占工业视觉总体 分布的 46.6%，汽车制造占15.3%，是机器视觉工业应用的重点领域。在电子行业， 机器视觉应用于高精度制造及质量检测，包括晶圆切割、3C 表面检测、触摸屏制 造、AOI 光学检测、PCB 电路印制、电子分装等；在汽车制造领域，机器视觉几乎 涉及全部制造流程，如面板印刷和质量检测、车身装配检测、零部件尺寸测量、表 面缺陷检测等；在食品包装领域，机器视觉主要应用于高速检测，如外观封装检测、 食品封装缺漏检测及分拣与色选等；制药领域则是药瓶封装缺陷检测、胶囊封装质 量检测、生产日期打码检测及药片识别与分拣等。

青山绿水

4.1. 电子及半导体：机器视觉助力制造自动化、精确化

半导体及电子产业应用较早，推动工业视觉产业整体发展。纵观全球机器视觉的崛 起，很大程度上是得益于半导体及电子产业的发展，机器视觉在半导体工业上的应用在二十年前已经开始。半导体行业元器件尺寸较小，对产品精度、柔性化有较高的要求，如锡膏印刷机、贴片机、AOI 检测这类的设备必须使用高性能机器视觉组 件，因此工业视觉系统在半导体及电子制造、检测等各个方面得以得到广泛的应用。 而半导体和电子产业对精细程度的高要求也反过来促进了工业视觉技术的革新。

电子及半导体行业的机器视觉应用加速扩张。中商产业研究院数据显示，从市场规 模上看，2018年国内市场规模突破 20 亿元，年增长率在 25%左右。消费类电子 产品更新换代快，需求量大，拉动机器视觉市场需求增长，2019年市场规模或将 近 30 亿元。

电子版半导体制造分为前中后三段，后端制造涉及晶圆电器检测、切割、封装、检测等。晶圆在切割前必须使用机器视觉系统检测瑕疵并标记。基于机器视觉的解决 方案，只需要较短时间就能定位硅片中心并对准切口。切割过程中也需要利用机器 视觉系统进行实时精确快速定位，如果定位失误将会导致晶圆整片报废。切割后的 IC 要保证在不相互接触的前提下分装到相应的容器内部，再继续利用机器视觉系统 找找除非瑕疵品进入封装。

自动光学检测(AOI)技术，也称机器视觉检测技术或自动视觉检测技术（MVI/AVI）。 从狭义上来说，AOI 等同于 MVI 是一种集成了图像传感技术、数据处理技术、运动 控制技术，是在工业生产过程中执行测量、检测、识别和引导等任务的一种新兴的 科学技术。AOI 的基本原理是采用光学成像方法，如相机或者一个复杂的光学成像 系统，来模拟人眼的视觉成像功能，并用计算机处理系统代替人脑执行数据处理， 最后把结果反馈给执行机构，如机械手来代替人手完成各种规定的任务。

从广义上来说，MVI 是一种模拟和拓展人类眼、脑、手等功能的一种技术，在不同 的应用领域其定义可能有着细微的差别，但都离开不了两个根本的方法与技术，即 从图像中获取所需信息，然后反馈给自动化执行机构完成特定的任务。可以说基于 任何图像传感方法（如可见光成像、红外成像、X 光成像、超声成像等等）的自动 化检测技术都可以认为是 MVI 或 AVI。当采用光学成像方法时，MVI 实际上就变 为 AOI，因此 AOI 也可以认为是 MVI 的一种特例。

在 PCB 印刷电路制造中必须检查印刷电路的连接。在使用机器视觉测试之前，此检查主要依靠肉眼检查。但是手动检测有许多缺点，PCB 线复杂而细小，因为眼睛疲 劳之类的不可抗拒的因素，会导致一些不良产品被遗漏。长时间的检查会影响员工 的视力，导致员工流失。 PCB 机器视觉检测设备解决了上述难题，也大幅度提高了 PCB 印刷线路板检测的 效率以及产品的良率。

PCB 机器视觉检测设备可以自动识别不合格品，对其进行拾取；高清相机能分辨识别 0.01mm 的细小差异；自动检查残缺断线、线宽或线窄、 批前短路，异物等不良问题。可以大大降低员工劳动强度，流失情况缓解；可以减 少检查人员，降低产品反工的工时；可以在客户中树立厂商的科技形象，令其产品 质量和信誉得到提升。

4.2. 汽车产业：汽车制造与智能驾驶齐头并进

我国的汽车产销量居于全球前列，汽车制造市场规模庞大。一方面，随着汽车制造 自动化的应用深入，生产制造环节已经实现无人化操作；另一方面，自动驾驶智能 交通的行业趋势将引领打造汽车产业智能化新蓝图，推动机器视觉产品技术进一步 深入汽车行业。

4.2.1. 汽车制造已实现自动化，机器视觉应用场景丰富

汽车制造行业中，原先生产制造测量主要依靠三坐标测量，但其时间长、效率低、 成本高、数据量不足且只能离线测量。机器视觉的进入通过其固有优势弥补了原本 测量方式的缺陷，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、零件尺寸的精密测量、工业零部件表面缺陷检测等。

机器视觉系统在汽车制造领域用途多种多样。在汽车制造领域，机器视觉的应用包括从初始原料质量检测发展到汽车零部件100％在线测量，再对制造过程中的焊接、 涂胶、冲孔等工艺过程进行把控，最后对车身总成、出厂的整车质量进行把关。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。视觉引导技术逐渐 渗透到汽车制造的全过程，例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。

4.2.2. 汽车智能驾驶浪潮汹涌，机器视觉为其保驾护航

智能驾驶指汽车至少在某些具有关键安全性的控制功能方面（如转向、油门或制动）， 无需驾驶员直接操作即可自动完成控制动作。国际汽车工程学会 SAE 将汽车自动驾 驶划分为辅助驾驶、部分自动化、有条件自动化、高度自动化、完全自动化。

基础的辅助驾驶的核心是高级辅助驾驶系统（ADAS），一个利用雷达、摄像头等传 感器采集汽车行驶、停放过程中周边环境数据，进行静态或动态物体识别、跟踪并 结合内部或实时的地图数据做出汽车驾驶行为决策的主动安全功能集成控制系统。

随着 ADAS 相关技术不断成熟，人们对驾驶安全水平需求也不断提高，ADAS 市 场规模呈现爆发式增长。美国高速公路安全管理局（NHTSA）甚至建议，到 2022 年美国新车强制加装 ADAS 系统。Roland Berger 预计到 2025 年，ADAS 能够基 本覆盖前装市场，整体市场规模近 300 亿欧元，而我国 ADAS 市场规模保守估计 2020 年能达到 200 亿元以上。

车载传感器是汽车实现周围环境数据实时采集分析的核心部件，尤其摄像头由于其 适用性和不可替代性为自动驾驶奠定了底层基础。车载摄像头的应用主要包括单目 视觉、双目视觉、多目视觉、全景视觉及混合视觉，不同的视觉方式服务于自动驾 驶的不同应用领域。

4.3. 食品包装：机器视觉为食品安全巩固防线

食品包装是保证食品质量的重要手段，可以确保食品在流通过程中不受污染，提高 食品品质，避免食品安全事故发生。目前，绝大多数中小型企业依旧依靠人工实现 食品包装检测，其中管理不规范、标准不明确、检测精度低、工作强度大等诸多问 题导致人工检测效率和准确度都有很大缺陷。随着自动化水平的不断提高，部分企 业开始引进自动检测设备，通过机器视觉代替人眼完成检测，大大提高了检测速度 和精度。

机器视觉帮助食品包装实现安全智能生产。通过相机获取待检测物图像，利用图像 处理技术进行处理、分析得到的控制参数，进而实现生产过程控制的一种人工智能 技术。在整个检测过程中，检测设备不会直接接触食品，可以避免二次损失或污染。 依靠红外线、微波等扫描技术，可以最大程度的扩展检测范围。机器检测的稳定性 较好，能够长时间工作且不受环境因素影响。目前已经广泛应用于检测瓶子分类、液位测量、标签盒盖检测、包装形状尺寸、密封性与完成性检测等领域。

青山绿水

4.4. 药品医疗：机器视觉助力生命安全

药品生产是关系到人的生命健康，如果在只要过程中出现微小的缺陷，随着药品流 通到市场并进入使用环节，可能就会导致医疗事故并对医疗机构、患者及社会造成 无法弥补的损失。

机器视觉在药品生产包装、质量检测及控制等多个方面贡献巨大，帮助药品生产逐步进入智能安全的现代化进程。目前，已经广泛应用于数粒、打码、泡罩版缺粒、 药品残缺、断片、泄露、加装说明书、编码识别、药品管理等环节。机器视觉检测 技术精确稳定，提供丰富应用场景选择，满足医药行业包装线变换包装产品的常规需求。例如，在药品包装后的检测环节中，可以利用机器视觉快速、准确地检测到 对象是否完好无缺，通过设定图像传感器获取包装后的对象图片信息，通过预先设定的面积参数对每个药粒或者药瓶进行检测对比。最终破损药粒或缺瓶包装都将被 检测出来，正常的药品则正确通过。

在医疗影像诊断方面，机器视觉技术发挥重要作用。分子影像学是指从分子或细胞 水平上对人体生物过程和代谢变化特征进行无创且实时功能成像的技术。在医疗影 像完成对图像新的采集、存储、管理、处理、运输等过程中，机器视觉通过采集卡、摄像头等硬件以及控制、算法等软件，配套专业的医疗影像设备，如 X 光机、 PET/SPECT-CT、MR、B 超、彩超等影像设备，可以帮助医生高效清晰准确的掌握 患者体表、体内情况。机器视觉辅助的结果分辨率高，检测过程中可以避免诸多可能存在的失误，提升诊断医治的正确率与成功率。

5. 发展动力：多重引擎驱动，机器视觉产业蓬勃发展

机器视觉的内在优势是机器视觉发展的根本动力，而当前中国宏观上面临人口老龄 化、劳动力成本上升等压力，同时机器视觉相关政策利好不断，总体推动机器视觉 下游需求持续扩张，未来机器视觉行业有望持续增长。

5.1. 机器视觉以固有的核心优势扎根智能浪潮前沿

机器视觉系统的固有优势是其可以获取图像数据信息，通过算法实现精密控制，并 自动化、智能化的完成计算机集成制造及服务，其优势可以概括为精确性、持续性、 高效性以及可重复性。

1）机器视觉在制造以及服务过程中十分精确。囿于人类身体条件以及劳动方式的 限制，人类难以实现批量、完全的精密视觉信息获取；而机器在精确性上仅受到既 定程序以及设备强度的影响，相对于人类具有显著优势。视觉方面，即使可以使用 加强人眼视觉的工具，机器仍然更胜一筹，例如人眼能发现最小瑕疵 0.3mm，机器 视觉检测精度可达千分之一英寸。其次，人眼视觉的观测中带有观测主体的主观性，往往人工观测结果会反应观测人员的主观倾向；而机器不会因为情绪或者预先判断 影响工作性能，其测量结果稳定客观。最后机器视觉系统通常属于非接触测量，对 于观测者与被观测者的脆弱部件都不会产生任何损伤，从而提高系统的可靠性。

2）机器视觉可以适应性的长时间持续工作。在机器视觉的工作环境中，制造物品或 提供服务的目标物静态与动态变化较多，尤其是连续的制造或服务过程，同时在光 源、位置、机器误差等因素影响下，整个检测过程很难维持平稳。因此机器视觉技 术需要较强的环境适应能力，自动匹配不同的工作环境并保持从光源照明、图像采 集到图像存储与处理一系列流程的持续适应能力，满足生产制造、检测控制、服务 提供等基础需求。尤其在恶劣环境或不适合人工作业的危险环境中，机器视觉代替 人工视觉是具备重要意义的。同时在工作连续和持续性上，人类受限于身体或精神 强度，难以长时间对同一对象稳定观察，而机器视觉系统一方面可以辅助人工检测， 显著降低员工疲劳程度，另一方面可以替代人工检测来长时间执行观测、分析及识 别任务，有效的解决了该方面问题。

3）机器视觉系统经济且高效。机器由于其工作的可重复性，其工作投入产出比在长 时间内一般高于人工劳动，而其工作效率的提高更是加强了其替代人工的经济效率 优势。一台自动机器视觉设备能够承担多个员工的工作任务，而且可以无休息、低 错误的持续工作，极大提高了生产效率，在长时间段中降低了生产成本。而且随着 机器视觉技术进步、机器视觉相关设备更新，计算机处理器价格的降低相对带动了 系统成本的下降，购置机器视觉设备费用对比劳动员工的工资可以更短期实现回本， 而未来低水平的维修费用给予机器视觉系统更多潜在空间。

4）机器视觉系统工作具备较强可重复性。在机器视觉系统日常工作中，机器可以通 过已经设定的模式方法不断重复劳作，其完成检测服务并不会像人工检测一般每次 均存在细微误差。而体现到改变生产服务流程或方式的过程中，其仅需要简单更换 软件与控制，而不用更换硬件以适配新需求。当机器视觉应用需要进步，也可以方便的通过软件算法更新升级获得新的应用。

5.2. 人口老龄化加剧，机器视觉是重要解决方案

全球人口老龄化严重，中国老龄化问题迫在眉睫。根据世界银行数据，2018年按地区分东亚与太平洋地区 65 岁以上的人口占比达到 10.74%，仅次于欧洲与中亚地区的 16.35%。2018 年，中国该比例为 10.92%，超 过东亚与太平洋地区的平均水平。而随着人口红利衰退转向人口负利，中国人口老 龄化问题将继续加深。

国内人口老龄化进程将持续性拉动机器视觉下游需求。国家统计局数据显示，2000- 2019 年，国内 65 岁及以上人口数量年均增长 3.70%，远高于同时期的总人口增长 速度（0.53%）与 2000-2018 年 15-64 岁人口的增速（0.62%），因此导致老年抚 养比由 2000 年的 9.9%攀升至 2017 年的 16.8%。随着老龄化问题加深，老年人日 常生活、精神状态以及医疗健康等需求将成为重要的社会问题。机器视觉技术为老 年提供服务机器人服务以及医疗健康相关智能设备辅助方案，可以成为新的现代化 解决方案，因此长期的需求旺盛和不断创新完善的应用场景有望持续性拉动机器视 觉产业发展。

5.3. 劳动力成本上升，机器替代需求升级

商务服务业人均工资快速上升，劳动力成本提高速度迅猛。老龄化导致的劳动人口占比下降致使劳动力成本快速上升。机器视觉的出现及其技术的完善进步将逐步推动智能设备替代人类从事程序化、重复度高的简单劳动，并通过机器的低边际成本、 低错误率等特征提高工作经营的效率。 国家统计局数据显示，2018年全国租赁和商务服务业城镇单位就业人员平均工资 达到 8.51 万元，2010-2018年年均增长率可达 10.05%，居民和其他服务业就业人员平均工资达到 5.53 万元，2010-2018年年均增长率可达 8.79%

第三产业发展迅速，包含大量劳动密集型岗位，以机器视觉为核心的智能设施未来 有望渗透替代。国家统计局数据显示，2019年我国第三产业增加值占GDP 的比重 已达 53.9%，第三产业就业人数也从 2010 年的 2.63 亿人(34.60%)上升到 2018 年 的 3.59 亿人(46.32%)，年均增长率达到 3.96%。服务业中大量简单劳动的岗位可以被服务机器人替代，而由于劳动成本的攀升，第三产业增加值和就业人员的不断 增长将刺激智能化需求扩张。