凌云光成功登陆科创板，机器视觉的应用领域逐渐扩大

电子发烧友网报道（文/李弯弯）7月6日，凌云光在上交所科创板上市，截至当日收盘，凌云光报34.08元，上涨55.40%，总市值153.36亿元。 凌云光自成立以来，长期从事机器视觉及光通信业务，目前战略聚焦机器视觉业务。

根据招股书，凌云光本次拟公开发行不超过10,000万股人民币普通股，发行募集资金扣除发行费用后的净额全部用于以下项目：工业人工智能太湖产业基地、工业人工智能算法与软件平台研发项目、先进光学与计算成像研发项目等。



全面掌握机器视觉产业链核心技术

机器视觉行业的上游包括相机、镜头、光源等硬件及算法软件。机器视觉行业的算法库由OpenCV等开源视觉算法库，和Vision Pro（美国康耐视公司）、Halcon（德国MVTec公司）、VisionWare（凌云光）等第三方商业付费算法库组成。

因算法库开发周期长、投入大，业内公司通常基于开源算法库开发自身应用算法，或自主开发与第三方集成并举，较少公司完全自主开发底层算法。为提高效率与降低成本，集成第三方成熟工具包作为辅助开发手段是比较常见的方式。

机器视觉行业的中游为视觉系统与智能装备。视觉系统包含独立完整的成像单元（光源、镜头、相机）和相应的算法软件，集图像采集、处理与通信功能于一身，可以灵活的进行配置和控制，适应各种复杂的应用，具有多功能、模块化、高可靠性等特点。智能装备以机器视觉的感知能力和分析决策能力为核心，在视觉系统的基础上加入了自动化和智能化的功能，将设计、生产、检测过程集成闭环，可实现多种功能。

机器视觉行业下游为各行业集成应用和服务。下游应用行业的发展决定了机器视觉装备及服务的市场需求量，目前下游应用领域以电子制造为主，其次为汽车、医药、印刷包装等领域。



凌云光长期深耕机器视觉行业，较为全面地掌握了产业链相关的核心技术，形成了先进光学成像、软件与算法、精密机械与自动化控制，以及新一代人工智能等技术平台，可支撑公司技术研发与产品应用的快速落地。

在光学成像方面，公司形成了一套完整的成像系统设计规范，同时自主开发了系列化面阵相机、线扫描相机，通过与长春光机所合作以及投资长光辰芯，开展国内高端CMOS成像芯片研发。

在软件与算法方面，公司于2005年开始打造自主视觉图像算法平台，形成了系列软件和系列产品，广泛服务于消费电子、印刷包装、新型显示等工业领域，是苹果公司、华为、小米等产业链企业的供应商。

在前沿技术方面，公司以打造领先的工业人工智能技术为目标成立“知识理性研究院”，进一步构建软件与算法平台、先进光学与计算成像平台、工业人工智能大数据平台，开展多种 AI算法、计算成像、大数据与认知图谱等技术研究。

主要产品在消费电子、新能源等领域得到应用

在机器视觉领域，凌云光提供的自主产品主要包括可配置视觉系统和智能视觉装备两类。从营收来看，2021年凌云光机器视觉领域总营收15.11亿元，占总营收62%，其中可配置视觉系统营收6.02亿元，占比24.71%，智能视觉装备营收7.06亿元，占比29%。




可配置视觉系统是光学成像模块（眼睛）与图像处理系统（大脑）的集合体，可以独立完成图像采集功能并基于图像采集的信息完成预期的处理工作（如定位、测量、 检测和识别等）。

光学成像模块是为了精确拍摄与抓取准确的对象物体特征与关注各种信息，按照应用场景空间进行系统设计的精准光学成像系统，通常由线阵或面阵相机、镜头、光源、相关保护与固定装置、通信与信号附件等组成。

图像处理系统主要由图像处理软件和工控机等相关硬件构成。图像处理软件的主要功能是建模与基准设定，即实现工艺标准的数字化；图像处理软件主要由过程实时监控与数据管理系统、图像处理算法模块、通讯接口模块等部分构成。



凌云光的可配置视觉系统应用领域包括消费电子、智慧交通、立体视觉领域、科学图像领域、其他制造领域。消费电子可配置视觉系统，可用于智能手机、智能手表、平板电脑等消费电子整机及关键零部件的生产、组装工艺，主要服务于苹果公司产业链，实现相应生产环节的智能识别、对位、测量与检测。

智能视觉装备可用于新型显示领域、消费电子领域、印刷包装领域、新能源领域等。比如在锂电行业，锂电池薄膜生产容易出现表面黑点、晶点、麻点、破洞、线条、褶皱、蚊虫、划伤等瑕疵，影响电池的使用性能和安全性。凌云光提供的VisionFilm膜类检测系列产品可取代人工检验，达到提质增效的目的



机器视觉面临的挑战和行业发展趋势

随着生产工艺的精进及产品质量要求的提高，消费电子等行业对检测精度的要求越发严苛，例如，半导体生产制造已使用5nm工艺，对芯片的检测精度要求也已提升至纳米量级。受限于衍射极限，单纯采用显微放大的方式已经难以满足检测精度需求，导致加工良率难以提高，影响产品质量。因此，急需高精度的机器视觉技术解决更精准的测量问题，保证加工工艺符合要求，降低封装成本，确保出厂产品质量。

机器视觉系统不仅包括光学成像系统，还包括决策系统和执行系统。算力、算法、 传输技术的快速发展也为机器视觉带来了机遇与挑战。

算力的提升使机器视觉的决策变得更为迅速，基于云平台的信息处理可以提供几乎无限的算力，解决各种复杂运算问题，提升了机器视觉系统的决策速度；分析算法的优化升级也使机器视觉的识别和分类变得更加准确；5G通信技术增加了信号数据通量、降低了信号时延、缓解了信号干扰等问题，使机器视觉在自动驾驶、精密自动控制、智慧工厂等领域中发挥重要作用。相关技术的发展提升了机器视觉系统的性能和使用效率，但也对相关硬件厂商的技术研发能力提出了更高的要求。

整体而言，过去十年，中国机器视觉行业快速发展，应用范围逐渐扩大。目前机器视觉的应用范围已从最初的消费电子等领域，逐步拓展至印刷包装、汽车、运输、医疗等领域。预计未来，除了传统的应用领域外，在AI、自动驾驶、人脸识别等新兴技术兴起的带动下，机器视觉将进一步拓宽应用领域。