机器视觉基本组成

机器视觉基本组成

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，它基于捕获并处理的图像为设备执行其功能提供操作指导。机器视觉可以分为成像和图像处理分析两大部分。前者依靠机器视觉系统的硬件部分完成， 后者在前者基础上，通过视觉控制系统完成。

如典型的机器视觉系统包括光源及光源控制器、镜头、相机、视觉控制系统等部件，其中 光源及光源控制器、镜头、相机等硬件部分负责成像，视觉控制系统负责对成像结果进行 处理分析和输出。

机器视觉主要功能

新机器视觉主要功能可分为识别、测量、定位及检测（难度递增），通过机器代替人工进 行测量与判断，将图像处理应用于工业自动化领域中。识别是基于目标物特征，如外形、颜色等进行甄别；测量是将获取的图像像素信息标定成 常用度量衡单位，再在图像中精确计算目标物的几何尺寸；定位则是获得目标物关于二维 或三维的位置信息；检测难度最高，主要指外观检测，对产品装备后的完整性检测、外观 缺陷检测等。

机器视觉行业规模不断扩大

机器视觉市场规模有望进一步突破。随着机器视觉技术水平提高，机器视觉下游应用不断 发展，消费电子市场、汽车市场、半导体市场、医疗市场等行业工业自动化水平逐步提升， 机器视觉的市场规模也将持续扩大。根据Markets and Markets预测数据，全球机器视觉市场规模将由2018年的589.60亿元上升至 2023年的900.48亿元。国内厂商配套不断完善，技术进一步积累，预计到2023年我国机器视觉 市场规模将达到225.56亿元。

国产机器视觉厂商逐步崛起

国内机器视觉经过三十年快速发展，已逐步缩小与国际领先厂商的差距。国产机器 视觉企业凭借优质的产品设计、工艺水平和质量控制经验，逐渐实现进口替代。国内机器视觉市场销售额占比逐年提升，从2018年的44.0%提升至2022年的60.0%， 预计2023年将达到63.0%。

机器视觉应用场景延伸：从标准化到非标准化

伴随AI技术发展，机器视觉亦取得了底层技术的突破。过去主要应用于标准化检测场 景，如消费电子、汽车和半导体等是当前机器视觉最主要的应用领域，整体呈现出自 动化、标准化程度高的特点。 随着算法的不断升级机器视觉的性能优势将进一步加大，应用场景也将持续扩展，从 标准化领域拓展到非标准化应用。

行业发展核心驱动力

核心驱动力：AI技术发展提供更好的深度学习算法

过去机器视觉主要应用于标准化检测场景，但伴随对检测环境及技术等要求高，检测需求 持续激增，非标准化场景对机器视觉的影响日益提升。为了提高非标场景检测精度，需要 面临难点包括：数据质量和标注、复杂和多变的环境、特征学习和识别、实时性和计算资 源、模型泛化能力等难点。 伴随AI技术发展，如SAM模型等的出现，上述难点持续不断被解决攻克，助力机器视觉在 非标准化场景应用发展。

SAM模型发布，有望推进机器视觉迎来底层技术突破

机器视觉领域在AI加持下迎来底层技术突破。近日，Meta发布了首个图像分割基础模型 SAM（Segment Anything Model，分割一切），其底层以NLP模型的通用方式解决图像分割和 识别问题。该可应用于各种领域，用于查找和分割图像中的任何对象。分割技术是图像处理 的底层技术，Meta以NLP的通用模型，极大地降低了图像处理的门槛，是机器视觉领域的 底层突破性技术。

在AI加持下，机器视觉行业有望迎来空前发展机会。机器视觉产业在AI加持下，迎来了底层 技术的突破。从算法、技术到应用，AI技术极大程度赋能机器视觉在图像模型上的智能化应 用，优化了图像识别的复杂度及精度，实现万物识别。

过去应用：标准化应用场景

机器视觉已广泛应用于消费电子、汽车制造、半导体、光伏等标准化领域。在标准化的工 业环境中，机器视觉主要运用于产品质量检测、装配检测和包装检测等环节。这些环节的 检测任务具有高度的规律性和标准化，因此，常常采用模式匹配、特征识别等技术，根据 预设的规则进行决策。

下游传统行业应用: 3C消费电子

整体来看，在3C电子行业，元器件、部件和成品的制作各环节都需要机器视觉的协助， 其中70%的机器视觉产品用于检测环节，由于技术工艺的高要求，3C电子行业设备制 造对机器视觉技术存在刚性需求。

下游传统行业应用:动力电池

从市场端来看，国内头部电池企业一般采用分段招标方式引入机器视觉供应商，机器视 觉在锂电池各环节生产过程中渗透率逐渐提升。同时，机器视觉与锂电设备整线融合的 趋势也日渐凸显。由于动力电池的安全性要求，过去离线式抽检已无法满足要求，正快 速被在线式全检替代。在模组和PACK段：以视觉检测装备为主，主要应用于底部蓝胶检测、BUSBAR焊缝检 测、侧焊缝检测、模组全尺寸检测、PACK检测等。

未来发展：从标准化应用拓展到非标准化应用

随着AI赋能以及深度学习算法的快速发展，机器视觉不仅可以用于传统标准化检测，也 向着许多非标准化场景的新兴领域横向扩张。随着行业进步与技术发展，2D视觉向3D 视觉迈进，由此拓展出更多的新领域，如机械臂引导、AGV导航等。机器视觉将逐步切入过去未曾涉足的领域，如物流、医疗、安防、农业等非工业场景。

非标准化应用场景1：煤矿矸石检测

非标准化场景：煤炭开采中混合大量矸石，增加入洗成本，且矸石燃烧利用率低。人工 手动分选原煤、矸石效率低、成本高、环境恶劣用工难。机器视觉技术 + 机器人代替人工作业：采用深度学习技术与3D 技术，实现机械手自动选 矸的智能设备。借助视觉对煤和矸石进行数据特征采集，利用卷积神经网络技术对煤和矸 石进行深度学习的标注、训练，利用获取的训练模型来识别煤和矸石。采用先进的六自由 度机械手模拟人工抓取，利用 PLC 技术精确控制信号达到最终整个系统的流程控制。

非标准化应用场景2：AI在槟榔检测中的应用

目前通过机器视觉+深度学习实现槟榔在检测尺寸的基础上突破，光头精准分类达97% 以上。在视觉系统下，在保护槟榔的完好性下检测槟榔的尺寸，同时能检测槟榔是否光 皮，检测分类精准度高达97%，完全达到企业采用机器视觉进行槟榔尺寸分类和外观视 觉检测的所有需求，无须人工进行多次分级，为企业省人工、降低成本、把控品质。

人力成本上升，“机器代人”成为必然趋势

随着我国经济发展水平提升以及人口结构的转变，制造业职工平均工资呈趋势性上涨。我国 人口红利正逐渐消失，从事制造业的人口在2014年-2021年持续下降，由5243万人下降至3828万 人，且基本每年都为负增长。随着技术不断的升级和成熟，以工业机器人为代表的自动化设备 成本不断下降，二者形成的成本“剪刀差”增大了制造行业对自动化设备的需求，制造业“机 器代人”是必然趋势。

人工成本上涨倒逼产业升级，机器替人是人口红利后的必然选择。对标发达国家的发展经 历，中国经济不断发展，人口结构发生改变为必经之路。而人口结构的改变意味着人工成本 的上升，人口红利逐渐减弱，制造业从业人员不断下降，此大环境下将使制造业自动化水平 不断提高推进，机器代替人工已成为现代制造业必须完成的转型。

行业发展的潜在细分市场

机器视觉行业格局

在全球机器视觉市场中，以基恩士、康耐视及巴斯勒为代表的企业占据全球超过50%的市场 份额，凭借先发优势及多年来的技术研发积累取得市场领先。虽然国内机器视觉行业起步较晚，早期国际厂商占有较大份额，但伴随技术发展，国内机器 视觉力量正在快速崛起，如国内机器视觉厂商经过多年发展规模不断成长，国产份额亦在持 续不断提升。

机器视觉产业链细分市场

机器视觉厂商分为三大类：1）核心零部件供应商，目前龙头公司集中在欧美、日本和美国，且呈现龙头联合研发的趋势；2）软件及 AI 服务商，以集成通用算法软件开发包和 AI 加速平台服务商为主，几乎来自海外龙头公司；3）视觉系统及解决方案集成商，我国本土的机器视觉企业大多属这一类，以工业自动化非标设 备及方案为主要业务。

机器视觉各核心零部件占比

机器视觉上游零部件成本占比较高，是机器视觉的核心部分。关键零部件和软件系统约 占工业机器视觉产品总成本的80%。其中光源、工业相机、底层软件算法等技术壁垒及利 润率水平较高，因此对机器视觉上游环节的掌握是目前市场竞争的关键，亦是体现机器视 觉核心竞争力的重要环节 。

机器视觉上游核心零部件壁垒

上游零部件主要包括光源、镜头、相机、传感器、图像采集卡等。目前光源已基本实现 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，但伴随技术发展，光源高 端化趋势亦非常明确，对光源及打光方案亦提出了更高要求。而其他零部件如工业镜头、 工业相机及软件则仍以海外品牌为主，优势较为明显。

上游技术壁垒：3D传感视觉技术

3D 视觉感知技术即将迎来发展期。根据Yole的数据显示，2025年全球 3D 成像和传感器 市场将达到 150亿美元，2019到2025年CAGR将达到20%。其中，2025E年预测消费电子 行业中3D成像及传感器市场将达到81.65亿美元，占比 54%。3D视觉传感器正不断拓展 潜在的细分领域应用，持续打开应用空间。 3D视觉传感器是由深度引擎芯片、深度引擎算法、通用或专用感光芯片、专用光学系统、 驱动及固件等组成的精密光学测量系统，可以采集并输出“人体、物体和空间”的三维 矢量信息。其核心技术主要包括六个环节：系统设计、芯片设计、算法研发、光学设计、 软件开发、量产技术。

中游技术壁垒：视觉成套系统

视觉检测系统大多用在工业现场及工业生产线中，对于在线实时检测，如何将视觉测量 系统嵌入到生产线相应的工序中，使测量速度与生产线节拍相一致，是视觉测量走上在线 应用的关键难点。视觉检测系统分析数据获取的精确性也是其需要解决的技术难点，其精确性主要由工件 位置的一致性、打光的稳定性、物体的运动速度、高精度测量的标定、软件的测量精度五个方面决定。

奥普特—国内机器视觉核心零部件龙头供应商

奥普特成立于2006年，以机器视觉零部件光源起家，发展至今已成为机器视觉应用技术 领先供应商，公司产品线基本覆盖机器视觉核心部件，产品覆盖光源、光源控制器、镜 头、视觉控制系统等机器视觉核心部件。公司产品和解决方案目前已全面应用于20多个国 家和地区，并在全球范围内设立超过30个服务网点，服务超过15000家客户，其中包括苹 果、华为、谷歌等知名企业。

奥普特是 国内较早进入机器视觉领域的企业，伴随行业的发展，公司近年来业绩亦不断 上涨，2022年公司实现营业收入11.41亿元，同比增长30.39%；实现归母净利润3.25亿元， 同比增长7.26%。2023年第一季度实现收入2.51亿元，同比增长14.73%；实现归母净利润 0.66亿元，同比增长3.81%。未来伴随机器视觉行业非标准化应用场景进一步延伸，公司有望持续拓展应用空间，业 绩亦有望实现快速提升。