行业报告 | 工业机器视觉深度报告——兼具高成长和成熟技术的AI应用赛道

原创 | 文 BFT机器人 

01

核心要点

核心观点:

工业机器视觉是高技术壁垒、商业模式成熟、国产替代迅速、行业快速发展的优秀赛道。行业端：3C电子是最主要的行业，新能源行业增速最快，受益于质量管控政策和行业高增速。技术端：大模型和3D视觉等AI技术将打开更多工业场景，推进标准化，助企业降本增效。

随着中国制造业的智能化转型，机器视觉会深度赋能工业全流程。

1、高技术壁金赛道，产业链上游份值量高。

工业机器视觉是集光学成像、人工智能、自动化控制等多方面技术于一体的行业，具有很高的技术壁垒。同时相较干其他AI赛道。具有更成熟的技术和商业模式。工业机器视觉产业链上游为零部件及软件算法，中游为视觉装备及方案。下游为具体的应用场号与行业。上游的零部件及软件算法占机器视觉80%的价值量。

2、技术、产业、政策三重利好，助推我国机器视觉产业发展。

技术端，3D视觉技术、深度学习逐渐成熟，工业机器视觉有望在更复杂的工业检测场景中实现渗透。AI大模型的提出，将推进软件的标准化进程，帮助企业降本增效。产业端，随着制造业智能化转型的需求。机器视觉设备的渗透率将。

3、国产厂商技术逐渐成熟，国产替代正当时。

近年来国产厂商的市场份额呈上升趋势，2021年国产厂商占据了近50%市场份额，在中低端元件等市场中已经具有较强竞争力。同时国产厂家通过技术研发、投资并购等式积极布局高端零部件市场。部分产品已经具备一定国际竞争力。例如，康耐视在中国的机器视觉业务呈现出增速放缓趋势，2020/2021/2022的同比增速分别为46%/19%/13%。

4、下游应用需求明确，3C电子是最主要机器视觉市场，新能源涨势迅猛逐步成为主要增长市场。

受益于在3C电子更多环节逐步渗透以及产线持续送代带来的稳定需求。3C机器视觉稳健增长:新能源行业受益于明确的质量管控需求。机器视觉在更多环节应用，且行业增这和竞争格局更优，GGI预计2021-2025的中国理电机器视觉市场规模CAGR达到45.11%。

02

机器视觉产业宏观分析

2.1 工业机器视觉是软硬件一体化的应用系统

工业机器视觉是软硬件一体化的集成系统，它的目的是代替人眼对被测物进行观察和判断。从组成上，机器视觉系统硬件设备主要包括光源、镜头、相机等，软件主要包括传统的数字图像处理算法和基于深度学习的图像处理算法。系统工作时首先依靠硬件系统将外界图像捕捉并转换成数字信号反馈给计算机，如下图深灰色方块所示过程，然后依靠软件算法对数字图像信号进行处理，如下图中灰色方块所示过程。

工业机器视觉在识别的精确度、速度、客观性、可靠性、工作效率、工作环境要求、

数据价值方面都优于人眼。

2.1.1 机器视觉的“眼睛”：由光源/镜头/相机组成的成像系统

光源:形成有利于图像采集的条件，或用作测量的工具和参照物。

机器视觉系统是通过分析物品上反射的光线来形成图像的，不同的光源方案可以实现不同特征的增强或弱化，进而实现成像效果的改进，例如通过背光增强物体的轮廓特征，便于对物体的尺寸测量: 特殊的光源方案还可以作为测量的工具和参照物，例如3D机器视觉中的结构光。

镜头:采集图像并将图像发送至相机

镜头是机器视觉采集和传递被摄物体信息过程的起点，其功能相当于眼睛中的晶状体。不同的镜头具有不同的分辨率、对比度、景深以及像差等光学指标，对成像质量具有关键性影响。

相机:将镜头传输的光信号转化为数字信号便于后续处理分析

相机中的图像感测器是其中的关键部件，通过CCD或CMOS技术将光信号转化为电信号，其功能相当于眼睛中的视网膜。相较于民用相机，工业相机需要更高的传输力、抗干扰能力和稳定的成像能力。

2.1.2 机器视觉的“大脑”：算法+软件平台

机器视觉系统的算法软件部分是利用计算机视觉算法对获取图像进行分析，进而为进一步决策提供所需信息。

根据集成程度和开发难度的不同可以细分为供集成商和设备商开发使用的底层算法和供最终客户使用的二次开发好的算法包由于不同工业应用场景之间的差异性以及对精度的高要求，往往需要专门设计对应的软件算法以满足工业场景下的视觉需求。如下左图所示的便是相关的底层基础算法，工业场景中的具体功能实现便是在这些底层算法的基础上开发而来，如下右图所示的是主要的机器视觉软件开发包，其中便包含了相关的底层算法。

2.1.3 机器视觉可实现由易到难等多种功能

机器视觉可实现外观检测、识别验证、尺寸量测、引导定位等功能。

机器视觉的功能主要分为四大类，从技术实现难度上来说，识别验证、引导定位、尺寸测量、外观检测的难度是递增的，而基于四大基础功能延伸出的多种细分功能在实现难度上也有差异。

2.2.1 机器视觉发展史：重点把握核心技术的突破和下游应用拓展

机器视觉伴随制造业的转型升级和对品控要求的不断加强，逐步实现核心技术的突破和下游应用场景的拓展。

欧美: 应用场景层面上，从80年代开始，由汽车、半导体等高端制造业的发展而开始发展;后续快速发展的消费电子成为机器视觉最为重要的应用场景: 各行各业对于生产制造的要求逐步提升也推动机器视觉在各行各业中逐步渗透。技术能力层面上，从早期基于模式匹配的2D逐步向以深度学习和3D视觉检测为代表的新技术发展。

中国:应用场景层面上，与我国制造业发展相匹配，最早应用在食品、印刷包装等场景中应用，后续快速发展的3C电子成为最为重要的应用场景，近年来随我国制造业的转型升级如半导体、汽车以及新兴产业的兴起如新能源逐步渗透更多的应用场景。技术层面上，从早期依赖海外的技术到逐步实现核心技术的自研，目前在部分领域中已经达到全球领先水平。

应用场景的拓展为机器视觉提供广阔市场空间，技术能力突破为机器视觉在更多场景应用落地奠定能力基础，二者是分析机器视觉发展历史、现状与前景的重要因素。

2.2.2 机器视觉发展史：成像、算法、算力、和应用是四大核心驱动力

成像、算法、算力、应用接力驱动机器视觉行业，AI算法的发展有望推动行业进入新时代。

每经历约十年，机器视觉技术与应用都会产生一次深刻变革，近年来，AI算法有望推动行业爆发式扩展。

2.3.1 产业角度：制造业转型升级持续推动机器视觉发展

机器视觉主要下游应用行业增速明显: 2021年，锂电池、新能源汽车、工业机器人与电子等行业的下游行业的增速较快，分别达到了181%、150%、65%、40%。数字化、智能化需求不断提升，下游应用场景稳步增长，需求有望释放。

工业企业技术改造意愿强烈:随我国制造业企业逐步向精细化、数字化、智能化方向发展，我国工业企业技术改造强烈，全国规上工业企业技术改造经费支出自2017年开始连续正增长，利好机器视觉设备在下游工业现场的渗透率增加我们认为，我国制造业的数智化转型升级将带动机器视觉应用场景的拓展和渗透率提升，为机器视觉提供有力支撑。

2.3.2 技术角度1：从2D到3D，技术能力和应用范围的提升

相较于2D机器视觉，3D机器视觉可以提供三维信息，从而实现更广泛、准确的检测与分析。

3D机器视觉可以完成许多2D机器视觉无法完成的任务。

以检测为例，下图零件表面有一划痕、边沿有凹陷。传统的2D机器视觉只能依靠表面图像颜色的不连续来判断是否缺陷，但此案例中，缺陷和零件表面反光颜色接近，判断难度很大。3D相机可以得到表面凹凸的深度信息，从而准确的判定划痕和边缘的凹陷。

3D机器视觉覆盖场景全面，市场空间广阔。

目前3D视觉技术在高精度检测、高精度测量(例如弯管、不规则件)、智能分栋、装配(引导机械臂在三维空间内避障和定位)、物流车导航等更多场景中实现了相较于2D机器视觉更为广泛的应用覆盖，具有广泛的市场空间，根据GGI1测算，中国工业3d视觉2021年市场规模11.51亿元。随着我国高端制造业的发展，国内3D视觉的应用需求仍将持续保持高增长势头，预计到2025年达到57.52亿的市场规模。