一、机器视觉：5G工业时代，智能制造的关键

机器视觉是通过光学装置和非接触式的传感器，自动地接受和处理一个真实物体的图像，以获得所需信息或 用于控制机器人运动的装置。

工业视觉具备极强的机器特性，如极高的速度、精度、重复性等，这些特性成为工业机器视觉 产品的重要参数。

与此同时，工业机器视觉拥有采集大量现场数据的能力，数据是驱动行业快速迭代、获取信息 的重要来源，这也将成为工业机器视觉未来的巨大可能。

5G赋能机器视觉长远发展，开启工业互联重要纪元：

工业机器视觉是工业生产环境中的重要一环，而5G为工业机器视觉的规模化提供了网络基础，最终促进整个 工业互联网的搭建

2019年机器视觉已至65亿规模，未来将高速发展

根据德勤《中国人工智能白皮书》，全球 人工智能市场规模已高达6800亿美元，其 中中国市场的规模为710亿美元。根据赛迪顾问数据，至2020年，中国智能 40制造装备市场预计可达2万亿元。

GGII数据显示，2019年中国机器视觉市场规模65.50亿元(该数据 未包含计算机视觉市场规模)，同比增长21.77%。2014-2019年复 合增长率为28.36%。GGII预测，到2023年中国机器视觉市场规模将达到155.6亿元。

二、 上游产业链总结:硬件国产化步伐加快，软件仍待耕耘

因海外市场发展较早，上游零部件产业基本仍由海外企业占据，中国企业经过近 年的发展奋起直追，有望从技术壁垒相对较低的光源、工业相机逐步突破，把握 国产替代的潮流，通过高性价比占据市场。

而镜头由于涉及多领域多学科技术，制作工序复杂，对精密仪器要求极高，初期 投入大，国际市场仍由老牌厂商牢牢把持。国内企业目前以高性价比的优势与国 际厂商竞争，随着行业的发展以及技术的积累与迭代，长远来看国内厂商有望取 得一席之地。

集中化(智能相机)是上游零部件的技术发展趋势之一:

光源、镜头、工业相机、图像处理软件等零部件的组合为传统基于PC的工业视觉系统。近年来随着嵌入式技术的发展，智能相机作为相对完成的解决方案逐步得到关注。智能相机是高度集成化的微小型机器视觉系统，成品已将图像采集、图像处理单元及软件、网络通信集成在单一相机内。

智能相机的成本低、通用性和易用性较强，但精度、速度和复杂运算的能力都远远不如传统系统，因此尤其适用于对价格敏感的中小民营企业。

三、下游应用领域不断拓展，工业机器视觉大有可为

电子、汽车、食品、制药为目前机器视觉应用的四大场景：

汽车智能化促进机器视觉的应用:在汽车制造领域， 新能源和智能汽车中的电 子零部件的成本占比将会 达到整车的一半以上，大 量的传感器、通信(GPS、 DSRC、 4G/5G)、摄像 头、监控、检测、娱乐系统将会被装载在汽车之上。 汽车产业链对生产精度、 智能化的要求均不断提高。

电子产品迭代促进机器视觉的应用:随着高世代面板生产线的相继投产，平板显示器件向智能化、大尺寸化、轻薄化、可触控化、高解析度、柔性面板、自发光、高迁移速率和低功耗等方向发展已在行业内达成共识。

半导体产业进步与国产替代共同促进机器视觉的发展:在半导体制造领域， 国内集成电路新工艺节点 的技术突破以及 5G 技术的落地带来国内半导体行 业的新一轮景气繁荣。同 时，各半导体厂商对设备 国产化的动力持续提升， 为中国机器视觉企业带来 机会。

新兴领域的横向扩张: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;与此同时，技术的基本将加深 机器视觉在汽车、消费电子、 半导体等工业领域的渗透率。

四、工业机器视觉未来趋势预测

工业机器视觉的行业受到技术、下游产业、社会结构共同驱动

机器视觉的产生顺应工业自动化的发展，天生具备机器高精度、高速度的特征，在特殊应用领域如面板生产、半导体，机器视觉有不可取代的作用，并非只是单纯的“降本增效”。

下游产业不断纵向迭代(如汽车的智能化、面板领域的屏幕迭代)、横向扩张(如半导体、新能 源、工业机器人等)，对机器视觉的需求愈发巨大。

过去国内的低廉劳动力充足，而目前中国的老龄化程度相当于日本的 90 年代，逐渐迈入老龄化的过程，人口结构的变化导致劳动力成本的上升，将迫使企业不断加大在自动化、智能化的投入。

全球制造业逐步向中国转移，带动中国机器视觉由硬件至软件的全面发展，上游零部件中光源、工业相 机最先逐步国产化，镜头、图像底层软件有其存活的空间。国内方案商具备更多服务头部客户的机会

国外仍占据高端客户，中国企业或会出现三种情况:

在高端领域，国内的龙头企业会与康耐视、基恩士等正面交锋，在技术追赶后通过高性价比逐步稳固行业份额。

在中小企业或非标品的需求中，国内企业具备高性价比、本地服务的优势，但因产品、模式难以复制，存在无法大规模扩张的风险。

随着深度学习、3D视觉技术等新技术的发展，中国企业存在在新技术上弯道超车的机会。

技术趋势：

传感端:部分应用场景由基于PC的传统系统转向集成度高的智能相机

智能相机是传统基于PC系统的集合体，有集成度高、成本低、运用灵活的特性，目前机器视觉方案商、 工业相机的生产商、自动化设备生产商都正研发或已推出智能相机产品

传感端:由2D视觉逐步迈入3D视觉:

3D视觉有助于拓宽2D视觉无法触及的领域，拉高行业的整体天花板:相较于2D视觉，3D视觉可以更好地进行多传感器融合，检测快速移动目标并获得形状、对比度、空间坐标信息等深度信息，应用领域远 多于2D视觉;国际巨头与国内上市公司都已将3D视觉作为未来重要的研发方向之一，一级市场的相关投 融资愈发活跃。根据MarketsandMarkets的研究，全球3D视觉传感器市场将在2025年达到100亿美元， 实现27.6%的年复合增长。

算法端:由传统的机器学习进入深度学习阶段:

深度学习将机器视觉的效率和鲁棒性与人类视觉的灵活性结合，能完成更复杂的环境中的检测:对于随 机出现的复杂外观检测，传统的机器学习无法保障其稳定性，而深度学习是对传统机器学习算法的颠覆。 深度学习将融入智能相机、3D视觉之中。康耐视已在2020年4月推出集成了深度学习功能的工业智能相 机 In-Sight D900。

网络端:万物互联互通，工业互联的未来:

机器视觉作为智能制造的大脑和眼睛，是工业互联网边缘层的重要数据入口:工业互联的趋势要求生产 控制系统集成到上层的制造管理系统，并最终接入企业管理系统，实现信息从生产现场到管理层的贯通， 行业内的企业、 行业协会、 产业联盟在机器视觉互联互通方面，正在不断合作和投入，制定数据接口、 通讯协议等基础共性标准。