機器視覺基本組成

根據(jù)美國自動成像協(xié)會（AIA）的定義，機器視覺（Machine Vision）是一種應(yīng)用于工業(yè)和 非工業(yè)領(lǐng)域的硬件和軟件組合，它基于捕獲并處理的圖像為設(shè)備執(zhí)行其功能提供操作指導(dǎo)。機器視覺可以分為成像和圖像處理分析兩大部分。前者依靠機器視覺系統(tǒng)的硬件部分完成， 后者在前者基礎(chǔ)上，通過視覺控制系統(tǒng)完成。

如典型的機器視覺系統(tǒng)包括光源及光源控制器、鏡頭、相機、視覺控制系統(tǒng)等部件，其中 光源及光源控制器、鏡頭、相機等硬件部分負責(zé)成像，視覺控制系統(tǒng)負責(zé)對成像結(jié)果進行 處理分析和輸出。

機器視覺主要功能

新機器視覺主要功能可分為識別、測量、定位及檢測（難度遞增），通過機器代替人工進 行測量與判斷，將圖像處理應(yīng)用于工業(yè)自動化領(lǐng)域中。識別是基于目標物特征，如外形、顏色等進行甄別；測量是將獲取的圖像像素信息標定成 常用度量衡單位，再在圖像中精確計算目標物的幾何尺寸；定位則是獲得目標物關(guān)于二維 或三維的位置信息；檢測難度最高，主要指外觀檢測，對產(chǎn)品裝備后的完整性檢測、外觀 缺陷檢測等。

機器視覺行業(yè)規(guī)模不斷擴大

機器視覺市場規(guī)模有望進一步突破。隨著機器視覺技術(shù)水平提高，機器視覺下游應(yīng)用不斷 發(fā)展，消費電子市場、汽車市場、半導(dǎo)體市場、醫(yī)療市場等行業(yè)工業(yè)自動化水平逐步提升， 機器視覺的市場規(guī)模也將持續(xù)擴大。根據(jù)Markets and Markets預(yù)測數(shù)據(jù)，全球機器視覺市場規(guī)模將由2018年的589.60億元上升至 2023年的900.48億元。國內(nèi)廠商配套不斷完善，技術(shù)進一步積累，預(yù)計到2023年我國機器視覺 市場規(guī)模將達到225.56億元。

國產(chǎn)機器視覺廠商逐步崛起

國內(nèi)機器視覺經(jīng)過三十年快速發(fā)展，已逐步縮小與國際領(lǐng)先廠商的差距。國產(chǎn)機器 視覺企業(yè)憑借優(yōu)質(zhì)的產(chǎn)品設(shè)計、工藝水平和質(zhì)量控制經(jīng)驗，逐漸實現(xiàn)進口替代。國內(nèi)機器視覺市場銷售額占比逐年提升，從2018年的44.0%提升至2022年的60.0%， 預(yù)計2023年將達到63.0%。

機器視覺應(yīng)用場景延伸：從標準化到非標準化

伴隨AI技術(shù)發(fā)展，機器視覺亦取得了底層技術(shù)的突破。過去主要應(yīng)用于標準化檢測場 景，如消費電子、汽車和半導(dǎo)體等是當前機器視覺最主要的應(yīng)用領(lǐng)域，整體呈現(xiàn)出自 動化、標準化程度高的特點。 隨著算法的不斷升級機器視覺的性能優(yōu)勢將進一步加大，應(yīng)用場景也將持續(xù)擴展，從 標準化領(lǐng)域拓展到非標準化應(yīng)用。

行業(yè)發(fā)展核心驅(qū)動力

核心驅(qū)動力：AI技術(shù)發(fā)展提供更好的深度學(xué)習(xí)算法

過去機器視覺主要應(yīng)用于標準化檢測場景，但伴隨對檢測環(huán)境及技術(shù)等要求高，檢測需求 持續(xù)激增，非標準化場景對機器視覺的影響日益提升。為了提高非標場景檢測精度，需要 面臨難點包括：數(shù)據(jù)質(zhì)量和標注、復(fù)雜和多變的環(huán)境、特征學(xué)習(xí)和識別、實時性和計算資 源、模型泛化能力等難點。 伴隨AI技術(shù)發(fā)展，如SAM模型等的出現(xiàn)，上述難點持續(xù)不斷被解決攻克，助力機器視覺在 非標準化場景應(yīng)用發(fā)展。

SAM模型發(fā)布，有望推進機器視覺迎來底層技術(shù)突破

機器視覺領(lǐng)域在AI加持下迎來底層技術(shù)突破。近日，Meta發(fā)布了首個圖像分割基礎(chǔ)模型 SAM（Segment Anything Model，分割一切），其底層以NLP模型的通用方式解決圖像分割和 識別問題。該可應(yīng)用于各種領(lǐng)域，用于查找和分割圖像中的任何對象。分割技術(shù)是圖像處理 的底層技術(shù)，Meta以NLP的通用模型，極大地降低了圖像處理的門檻，是機器視覺領(lǐng)域的 底層突破性技術(shù)。

在AI加持下，機器視覺行業(yè)有望迎來空前發(fā)展機會。機器視覺產(chǎn)業(yè)在AI加持下，迎來了底層 技術(shù)的突破。從算法、技術(shù)到應(yīng)用，AI技術(shù)極大程度賦能機器視覺在圖像模型上的智能化應(yīng) 用，優(yōu)化了圖像識別的復(fù)雜度及精度，實現(xiàn)萬物識別。

過去應(yīng)用：標準化應(yīng)用場景

機器視覺已廣泛應(yīng)用于消費電子、汽車制造、半導(dǎo)體、光伏等標準化領(lǐng)域。在標準化的工 業(yè)環(huán)境中，機器視覺主要運用于產(chǎn)品質(zhì)量檢測、裝配檢測和包裝檢測等環(huán)節(jié)。這些環(huán)節(jié)的 檢測任務(wù)具有高度的規(guī)律性和標準化，因此，常常采用模式匹配、特征識別等技術(shù)，根據(jù) 預(yù)設(shè)的規(guī)則進行決策。

下游傳統(tǒng)行業(yè)應(yīng)用: 3C消費電子

整體來看，在3C電子行業(yè)，元器件、部件和成品的制作各環(huán)節(jié)都需要機器視覺的協(xié)助， 其中70%的機器視覺產(chǎn)品用于檢測環(huán)節(jié)，由于技術(shù)工藝的高要求，3C電子行業(yè)設(shè)備制 造對機器視覺技術(shù)存在剛性需求。

下游傳統(tǒng)行業(yè)應(yīng)用:動力電池

從市場端來看，國內(nèi)頭部電池企業(yè)一般采用分段招標方式引入機器視覺供應(yīng)商，機器視 覺在鋰電池各環(huán)節(jié)生產(chǎn)過程中滲透率逐漸提升。同時，機器視覺與鋰電設(shè)備整線融合的 趨勢也日漸凸顯。由于動力電池的安全性要求，過去離線式抽檢已無法滿足要求，正快 速被在線式全檢替代。在模組和PACK段：以視覺檢測裝備為主，主要應(yīng)用于底部藍膠檢測、BUSBAR焊縫檢 測、側(cè)焊縫檢測、模組全尺寸檢測、PACK檢測等。

未來發(fā)展：從標準化應(yīng)用拓展到非標準化應(yīng)用

隨著AI賦能以及深度學(xué)習(xí)算法的快速發(fā)展，機器視覺不僅可以用于傳統(tǒng)標準化檢測，也 向著許多非標準化場景的新興領(lǐng)域橫向擴張。隨著行業(yè)進步與技術(shù)發(fā)展，2D視覺向3D 視覺邁進，由此拓展出更多的新領(lǐng)域，如機械臂引導(dǎo)、AGV導(dǎo)航等。機器視覺將逐步切入過去未曾涉足的領(lǐng)域，如物流、醫(yī)療、安防、農(nóng)業(yè)等非工業(yè)場景。

非標準化應(yīng)用場景1：煤礦矸石檢測

非標準化場景：煤炭開采中混合大量矸石，增加入洗成本，且矸石燃燒利用率低。人工 手動分選原煤、矸石效率低、成本高、環(huán)境惡劣用工難。機器視覺技術(shù) + 機器人代替人工作業(yè)：采用深度學(xué)習(xí)技術(shù)與3D 技術(shù)，實現(xiàn)機械手自動選 矸的智能設(shè)備。借助視覺對煤和矸石進行數(shù)據(jù)特征采集，利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)對煤和矸 石進行深度學(xué)習(xí)的標注、訓(xùn)練，利用獲取的訓(xùn)練模型來識別煤和矸石。采用先進的六自由 度機械手模擬人工抓取，利用 PLC 技術(shù)精確控制信號達到最終整個系統(tǒng)的流程控制。

非標準化應(yīng)用場景2：AI在檳榔檢測中的應(yīng)用

目前通過機器視覺+深度學(xué)習(xí)實現(xiàn)檳榔在檢測尺寸的基礎(chǔ)上突破，光頭精準分類達97% 以上。在視覺系統(tǒng)下，在保護檳榔的完好性下檢測檳榔的尺寸，同時能檢測檳榔是否光 皮，檢測分類精準度高達97%，完全達到企業(yè)采用機器視覺進行檳榔尺寸分類和外觀視 覺檢測的所有需求，無須人工進行多次分級，為企業(yè)省人工、降低成本、把控品質(zhì)。

人力成本上升，“機器代人”成為必然趨勢

隨著我國經(jīng)濟發(fā)展水平提升以及人口結(jié)構(gòu)的轉(zhuǎn)變，制造業(yè)職工平均工資呈趨勢性上漲。我國 人口紅利正逐漸消失，從事制造業(yè)的人口在2014年-2021年持續(xù)下降，由5243萬人下降至3828萬 人，且基本每年都為負增長。隨著技術(shù)不斷的升級和成熟，以工業(yè)機器人為代表的自動化設(shè)備 成本不斷下降，二者形成的成本“剪刀差”增大了制造行業(yè)對自動化設(shè)備的需求，制造業(yè)“機 器代人”是必然趨勢。

人工成本上漲倒逼產(chǎn)業(yè)升級，機器替人是人口紅利后的必然選擇。對標發(fā)達國家的發(fā)展經(jīng) 歷，中國經(jīng)濟不斷發(fā)展，人口結(jié)構(gòu)發(fā)生改變?yōu)楸亟?jīng)之路。而人口結(jié)構(gòu)的改變意味著人工成本 的上升，人口紅利逐漸減弱，制造業(yè)從業(yè)人員不斷下降，此大環(huán)境下將使制造業(yè)自動化水平 不斷提高推進，機器代替人工已成為現(xiàn)代制造業(yè)必須完成的轉(zhuǎn)型。

行業(yè)發(fā)展的潛在細分市場

機器視覺行業(yè)格局

在全球機器視覺市場中，以基恩士、康耐視及巴斯勒為代表的企業(yè)占據(jù)全球超過50%的市場 份額，憑借先發(fā)優(yōu)勢及多年來的技術(shù)研發(fā)積累取得市場領(lǐng)先。雖然國內(nèi)機器視覺行業(yè)起步較晚，早期國際廠商占有較大份額，但伴隨技術(shù)發(fā)展，國內(nèi)機器 視覺力量正在快速崛起，如國內(nèi)機器視覺廠商經(jīng)過多年發(fā)展規(guī)模不斷成長，國產(chǎn)份額亦在持 續(xù)不斷提升。

機器視覺產(chǎn)業(yè)鏈細分市場

機器視覺廠商分為三大類：1）核心零部件供應(yīng)商，目前龍頭公司集中在歐美、日本和美國，且呈現(xiàn)龍頭聯(lián)合研發(fā)的趨勢；2）軟件及 AI 服務(wù)商，以集成通用算法軟件開發(fā)包和 AI 加速平臺服務(wù)商為主，幾乎來自海外龍頭公司；3）視覺系統(tǒng)及解決方案集成商，我國本土的機器視覺企業(yè)大多屬這一類，以工業(yè)自動化非標設(shè) 備及方案為主要業(yè)務(wù)。

機器視覺各核心零部件占比

機器視覺上游零部件成本占比較高，是機器視覺的核心部分。關(guān)鍵零部件和軟件系統(tǒng)約 占工業(yè)機器視覺產(chǎn)品總成本的80%。其中光源、工業(yè)相機、底層軟件算法等技術(shù)壁壘及利 潤率水平較高，因此對機器視覺上游環(huán)節(jié)的掌握是目前市場競爭的關(guān)鍵，亦是體現(xiàn)機器視 覺核心競爭力的重要環(huán)節(jié) 。

機器視覺上游核心零部件壁壘

上游零部件主要包括光源、鏡頭、相機、傳感器、圖像采集卡等。目前光源已基本實現(xiàn) 國產(chǎn)替代，集成商的技術(shù)水平目前基本追趕上國外先進企業(yè)，但伴隨技術(shù)發(fā)展，光源高 端化趨勢亦非常明確，對光源及打光方案亦提出了更高要求。而其他零部件如工業(yè)鏡頭、 工業(yè)相機及軟件則仍以海外品牌為主，優(yōu)勢較為明顯。

上游技術(shù)壁壘：3D傳感視覺技術(shù)

3D 視覺感知技術(shù)即將迎來發(fā)展期。根據(jù)Yole的數(shù)據(jù)顯示，2025年全球 3D 成像和傳感器 市場將達到 150億美元，2019到2025年CAGR將達到20%。其中，2025E年預(yù)測消費電子 行業(yè)中3D成像及傳感器市場將達到81.65億美元，占比 54%。3D視覺傳感器正不斷拓展 潛在的細分領(lǐng)域應(yīng)用，持續(xù)打開應(yīng)用空間。 3D視覺傳感器是由深度引擎芯片、深度引擎算法、通用或?qū)Ｓ酶泄庑酒?、專?a href="http://m.hljzzgx.com/v/tag/4854/" target="_blank">光學(xué)系統(tǒng)、 驅(qū)動及固件等組成的精密光學(xué)測量系統(tǒng)，可以采集并輸出“人體、物體和空間”的三維 矢量信息。其核心技術(shù)主要包括六個環(huán)節(jié)：系統(tǒng)設(shè)計、芯片設(shè)計、算法研發(fā)、光學(xué)設(shè)計、 軟件開發(fā)、量產(chǎn)技術(shù)。

中游技術(shù)壁壘：視覺成套系統(tǒng)

視覺檢測系統(tǒng)大多用在工業(yè)現(xiàn)場及工業(yè)生產(chǎn)線中，對于在線實時檢測，如何將視覺測量 系統(tǒng)嵌入到生產(chǎn)線相應(yīng)的工序中，使測量速度與生產(chǎn)線節(jié)拍相一致，是視覺測量走上在線 應(yīng)用的關(guān)鍵難點。視覺檢測系統(tǒng)分析數(shù)據(jù)獲取的精確性也是其需要解決的技術(shù)難點，其精確性主要由工件 位置的一致性、打光的穩(wěn)定性、物體的運動速度、高精度測量的標定、軟件的測量精度五個方面決定。

奧普特—國內(nèi)機器視覺核心零部件龍頭供應(yīng)商

奧普特成立于2006年，以機器視覺零部件光源起家，發(fā)展至今已成為機器視覺應(yīng)用技術(shù) 領(lǐng)先供應(yīng)商，公司產(chǎn)品線基本覆蓋機器視覺核心部件，產(chǎn)品覆蓋光源、光源控制器、鏡 頭、視覺控制系統(tǒng)等機器視覺核心部件。公司產(chǎn)品和解決方案目前已全面應(yīng)用于20多個國 家和地區(qū)，并在全球范圍內(nèi)設(shè)立超過30個服務(wù)網(wǎng)點，服務(wù)超過15000家客戶，其中包括蘋 果、華為、谷歌等知名企業(yè)。

奧普特是 國內(nèi)較早進入機器視覺領(lǐng)域的企業(yè)，伴隨行業(yè)的發(fā)展，公司近年來業(yè)績亦不斷 上漲，2022年公司實現(xiàn)營業(yè)收入11.41億元，同比增長30.39%；實現(xiàn)歸母凈利潤3.25億元， 同比增長7.26%。2023年第一季度實現(xiàn)收入2.51億元，同比增長14.73%；實現(xiàn)歸母凈利潤 0.66億元，同比增長3.81%。未來伴隨機器視覺行業(yè)非標準化應(yīng)用場景進一步延伸，公司有望持續(xù)拓展應(yīng)用空間，業(yè) 績亦有望實現(xiàn)快速提升。