工业4.0时代，我国各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内机器视觉行业将迎来规模化快速发展黄金期。
随着机器视觉行业的发展，这也对机器视觉执行标准也提出了更高的要求。无论是工业互联网，还是智能制造、柔性制造等热门话题，其核心都在于生产流程的数字化以及智能化升级。
传统机器视觉在解决问题时，通常需要专业人才根据实际情况设计图像处理算法，对调试人员水平依赖性强，且稳定性差。而现如今深度学习已被广泛的运用在机器视觉领域，通过卷积运算，使用大量数据训练自动生成最适合产品的检测逻辑，做到了对传统算法检测能力的补充。
part1
机器视觉应用场景
测量应用
主要用于测量零部件以及各类产品的尺寸否合格。除了利用工业相机进行二维的尺寸测量外，目前可利用结构光、3d tof等技术实现三维尺寸测量。对产品的基本特征尺寸、装配效果、提供高精度监控。
视觉在测量上的应用，一方面减少了人力测量的需求，降低了人力成本；另一方面，视觉测量具有高精度的特性，误测误判的可能性极低。
图像识别
图像识别，简单讲就是使用机器视觉处理、分析和理解图像，识别各种各样的的对象和目标，功能非常强大。目前主要识别的内容有人、车辆等各类目标物。在工业领域对带有明确信息的标识，ocr、一维码、二维码等常有识别需求。
对明确信息的标识进行识别，有助于提高生产效率、降低生产成本。图像识别大多商用场景还属于蓝海，潜力有待开发。同时，图片数据大多被大型互联网企业所掌握，创业公司数据资源稀少。
定位应用
在工业应用中，利用机器视觉对部件或产品进行定位。这种定位应用多会辅助机器人或者其他执行机构以实现相关的动作。一般来说，定位可协助机器人实现喷漆、涂胶、抓取、焊接等动作。
物体分拣
在机器视觉应用环节中，物体分拣应用是建立在识别、检测之后的一个环节，通过机器视觉系统将图像进行处理，结合机械臂的使用实现产品分拣。
在过去的产线上，是用人工的方法将物料安放到注塑机里，再进行下一步工序。现在则是使用自动化设备分料，其中使用机器视觉系统进行产品图像抓取、图像分析、输出结果，再通过机器人把对应的物料放到固定的位置上，从而实现工业生产的智能化、现代化、自动化。
视频/监控分析
人工智能技术可以对结构化的人、车、物等视频内容信息进行快速检索、查询。这项应用使得让公安系统在繁杂的监控视频中搜寻到罪犯的有了可能。在大量人群流动的交通枢纽，该技术也被广泛用于人群分析、防控预警等。
食品包装与制药行业应用
机器视觉在食品包装领域适用范围广泛，可用于检测瓶子的分类和液位测量、标签、盖子、盒子的检查，以及瓶的形状、尺寸、密封性和完整性。食品包装是食品质量的重要保障，可以保护食品在流通过程中免受污染，提高品质，避免发生安全事故。
机器视觉在药品包装、质量检测及控制等多个方面有广大作为，助力医药行业加快现代化、智能化进程。目前，在数粒、打码、泡罩版缺粒、药品残缺和断片、加装说明书、编码识别等检测环节，机器视觉检测内容丰富、稳定、精确，满足医药行业包装线经常变包装产品的需求。
图像及视频编辑
目前市场上也出现了很多运用及机器学习算法对图像进行处理，可以实现对图片的自动修复、美化、变换效果等操作。并且越来越受到用户青睐。
汽车制造行业
汽车制造质量原先主要依靠三坐标测量完成，效率低、时间长、数据量严重不足，且只能离线测量。机器视觉引入非接触测量技术，逐步发展成固定式在线测量站与机器人柔性在线测量站等在线测量系统，可严格监控车身尺寸波动，提供数据支持。
机器视觉检测系统可以对产品进行制造工艺检测、自动化跟踪、追溯与控制等，包括通过光学字符识别(ocr)技术获取车身零件编码以保证零件在整个制造过程中的可追溯性，通过识别零件的存在或缺失以保证部件装配的完整性，以及通过视觉技术识别产品表面缺陷或加工工具是否存在缺陷以保证生产质量。
消费电子行业
机器视觉在消费电子领域，以pcb/fpc aoi检测、零部件及整机外观检测、装配引导等应用为主，并呈现出越来越多的新的应用场景。
在电路板从印刷装置中移下，或在清洗剂中清洗后，以及返修完成返回生产线中，机器视觉提供的在线视觉技术可以在实施印刷操作后直接发现存在的缺陷情况，保证了操作者在加上pcb以前能够及时处理有关问题。另外，发现缺陷时可以有效防止有缺陷的电路板送达生产线后端，从而避免出现返修或废弃现象。操作者能够及时得到反馈，明确处于操作中的印刷工艺操作是否良好，达到预防缺陷产生的目的，对生产效率和良率的提升至关重要。
无人驾驶
随着汽车的普及，汽车已经成为人工智能技术非常大的应用投放方向，但就目前来说，想要完全实现自动驾驶/无人驾驶，距离技术成熟还有一段路要走。不过利用人工智能技术，汽车的驾驶辅助的功能及应用越来越多，这些应用多半是基于计算机视觉和图像处理技术来实现。
part2
机器视觉典型厂商
全球市场中，康耐视(cognex)及基恩士(keyence)有着深厚的技术支撑，占据市场份额较大，属于行业内领先企业。近年来，国产化厂商凭借本土化的服务能力、强大的非标定制能力、以及中国制造的成本优势，已在光源、工业相机等领域实现了较高的国产化率，也诞生了多家细分领域的龙头公司。
凌云光：公司是可配置视觉系统、智能视觉装备与核心视觉器件的专业供应商。
矩子科技：国内机器视觉领域检测龙头，产品拥有自主知识产权和自主品牌。
天准科技：公司以机器视觉为核心技术，专注服务于工业领域客户，整体技术水平国内领先。
汉王科技：公司作为国内人工智能产业的先行者。
拓邦股份：公司是国内一流的智能控制控制器产品制造商。
光韵达：公司是国内领先的激光智能制造凯发k8官网下载的解决方案与服务提供商。
爱科科技：公司掌握了平面图像处理的视觉算法，深入探索了机器视觉技术在智能制造中的应用。
佳都科技：公司重点布局的机器视觉和智能大数据技术，为公司在智能轨道交通和智慧城市等领域的创新奠定基础。
万讯自控：公司的工业机器人3d视觉系统已成功应用于宝马、奥迪等汽车智能制造标杆企业。
远大智能：子公司高精度力控和视觉引导系统主要应用在工业机器人领域。
part3
机器视觉资本市场活跃度增加
2022年6月20日,国内知名的ai 3d 智能工业机器人凯发k8官网下载的解决方案提供商梅卡曼德宣布完成c 轮融资；2022年7月6日，凌云光技术股份有限公司在上交所a股科创板正式上市；2022年7月6日，国内领先的机器视觉核心部件供应商博视像元获近亿元天使轮融资；2022年7月7日，“奥比中光”在科创板挂牌上市；2022年7月25日，专注提供3d ai机器视觉成套凯发k8官网下载的解决方案“大帧科技”完成近千万元pre-a轮融资.....
如今，随着ai技术在工业领域的落地应用，越来越多的企业涌入，竞争也愈演愈烈，连华为也想来“分一杯羹”。眼下的机器视觉赛道，可谓是“神仙打架”。
另一方面，虽然机器视觉应用场景广阔，但我国机器视觉市场存在渗透率较低、部分场景国产水平较弱的痛点，尚处于早期阶段。总体上，机器视觉市场仍然鱼龙混杂，呈现“群魔乱舞”的局面。
part4
“三座大山”阻碍机器视觉推广
1.价格整体偏高
机器视觉产品主要分两类，第一种：相机起辅助作用，获取目标信号并反馈给机器人，由机器人执行预设动作；第二种机器主动介入机器人控制系统，通过获取到的目标位置，协助机器人完成动作。前一种产品价格一般在2-10万左右；后一种产品涉及到软件与硬件结合，价格一般在10-25万左右。对于终端用户来说，机器视觉产品整体价格偏高，不利于短期推广。
2.专业人才不足
在工业应用当中，不同行业之间的实际需求差异较大，需要机器视觉凯发k8官网下载的解决方案提供者对某一领域的工艺有足够深的了解，才能够提出切实有效，能够解决客户需求的方案。而机器视觉作为新兴行业，真正了解视觉技术又了解终端工艺段的人才稀少，人才不足在很大程度上限制了机器视觉的快速普及。
3.行业鱼龙混杂
由于机器视觉行业发展的异常火爆，丰厚利润驱使众多企业进入行业，导致行业发展出现了鱼龙混杂的情况，一定程度上扰乱了行业的正常发展。
part5
如何提高工业视觉企业竞争力
那么面对这种困境，整个行业企业应该如何提高自己的竞争力呢？
1.提高自主核心研发能力
工业视觉装备的主要利润集中于镜头、相机、图像传感器等核心零部件，目前国内工业机器视觉厂商的工业视觉装备大多选择日本、美国和欧洲的底层零部件。世界工业相机及镜头龙头企业巴斯勒和kowa净资产收益率(摊薄)均达到了30%左右，ccd图像传感器龙头柯达净资产收益率高达41%。
与底层核心硬件开发企业的盈利能力相比，接近工业应用的机器视觉厂商盈利能力略低，即便是机器视觉龙头企业基恩士，其净资产收益率也仅为14%。工业领域的另一家机器视觉巨头康耐视，其净资产收益率仅为1.5%。
对于企业而言，底层软硬件研发需要投入更多研发资源和成本，对于短期经营虽然不利，但从长期看，持续的研发投入有利于帮助企业在竞争中抢占市场先机，提高相关产品的市场占有率。
2.攻克上游核心零部件供应链
对于竞争日益激烈的中国市场，机器视觉厂商推出产品的速度加快，产品技术发展迅猛，这必然对竞争者提出了更高的要求，以往简单的模仿复制已不再可行，自己的技术和产品特色才是厂商们需要考虑和挖掘的重点。
相比于持续在集成应用端做重复性劳动，向上游核心零部件产品攻关是在日益激烈的市场竞争中取得优势的最佳选择。对于工业机器视觉系统而言，工业镜头和相机是核心零部件，拥有自主研发智能工业相机能力将是企业创新能力的重要体现。
3.兼顾传统与新兴应用市场
与其他自动化产品相比，机器视觉产品属于专业性非常高的产品，对多数用户而言可能较为陌生，提高了应用门槛。从行业应用来看，电子制造仍然是拉动需求的首位行业。
根据市场调研分析，目前工业机器视觉产品2/3被电子制造、汽车制造行业所占据，其余市场份额分布于食品、包装机械、印刷等行业，并且这些行业对机器视觉产品的需求仍然在大幅增长。从未来发展前景来看，食品、包装、机械等行业自动化水平会进一步提升，对机器视觉产品的需求值得期待。
面对激烈的市场竞争，企业必须快速形成自己的竞争优势，不断完善和升级产品，积极采取应对策略，壮大自身力量。
随着机器视觉行业的发展，这也对机器视觉执行标准也提出了更高的要求。无论是工业互联网，还是智能制造、柔性制造等热门话题，其核心都在于生产流程的数字化以及智能化升级。
传统机器视觉在解决问题时，通常需要专业人才根据实际情况设计图像处理算法，对调试人员水平依赖性强，且稳定性差。而现如今深度学习已被广泛的运用在机器视觉领域，通过卷积运算，使用大量数据训练自动生成最适合产品的检测逻辑，做到了对传统算法检测能力的补充。
part1
机器视觉应用场景
测量应用
主要用于测量零部件以及各类产品的尺寸否合格。除了利用工业相机进行二维的尺寸测量外，目前可利用结构光、3d tof等技术实现三维尺寸测量。对产品的基本特征尺寸、装配效果、提供高精度监控。
视觉在测量上的应用，一方面减少了人力测量的需求，降低了人力成本；另一方面，视觉测量具有高精度的特性，误测误判的可能性极低。
图像识别
图像识别，简单讲就是使用机器视觉处理、分析和理解图像，识别各种各样的的对象和目标，功能非常强大。目前主要识别的内容有人、车辆等各类目标物。在工业领域对带有明确信息的标识，ocr、一维码、二维码等常有识别需求。
对明确信息的标识进行识别，有助于提高生产效率、降低生产成本。图像识别大多商用场景还属于蓝海，潜力有待开发。同时，图片数据大多被大型互联网企业所掌握，创业公司数据资源稀少。
定位应用
在工业应用中，利用机器视觉对部件或产品进行定位。这种定位应用多会辅助机器人或者其他执行机构以实现相关的动作。一般来说，定位可协助机器人实现喷漆、涂胶、抓取、焊接等动作。
物体分拣
在机器视觉应用环节中，物体分拣应用是建立在识别、检测之后的一个环节，通过机器视觉系统将图像进行处理，结合机械臂的使用实现产品分拣。
在过去的产线上，是用人工的方法将物料安放到注塑机里，再进行下一步工序。现在则是使用自动化设备分料，其中使用机器视觉系统进行产品图像抓取、图像分析、输出结果，再通过机器人把对应的物料放到固定的位置上，从而实现工业生产的智能化、现代化、自动化。
视频/监控分析
人工智能技术可以对结构化的人、车、物等视频内容信息进行快速检索、查询。这项应用使得让公安系统在繁杂的监控视频中搜寻到罪犯的有了可能。在大量人群流动的交通枢纽，该技术也被广泛用于人群分析、防控预警等。
食品包装与制药行业应用
机器视觉在食品包装领域适用范围广泛，可用于检测瓶子的分类和液位测量、标签、盖子、盒子的检查，以及瓶的形状、尺寸、密封性和完整性。食品包装是食品质量的重要保障，可以保护食品在流通过程中免受污染，提高品质，避免发生安全事故。
机器视觉在药品包装、质量检测及控制等多个方面有广大作为，助力医药行业加快现代化、智能化进程。目前，在数粒、打码、泡罩版缺粒、药品残缺和断片、加装说明书、编码识别等检测环节，机器视觉检测内容丰富、稳定、精确，满足医药行业包装线经常变包装产品的需求。
图像及视频编辑
目前市场上也出现了很多运用及机器学习算法对图像进行处理，可以实现对图片的自动修复、美化、变换效果等操作。并且越来越受到用户青睐。
汽车制造行业
汽车制造质量原先主要依靠三坐标测量完成，效率低、时间长、数据量严重不足，且只能离线测量。机器视觉引入非接触测量技术，逐步发展成固定式在线测量站与机器人柔性在线测量站等在线测量系统，可严格监控车身尺寸波动，提供数据支持。
机器视觉检测系统可以对产品进行制造工艺检测、自动化跟踪、追溯与控制等，包括通过光学字符识别(ocr)技术获取车身零件编码以保证零件在整个制造过程中的可追溯性，通过识别零件的存在或缺失以保证部件装配的完整性，以及通过视觉技术识别产品表面缺陷或加工工具是否存在缺陷以保证生产质量。
消费电子行业
机器视觉在消费电子领域，以pcb/fpc aoi检测、零部件及整机外观检测、装配引导等应用为主，并呈现出越来越多的新的应用场景。
在电路板从印刷装置中移下，或在清洗剂中清洗后，以及返修完成返回生产线中，机器视觉提供的在线视觉技术可以在实施印刷操作后直接发现存在的缺陷情况，保证了操作者在加上pcb以前能够及时处理有关问题。另外，发现缺陷时可以有效防止有缺陷的电路板送达生产线后端，从而避免出现返修或废弃现象。操作者能够及时得到反馈，明确处于操作中的印刷工艺操作是否良好，达到预防缺陷产生的目的，对生产效率和良率的提升至关重要。
无人驾驶
随着汽车的普及，汽车已经成为人工智能技术非常大的应用投放方向，但就目前来说，想要完全实现自动驾驶/无人驾驶，距离技术成熟还有一段路要走。不过利用人工智能技术，汽车的驾驶辅助的功能及应用越来越多，这些应用多半是基于计算机视觉和图像处理技术来实现。
part2
机器视觉典型厂商
全球市场中，康耐视(cognex)及基恩士(keyence)有着深厚的技术支撑，占据市场份额较大，属于行业内领先企业。近年来，国产化厂商凭借本土化的服务能力、强大的非标定制能力、以及中国制造的成本优势，已在光源、工业相机等领域实现了较高的国产化率，也诞生了多家细分领域的龙头公司。
凌云光：公司是可配置视觉系统、智能视觉装备与核心视觉器件的专业供应商。
矩子科技：国内机器视觉领域检测龙头，产品拥有自主知识产权和自主品牌。
天准科技：公司以机器视觉为核心技术，专注服务于工业领域客户，整体技术水平国内领先。
汉王科技：公司作为国内人工智能产业的先行者。
拓邦股份：公司是国内一流的智能控制控制器产品制造商。
光韵达：公司是国内领先的激光智能制造凯发k8官网下载的解决方案与服务提供商。
爱科科技：公司掌握了平面图像处理的视觉算法，深入探索了机器视觉技术在智能制造中的应用。
佳都科技：公司重点布局的机器视觉和智能大数据技术，为公司在智能轨道交通和智慧城市等领域的创新奠定基础。
万讯自控：公司的工业机器人3d视觉系统已成功应用于宝马、奥迪等汽车智能制造标杆企业。
远大智能：子公司高精度力控和视觉引导系统主要应用在工业机器人领域。
part3
机器视觉资本市场活跃度增加
2022年6月20日,国内知名的ai 3d 智能工业机器人凯发k8官网下载的解决方案提供商梅卡曼德宣布完成c 轮融资；2022年7月6日，凌云光技术股份有限公司在上交所a股科创板正式上市；2022年7月6日，国内领先的机器视觉核心部件供应商博视像元获近亿元天使轮融资；2022年7月7日，“奥比中光”在科创板挂牌上市；2022年7月25日，专注提供3d ai机器视觉成套凯发k8官网下载的解决方案“大帧科技”完成近千万元pre-a轮融资.....
如今，随着ai技术在工业领域的落地应用，越来越多的企业涌入，竞争也愈演愈烈，连华为也想来“分一杯羹”。眼下的机器视觉赛道，可谓是“神仙打架”。
另一方面，虽然机器视觉应用场景广阔，但我国机器视觉市场存在渗透率较低、部分场景国产水平较弱的痛点，尚处于早期阶段。总体上，机器视觉市场仍然鱼龙混杂，呈现“群魔乱舞”的局面。
part4
“三座大山”阻碍机器视觉推广
1.价格整体偏高
机器视觉产品主要分两类，第一种：相机起辅助作用，获取目标信号并反馈给机器人，由机器人执行预设动作；第二种机器主动介入机器人控制系统，通过获取到的目标位置，协助机器人完成动作。前一种产品价格一般在2-10万左右；后一种产品涉及到软件与硬件结合，价格一般在10-25万左右。对于终端用户来说，机器视觉产品整体价格偏高，不利于短期推广。
2.专业人才不足
在工业应用当中，不同行业之间的实际需求差异较大，需要机器视觉凯发k8官网下载的解决方案提供者对某一领域的工艺有足够深的了解，才能够提出切实有效，能够解决客户需求的方案。而机器视觉作为新兴行业，真正了解视觉技术又了解终端工艺段的人才稀少，人才不足在很大程度上限制了机器视觉的快速普及。
3.行业鱼龙混杂
由于机器视觉行业发展的异常火爆，丰厚利润驱使众多企业进入行业，导致行业发展出现了鱼龙混杂的情况，一定程度上扰乱了行业的正常发展。
part5
如何提高工业视觉企业竞争力
那么面对这种困境，整个行业企业应该如何提高自己的竞争力呢？
1.提高自主核心研发能力
工业视觉装备的主要利润集中于镜头、相机、图像传感器等核心零部件，目前国内工业机器视觉厂商的工业视觉装备大多选择日本、美国和欧洲的底层零部件。世界工业相机及镜头龙头企业巴斯勒和kowa净资产收益率(摊薄)均达到了30%左右，ccd图像传感器龙头柯达净资产收益率高达41%。
与底层核心硬件开发企业的盈利能力相比，接近工业应用的机器视觉厂商盈利能力略低，即便是机器视觉龙头企业基恩士，其净资产收益率也仅为14%。工业领域的另一家机器视觉巨头康耐视，其净资产收益率仅为1.5%。
对于企业而言，底层软硬件研发需要投入更多研发资源和成本，对于短期经营虽然不利，但从长期看，持续的研发投入有利于帮助企业在竞争中抢占市场先机，提高相关产品的市场占有率。
2.攻克上游核心零部件供应链
对于竞争日益激烈的中国市场，机器视觉厂商推出产品的速度加快，产品技术发展迅猛，这必然对竞争者提出了更高的要求，以往简单的模仿复制已不再可行，自己的技术和产品特色才是厂商们需要考虑和挖掘的重点。
相比于持续在集成应用端做重复性劳动，向上游核心零部件产品攻关是在日益激烈的市场竞争中取得优势的最佳选择。对于工业机器视觉系统而言，工业镜头和相机是核心零部件，拥有自主研发智能工业相机能力将是企业创新能力的重要体现。
3.兼顾传统与新兴应用市场
与其他自动化产品相比，机器视觉产品属于专业性非常高的产品，对多数用户而言可能较为陌生，提高了应用门槛。从行业应用来看，电子制造仍然是拉动需求的首位行业。
根据市场调研分析，目前工业机器视觉产品2/3被电子制造、汽车制造行业所占据，其余市场份额分布于食品、包装机械、印刷等行业，并且这些行业对机器视觉产品的需求仍然在大幅增长。从未来发展前景来看，食品、包装、机械等行业自动化水平会进一步提升，对机器视觉产品的需求值得期待。
面对激烈的市场竞争，企业必须快速形成自己的竞争优势，不断完善和升级产品，积极采取应对策略，壮大自身力量。
责任编辑：
关键词阅读
相关资料
