发布时间： 2021-11-29 10:18:30来源：深圳市光学光电子行业协会
上个世纪八十年代，机器视觉研究的热潮席卷全球，并出现了一些基于机器视觉的应用系统。经过数十年的发展，机器视觉在工业领域已经得到了极为广泛的应用。但伴随着智能化、数字化的发展，机器视觉的应用场景“破圈”——越来越多的消费产品需要借助机器视觉来进行升级，成为新的应用蓝海。
机器视觉——为机器植入“眼睛”和“大脑
机器视觉的本质是为机器植入“眼睛”和“大脑”。为机器植入眼睛，代表着机器视觉利用环境和物体对光的反射来获取及感知信息；为机器植入大脑，意味着机器视觉需要对信息进行智能处理与分析，并应用分析得到的结果来执行相应的活动。
（1）机器视觉产业全貌
机器视觉行业的上游包括相机、镜头、光源等硬件及算法软件。相机是包含完整的机器视觉组成功能模块（光源可自带或借用外部光源），能独立完成机器视觉信息处理的全流程，为系统输出有效信息；镜头是机器视觉图像采集部分重要的成像部件，其作用是把被摄物体成像于摄像机内的感光元件上；
光源对于机器视觉中的图像采集部分具有重要影响，为场景提供合适的照明，突出目标的图像特征并与背景图像分离；机器视觉算法与软件紧密结合，软件平台是实现机器视觉算法的载体，使机器视觉在处理数据量和实时检测效率性能上不断地突破，匹配工业智能发展的需求；AI算法作为常见的智能算法，逐步应用于机器视觉系统中，能够有效地提高智能水平。软件与算法平台与视觉硬件相辅相成，助力可配置视觉系统、智能视觉装备实现相应的功能。机器视觉行业的中游为视觉系统与智能装备。视觉系统包含独立完整的成像单元（光源、镜头、相机）和相应的算法软件，集图像采集、处理与通信功能于一身，可以灵活地进行配置和控制，适应各种复杂的应用，具有多功能、模块化、高可靠性等特点。
智能装备以机器视觉的感知能力和分析决策能力为核心，在视觉系统的基础上加入了自动化和智能化的功能，将设计、生产、检测过程集成闭环，可实现多种功能。机器视觉行业的下游为各行业集成应用和服务。下游应用行业的发展决定了机器视觉装备及服务的市场需求量，目前下游应用领域以电子制造为主，其次为汽车、医药、印刷包装等领域。下游产业丰富多样，集成服务更加有的放矢，面向应用市场才能更加蓬勃。
图1 机器视觉产业图谱
（2）机器视觉系统的典型特性
首先，机器视觉算法与软件是机器视觉产业的核心。基于软件和算法，通过对图像处理与分析，可实现对被测物的识别、定位、测量、检测。机器视觉面向海量纷繁复杂的应用，只有性能优越、算法完备、运行效率高，同时又具备通用性、易用性、组态化的软件，才是一款可实用的机器视觉算法与软件。
其次，精准成像是机器视觉成功的关键。精准成像，是指综合应用视觉器件、光路组合、计算资源和环境等因素，灵活构建光学系统，获得目标需求特征的成像。如何在方案成本、光路复杂程度之间实现平衡，最大化地实现成像效果，是各家机器视觉厂商需要解决的核心问题，只有在机器视觉行业内具有深厚经验的厂商，才能真正地构建出符合用户需要的解决方案。
此外，机器视觉在低成本条件下追求可靠性和易用性。机器视觉多应用于工业环境，机器需要7×24小时运转，要求具备高可靠性。同时，机器视觉使用者包括不同知识层次的管理者和工人，需要具备极高的易用性以方便使用者迅速掌握和使用。
全球视角下的机器视觉市场
（1）从应用驱动到算法驱动
机器视觉的发展史可追溯至20世纪60年代末，每经历十年其技术与应用都会产生一次深刻变革和飞速发展。国外机器视觉的发展历程如图所示：
1969年至1979年，在成像传感器诞生的驱动下，机器视觉进入产业萌芽期。此时受制于半导体工艺成熟度和成本等因素，机器视觉只在高端的科学研究和航天、军工项目中才有少量初级应用，尚未形成完整的概念。1980年至1989年，在应用的驱动下，机器视觉进入起步期，机器视觉的概念首次在产业界被提及，但未形成精准的定义。1990年至1999年，在应用的进一步驱动下，机器视觉产业进入成长波动期。2000年至2009年，在应用和算力的共同驱动下，机器视觉进入产业发展早期。2010年至2020年，AI算法的发展推动机器视觉进入发展中期。随着机器视觉应用的爆发式扩展，预计2020年后机器视觉将迎来高速发展期。
（2）全球市场2020年达692亿元
图3 全球机器视觉器件市场规模
机器视觉以视觉器件、可配置视觉系统和智能视觉装备等形态服务各产业应用，已经被广泛应用于新型显示、消费电子、印刷包装、新能源等众多行业，成为这些行业必不可少的数字化和智能化变革的支撑。
中国视角下的机器视觉市场
（1）发展起步晚，应用驱动产业进一步完善
与国外机器视觉的发展历程相比，我国的机器视觉产业起步较晚，1995年才开始有初步应用。我国机器视觉发展历程可基本分为以下四个阶段：
图4 中国机器视觉的发展历程
20世纪70年代后，中国机器视觉市场由国防军工应用率先推动。1995年至1999年，在国外技术发展引领下，我国机器视觉进入了萌芽期，在航空、航天、军工及高端科研等行业开始应用，但主要依赖进口。2000年至2008年，在行业应用和算力的双轮驱动下，我国机器视觉进入了起步期。中国机器视觉企业通过技术引进，快速掌握了国外机器视觉企业的先进经验，利用进口视觉器件在各应用领域进行系统集成和智能设备研发。2009年是我国机器视觉产业发展划时代的一年，以苹果手机加工制造为核心的消费电子制造产业进入100 μm高精度时代，迫切需要使用机器替代人工以保障产品的加工精度。苹果手机加工制造的应用需求直接推动了我国机器视觉产业进入发展初期，我国机器视觉系统和设备的研发、应用开始提速，同时在市场驱动下，机器视觉企业开始进行芯片、相机、光源等核心部件的研发，机器视觉器件市场逐步形成中低端逐步国产化、中高端依赖进口的局面。
2016年至2020年，AI算法的发展使我国机器视觉进入发展中期，机器视觉应用领域更为广泛，核心器件、系统、设备的国产化率进一步提高。2020年后，在下游需求的带动下，预计机器视觉将迎来高速发展期。
（2）中国市场销售额可达144亿元
图5 中国机器视觉市场规模
（来源：中国机器视觉产业联盟，依据2020年中国机器视觉产业联盟企业调查，包括133家受访企业）
从下游应用行业角度考虑，根据中国机器视觉产业联盟统计，机器视觉已经在电子电气、半导体、汽车、印刷包装、食品加工等领域得到广泛应用。其中，电子电气行业是目前中国机器视觉行业最大的下游应用领域，2020年其销售额占比为52.90%。
图6 2020年中国机器视觉行业下游应用占比
（资料来源：中国机器视觉产业联盟）
机器视觉下游应用百花齐放
图7 中国制造业GDP增加值
（来源：国家统计局）
机器视觉为机器植入眼睛和大脑，让机器取代人工，帮助制造业实现自动化和智能化，是现代化制造提质、增效、降本、减排的推动力，是推动智能制造的关键引擎。随着我国进入全面推进智能制造阶段，机器视觉将向全行业覆盖，应用市场需求急剧扩增，因此智能制造为机器视觉提供了巨大的需求牵引，是机器视觉的重大战略机遇。
（1）消费电子是机器视觉主要应用领域
图8 全球及中国大陆智能手机出货量
（来源：CINNOResearch）
目前，中国已经成为全球最大的消费电子产品研发和制造基地。在消费电子产业链上，机器视觉技术已经基本覆盖从元器件、部件和成品全制造环节的自动化及品质检测与量测。此外，机器视觉在连接器检测、PCB检查、SMT、硬盘检测、元器件在线分类筛选、二维码读取等场景的应用渗透率也逐步提高。
（2）新型显示领域的机器视觉应用增长空间巨大
新型显示是机器视觉重要的应用领域。在新型显示领域，机器视觉技术作为非接触、高精度、高速度的生产、检测技术手段，已被广泛应用于各类型的新型显示的生产过程中。根据赛迪智库的统计结果，2011年至2019年我国新型显示产业的年复合增长率高达26.36%，2019年显示面板营收达3,725亿元，且随着大陆地区产线规模快速增长，我国显示面板领域重要地位逐渐确立。随着新型显示领域国产化加速，国产显示面板厂商的市场份额逐步提高。国产显示面板厂商出于成本和供应链安全的考虑更倾向于与国产供应链厂商，机器视觉市场的国产普及率将有所提高，这将利好国产机器视觉厂商。
图9 中国新型显示产业市场规模
（来源：赛迪智库）
（3）印刷包装成为机器视觉应用的重要增长点
图10 中国印刷行业市场规模
（来源：前瞻产业研究院）
（4）机器视觉已被广泛应用于半导体检测
在半导体领域，机器视觉已被应用于半导体外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等检测，广泛应用于晶圆制造和封装测试中的检测、定位、切割和封装过程。中国半导体产业发展迅速，根据SEMI统计，2020年中国大陆半导体设备行业市场规模达187.2亿美元，同比增长39.18%，首次成为全球最大的半导体设备市场。随着中国半导体产业的兴起，半导体技术的更新换代，未来国产半导体视觉装备必然会得到广泛应用，中国本土企业的发展巨大。
图11 2020年全球半导体设备市场格局分地区
（来源：SEMI、日本半导体设备协会）
（5）机器视觉在新能源领域渗透率将逐步提高
在光伏产业稳步拓展和降碳环保背景下，光伏生产良率爬升，降本增效显得刻不容缓。光伏的核心是太阳能电池片，在太阳电池片的生产过程中，会产生如碎片、电池片隐裂、表面污染、电极不良、划伤等缺陷，这些缺陷限制了电池的光电转化效率和使用寿命，会造成电池片等级降级或报废，从而影响工厂的生产效能。采用机器视觉技术对上述缺陷进行检测可以大大提高光伏产品的良率，因此机器视觉在新能源领域应用的渗透率将逐步增加。
（6）机器视觉让互动娱乐丰富多彩
人民日益增长的对美好生活的向往，推动文化娱乐产业迅猛发展，同时随着机器视觉、智能语音语义等技术的发展，虚拟互动娱乐进入快车道。利用三维重建、动作表情捕捉、渲染等技术可实现人脸、表情、动作、衣物的还原，构建模拟逼真的人物形象，此外还可利用人脸识别、动作识别、物体追踪等技术模拟人的视觉能力。2019年，科技部、文化和旅游部等六部委联合发布《关于促进文化和科技深度融合的指导意见》，提出加强激光放映、虚拟现实、光学捕捉、影视摄录、高清制播、图像编辑等高端文化装备自主研发及产业化。影视制作将全面向数字化、网络化和智能化转型，并进一步推动机器视觉在影视、游戏、直播、文旅、金融等领域的发展。
（7）机器视觉与人工智能和5G等新兴技术融合和创新
近年来，随着信息技术、生物技术、制造技术、新材料技术、新能源技术等技术不断发展，人工智能、互联网、大数据等新兴技术与传统技术相结合带动新一轮产业变革，为制造行业带来了新的机遇。机器视觉行业在新技术的推动下也迎来了产业变革。机器视觉赋予了机器视觉感知的能力，是智能制造的基础产业，也是实现工业自动化和智能化的必要手段。机器视觉与5G、人工智能、工业互联等技术加速融合与创新，有利于其坚实的服务于全产业，推动中国制造业加速完成智能转型，同时也会带动机器视觉产业链的发展，为具备创新能力的国产机器视觉厂商带来国产替代机会。
机器视觉行业发展新趋势
（1）应用领域持续拓宽
过去十年是中国机器视觉行业快速发展的十年，经过一段时间的普及与推广，机器视觉应用范围逐渐扩大。目前，机器视觉的应用范围已从最初的消费电子等领域，逐步拓展至印刷包装、汽车、运输、医疗等领域。预计未来，除了传统的应用领域外，在AI、自动驾驶、人脸识别等新兴技术兴起的带动下，机器视觉将进一步拓宽应用领域。
（2）嵌入式视觉应用市场持续增长
嵌入式视觉系统是指在嵌入式系统中使用机器视觉技术，是嵌入式系统和机器视觉两种技术的整合，可独立完成从接收光信号到系统输出的整个信号处理过程。处理能力、存储器密度和系统集成度的提升，促进了嵌入式视觉在传统和新兴应用领域的渗透。未来，得益于越来越多的行业应用程序的支持，嵌入式视觉将被更广泛地应用在自动驾驶、生命科学等领域新兴领域。
（3）2D机器视觉向3D机器视觉升级
相比2D机器视觉，3D机器视觉具有显著优势，例如测量速度快、精度高、抗干扰能力强、操作简便等，能有效解决2D机器视觉对于高度、厚度、体积、平面度等测量因素缺失的问题。3D视觉技术的突破，将进一步推动视觉技术在高端场景的应用，传统的2D机器视觉将快速向3D机器视觉升级，推动机器视觉市场持续增长。
机器视觉正在面对的——道路曲折，前途光明
（1）下游应用的发展给机器视觉带来的机遇与挑战
随着生产工艺的精进及产品质量要求的提高，消费电子、生命科学等行业对检测精度的要求越发严苛。例如，半导体生产制造已使用5 nm工艺，对芯片的检测精度要求也已提升至纳米量级。受限于衍射极限，单纯采用显微放大的方式已经难以满足检测精度需求，导致加工良率难以提高，影响产品质量。因此，急需高精度的机器视觉技术解决更精准的测量问题，保证加工工艺符合要求，降低封装成本，确保出厂产品质量。上述下游应用的发展推动了对机器视觉产品和服务需求的提升，但也对机器视觉厂商提出了更高标准的要求。随着下游应用的生产、加工、检测等环节的效率和品质要求不断提升，机器视觉厂商需要加大技术投入，以提高机器视觉系统的精度、检测效率等参数。
（2）业内新技术发展给机器视觉带来的机遇与挑战
行业内的新技术的发展为机器视觉厂商推出高品质的产品和服务提供了有力的支持，这也对业内厂商的技术研发能力提出了更高的要求。首先，光谱技术推动机器视觉实现目标的多种特征分析。随着机器视觉的快速发展和普及，机器视觉产品已经广泛应用于智慧农业、矿石分选、食品安全等众多产业中。各行业样本的复杂性要求机器视觉不仅需要实现目标的外观检测，也需要实现目标的材料成分、颜色、温度等特征的分析。光谱技术利用光的衍射和折射特性，通过光栅、棱镜等分光元件，在谱域获取有效信号，实现目标高维信息参量获取，并通过相关分析算法将谱域信号与测量需求建立联系，如物质成分、温度、三维面型等，通过对光谱的测量解决复杂多样化的测量需求。
其次，计算成像技术的提升增强了机器视觉的图像信息获取能力。计算成像技术通过多样化数据采集，并通过特定算法解析，获取到传统成像中难以获取的图像信息，深度挖掘图像中隐含的内部信息，满足更高分辨率、更多维度、更大空间带宽积的光电成像需求。随着新型光电器件的发展和硬件计算能力的提升，计算成像技术在光电成像领域呈现出蓬勃发展的趋势。此外，新型光学元器件的发展驱动了机器视觉性能的提升。机器视觉成像系统由照明光源、成像器件、图像采集器件组成，各类器件的性能升级都会推动机器视觉系统的性能和稳定性提升，从而实现高像质的图像采集。此外，丰富的元器件为提供个性化的图像采集和智能方案奠定了基础。
（3）上下游技术的发展给机器视觉带来的机遇与挑战
机器视觉系统不仅包括光学成像系统，还包括决策系统和执行系统。算力、算法、传输技术的快速发展也为机器视觉带来了机遇与挑战。算力的提升使机器视觉的决策变得更为迅速，基于云平台的信息处理可以提供几乎无限的算力，解决各种复杂运算问题，提升了机器视觉系统的决策速度；分析算法的优化升级也使机器视觉的识别和分类变得更加准确；5G通信技术增加了信号数据通量、降低了信号时延、缓解了信号干扰等问题，使机器视觉在自动驾驶、精密自动控制、智慧工厂等领域中发挥重要作用。相关技术的发展提升了机器视觉系统的性能和使用效率，但也对相关硬件厂商的技术研发能力提出了更高的要求。
来源： 光电汇OESHOW
