科创中国

行业领域

新一代信息技术产业,人工智能

需求背景

目前我国的人口红利正在消失，人口老龄化现象愈发明显，劳动力短缺问题严重，甚至出现“用工荒”。为应对未来劳动力供不应求的问题，社会对于行业自动化、智能化的要求越来越高，相比人工视觉检测更具优势的机器视觉的发展需求也随之增大，进而推动着行业下游应用领域的拓展。

一、我国机器视觉处在快速发展阶段，行业需求快速提升

1 机器视觉优势明显，下游应用归为四大功能

2 我国机器视觉处在快速发展阶段，行业需求快速提升

二、机器视觉下游应用持续拓展，本土市场空间广阔

*** 我国机器视觉渗透率较低，具备较大成长空间

作为全球第一大制造国，我国机器视觉渗透率偏低，仍有较大提升空间。

①根据UNSD数据， 2018年我国制造业产值占全球的比重为***%，大幅领先第二名美国的***%，是名副其实的全 球第一大制造国。

②但2018年我国机器视觉产值占比仅为***%，与我国全球制造中心的地位 不匹配，我国机器视觉渗透率偏低。结合基恩士和康耐视的收入地区分布情况看，可以得到进一 步印证，2019年基恩士和康耐视来自大中华区的收入占比仅为***%、***%，落后于欧美地 区。

展望未来，我们认为我国机器视觉行业仍有较大的成长空间，是黄金成长赛道。人口老龄化+ 人工成本提升+机器视觉先天优势+政策扶持智能制造给我国机器视觉行业持续发展提供重要 驱动力，而下游不断成熟的机器视觉产品技术以及持续的国产化趋势反过来又给我国机器视觉 行业发展提供了重要支撑。

*** 3C行业：机器视觉最大细分市场，仍具备较大发展前景

消费电子、汽车、食品、医药为我国机器视觉主要应用领域，其中机 器视觉在消费电子行业 中的应用最为成熟，2019年市场份额高达***%。

根本上来讲，行业和产品属性综合决定了机器视觉在下游渗透率的高低，以消费电子为例：

①行业属性：消费电子生产工艺复杂、零部件繁多，需依赖大量人力进行工序检测，对应较 高的人力成本，行业对高效的自动化产线需求较高，机器视觉的优势得以发挥；

展望未来，我们认为，机器视觉在3C领域需求仍有望持续提升，驱动力包括：

①3C产品生命 周期短，制造商需频繁采购设备，以苹果为例，固定资产支出常年维持较高水平（2019-2020 年受贸易摩擦和疫情影响有所下滑），将带动持续的机器视觉需求；

②3C产品结构趋于复杂化， 产线对生产效率和加工精度的要求日益提升，苹果对机器视觉的需求正在由组装厂向模组厂前 置，机器视觉在苹果产业链渗透率仍将持续提升；

③在消费升级的背景下，本土高端智能手机 市场正在加速放量，安卓系厂商对加工效率和精度的要求也在持续提升， 机器视觉在安卓系产 线内的渗透率存在较大提升空间。

三、机器视觉行业盈利水平出色，本土企业方兴未艾

*** 机器视觉：产业链完善，核心零部件价值量占比较高

工业机器视觉产业链繁杂，中游和下游可简单划分为零部件供应商（光源、镜头、相机和视觉 控制系统等）和集成开发商（组装集成和软件二次开发等）两大类

从成本构成上来看，在机器视觉系统中，2020年中游零部件环节的价值量占比高达45%，软件 环节（包括上游视觉控制系统和下游设备商的二次开发）的价值量占比为35%，二者合计占比 高达80%，其中中游核心零部件和视觉控制系统的价值量占比保守估计将超过50%。

通过我们的粗略估算，在2020H1奥普特的整体解决方案中，光源及控制器、镜头、相机和视觉 控制系统环节的价值量占比分别为***%、***%、***%和***%，由此可见，在核心零部 件中，视觉控制系统为产业链中游环节中的一大价值核心。

*** 机器视觉是技术密集型行业，整体盈利水平较高

机器视觉为技术密集型行业，企业核心竞争力的维持需依赖于持续性研发投入。我们认为， 高研发投入构建深厚技术壁垒，从根本上来讲 ，成熟企业在产品技术和应用开发两个技术层 面上具备较强的先发优势，奠定了其较高的盈利能力中枢。

①在产品技术层面，软件平台的搭建需依赖坚实的底层算法和丰富的数据库，技术壁垒较高， 对于光源、镜头和相机等硬件环节，同样在精度、速度和稳定性等维度要求较高，企业需进行 持续性研发投入，不断进行产品迭代和技术提升，维持在市场中的产品竞争力；

②在应用开发层面，机器视觉下游应用场景众多，解决方案的开发需基于大量实战案例，行 业kown-how较多，产业经验积累为行业另一大技术壁垒，同样需要依赖于大量研发资源投入。

纵观海内外，可以发现机器视觉零部件龙头企业均具备较强且稳定的盈利能力。

需解决的主要技术难题

打光的稳定性能、工件具体位置的不一致性、标定、物体的运动的速度、软件的测量精度等。

（1） 稳定性问题

现实中的环境因素是多变的，场景中的诸多因素，包括照明、物体形状、表面颜色、摄像机以及空间关系变化都会对生成的图像有影响。比如用于智能交通检测的设备，如何保证其在恶劣天气下依旧保持较高的稳定性就是一个很难解决的问题。

（2）构造出性能良好的识别算法

图像处理与分析技术是机器视觉的核心，所以构造出一个良好的、适应相关领域应用的识别算法显得尤为重要。而且现在的应用领域越来越要求检测设备具有准确、高速地识别出目标的能力，如果我们不能构造出一个更好的识别算法，就不能适应不断增长的需求。

（3）数据量大

机器视觉所获取的数据量非常非常大的。比如用于手机上的人脸识别功能，识别一次要投射多大几万个红外线点，这是一个庞大的数据。再比如交通检测方面看，一天累积下来的数据量也是惊人的。所以如何处理如此大的信息量是个难题。

期望实现的主要技术目标

机器视觉检测代替人工视觉检测，提升工人舒适度，减少因工作劳累导致的工人流失，降低用工成本。

提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉，同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高。用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。

需求解析

解析单位：广东省广州市 解析时间：2024-01-17

柯锐鹏

广州市科学技术协会

部长，博士

综合评价

此描述已足够清晰以便于专家进行需求跟进，图像处理与分析技术需求：机器视觉技术需要能够对图像进行处理和分析，包括图像采集、滤波、增强、配准、特征提取等。此外，还需要能够对图像中的目标进行检测、识别、跟踪和分类，以实现自动化任务。 深度学习与神经网络技术需求：随着深度学习和神经网络技术的发展，机器视觉领域也需要相应的技术支持。这些技术包括卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GAN）等，它们可以用于图像识别、目标检测、图像生成等任务。 三维视觉技术需求：除了二维图像处理技术外，机器视觉还需要具备三维视觉技术来获取和处理三维信息。这包括三维扫描、三维重建、三维姿态估计等技术，可以应用于工业检测、自动导航、虚拟现实等领域。 大数据与云计算技术需求：机器视觉产生的大量图像和数据需要进行存储、管理和分析，因此需要大数据和云计算技术来处理这些数据。这些技术可以提供高性能的存储和计算能力，以支持机器视觉应用的实时性和规模化。

查看更多>

解析单位：广东省广州市 解析时间：2023-08-15

柯锐鹏

广州市科学技术协会

部长，博士

综合评价

此描述已足够清晰以便于专家进行需求跟进，需要研发一个环境智能转换器，可以对环境各种因素的研究，通过对各种环境采用补光、去杂等手段，让环境变成一个易于检测的稳定环境。另外需要编写一套更高级的识别算法，适应不断增长的需求，更准确、快速地识别物体。还需要一个更大的存储空间来存储数据——大型分布式数据库，来存储日益增加的大量数据。

查看更多>

解析单位：“科创中国”人工智能专业科技服务团（中国人工智能学会） 解析时间：2022-12-19

倪晶

中关村芯海择优科技有限公司

陈小锋

综合评价

近年来，随着工业智能化的迅速发展，具有便捷性、精确性、迅速性、智能化等优点的机器视觉技术被广泛应用于工业生产各领域，其作为一种现代化检测手段，越来越受到人们的重视。机器视觉技术的利用可有效的降低生产成本，节约劳动力，提高生产效率，降低产品次品率；另外，还可以实现非接触测量。机器视觉技术的优点如此之多，因此，对制造业领域智能化的发展也具有较大的影响。

查看更多>

处理进度