AI制造业赋能机器视觉开启掘金新大陆

机器视觉智能制造之眼机器视觉的本质是机器的眼睛和大脑机器视觉技术使得工业设备能“看到它正在进行的操作并进行快速决策根美国造工程师协（SE机器视觉分会和美国机器人工业协（RIA自动化视觉分会对机器视觉的定义机器视觉是通过光学的装置和非接触的传感器自动接收和处理一个真实体的图像，以获得所需信息或用于控制机器人运动的装置。通俗地说“眼睛”指的是机器视觉利用环境和物体对光的反射来获取及感知信息“大脑”指的是机器视觉对信息进行智能处理和分析，根据分析结果来执行相应的活动。据亿欧智库所称机器视觉是人工智能领域一个正在快速发展的分支即用机器代替人眼来做测量和判断，是通过光学的装置和非接触的传感器，自动接收和处理真实物体的图像，以获得所需信息或用于控制机器人运动的装置中商产业研究院认为机器视觉可以代替人眼在多种场景下实现多种功能按功能主要分为四大类检测测量定位识别（1）检测指外观检测其内涵种类繁多如产品装配后的完整性检测外观缺陷检测等（2）测量把获取的图像像素信息标定成常用的度量衡单位然后在图像中精确地计算出目标物体的几何尺寸（3）定位：获得目标物体的位置，可以是二维或者是三位的位置信息。定位的精度和速度是定位功能的主要指标在识别出物体的基础上精确给出物体的坐标和角度信息自动判断物体位置（4识别基于目标物进行甄别包括外形颜色条码等。图：机器视觉工作流程奥普特招股书，I技术加持，成为机器视觉走向成熟的筹码人工智能是机器视觉的母身深度学习为机器视觉的技术堡垒近十年来得益于深度习等算法的突破算力的不断提升以及海量数据的持续积累人工智能逐渐从实验室走向产业实践，以算法算力和数据为主旋律追求极致创新方面不断突破为机器视觉实现更新迭代和提高应用价值的重要技术支撑。在人工智能领域的新兴技术中，采用urstDetecion算法探测出深度学习是当前受到广泛关注的人工智能新兴技术深度学习是一种以人工神经为架构，对数据进行表征学习的算法“深”主要体现在更深层次的神经网络和对特征的多次变换上与相同参数数量的浅层网络相比深度网络具备更好的特征提取和泛化推广能力不断为图像识别领域带来进步2007年-2009年斯坦福教授李飞飞牵头构建起目前图像分类检测定位最常用数据集之一的IageNe，2010-2017年，基于Iageet数据集的ILSRC等一些大规模视觉识别挑战赛促进神经网络和深度学习技术的发展，如lexNet能够将图片识别的错误率下降14，Googlerain采用多CPU组合方构建起深层次神经网络并应用于图像识别，取得突出成效等。表：近年人工智能在算法、算和数据上的技术创新技术发展情况算法 1超大规模预训练模型推动技术效果不断提升eAI歌华为中科院、阿里巴巴等企业相继推出超大规模预训练模型同时跨模态预训练达模型日普遍如今可以处理文本图像语音三种模态数据这是实现人工智能通化的有益探索。轻量化深度学习技术不断探索提高计算效率通过对大模型进行裁剪备低内存和低计算量的优势，如谷歌提出的ilNet和视的SeNt3生成式人工智能技术不断成熟目前在智能写作代码生成有声阅读像修复等领域已大量使用生成式人工智能例如央视新华社等均推出数字主播，实现内容快速生成。4知识计算是向认知智能转变的重要探索。目前，围绕知识获取、知识建模、知识管理、知识应用等过程，形成了涵盖知识图谱、知识库、图计算等技术覆盖知识表示知识计算知识推理和决策能力的体现可以实现对知识的管理与利用。面向训练和推断用的芯片快速演进。由于模型计算量增长快速推断的泛在性，算力需求持续增长。目前基于GU的训练芯片能力显著提升，如寒武算力 的思元30百度昆仑2等比上代产品有34倍的算力升同时新型人工智能芯片不断得到投资资金青睐，如3D觉I芯片厂商瓦科技完成亿元级A轮融资。深度学习使得数据规模不断提升，数据服务进入定制化阶段。百度、阿里、数据京东等公司推出根据不同场景和需求进行数据定制的服务。建立高质量知识集合。知识集中包括语音、图像、文本等传统数据和定义、规则和逻辑关系等是知识的数据呈现目前有Wetwet等同时，可以建立行业特用的高质量知识集合比如阿里巴巴开发的asionI是关于服装设计产业的知识集合。资料来源：中国信息通信研究院，36氪公众号，机器视觉与人工智能逐渐融合，引领向工业0的过渡。机器视觉是工业自动化的基础技术之一通过搭载人工智能发展东风实现机器视觉的再一次迭代升级此处东风一方面为深度学习的融合赋予机器视觉更高的准确性和速度另一方面则为视觉处理所服务的视觉处理器的能力呈现指数级增加奠定机器视觉中深度学习推理训练任务的硬件基础复盘机器视觉发展从能够自动执行简单任务的自动化机器转型为视觉能力不受人类视觉能力极限约束、自主思考，从而能够长期对各种元素进行优化的自主型机器，AI+机器视觉有望能够渗透入工业制造达到全新的水平。表：机器视觉与人工智能逐步合阶段 内容 主要突破技经典机器视觉不需要人工智能操作相对简单可以实现检测物体经典机器视觉深度学习机视觉智能机器视觉自主系统

边缘以定位某个零件以表示缺陷的颜色差异并识别表示孔洞连续像素斑点。AI深度学习模型正在从根本扩展机器视觉的功能，当计算机收到图像时，机器视觉软件会将图像数据与神经网络模型进行比较，使得机器能够识别非常细微的差异。人工智能进一步扩大机器视觉的功能效果远超目视检查和质量制借助智能机器视觉机器人可以进行三维感知帮助对方夹零件并检查彼此的操作甚至可以与人类同事互动确保他们共安全开展工作。

热成像、X射线使用深度学习推理识别细微差异建了特定的神经网络模型；在监督训练中审查数以万计的样并识别有意义的模式包括人类可无法检测到的模式。使用自然语言处理读取标签和解标志资料来源：英特尔官网，未来机器视觉将有望搭载更先进AI技术，切入更多差异化工业应用场景。CaGPT所引爆的人工智能话题正持续火热，根据中国信息通信研究院和中国人工智能产业发展联盟，当前重点逐渐从单点技术转化为实质应用转化阶段，而视觉人工智能已经泛起千层巨浪。我们认为搭载AI技术的机器视觉可以进一步优化性能适配更多工业应用场景一是深度学习为机器视觉延伸出多元的模型架构以及对应性能提升如生成对抗网（GAN能够通过生成器和鉴别器的对抗训练在生成图像方面的能力超过其他方法注意力机制中的iT则将Transormer架构直接应用到一系列图像块上进行分类任务减少大量所需的预训练资源即用于在图像处理方面在人工智能算法的不断训练和学习下，图像识别误差不断缩小结合机器视觉设备在工业制造中能够发挥优异作用二是AI技术可以对不同工程问题和工程参数进行建模利用所采集的高质量数据进行模型的机器学习模型与机械设备和生产现状深度绑定，以此为基础开发智能系统，继而产生即时可变的可保持最优化的生产参数最后交给基础自动化执行实现机械化-自动化-数字化-智能化的全面升级。三是AI倒逼芯片算力持续提升计算光学成为下一代机器视觉的突破口依托算法的升级突破传统光学成像器件，进一步缩小设备尺寸挖掘多样复杂的图像信息推动机器视觉技术在工业场景中的进一步普及。表：人工智能与机器视觉的融发展方向模型架构 细分发展 原理 用第一个深度神经网络使用eU作为激活函数在全连接层使用Dt避免过拟合；使用局部响应卷积神经网络

Aleet

归一N被激活的神经元会抑制周围的神经元；使用重叠池化，提升特征的丰富性。 解决图像分类图像检索、自注意力Sel-Ateti

esetFractalesTasesision-Tasati

增加了残差连接从而增加了信息从一层到下一层流动，保证准确率以及网络收敛速度。重复组合几个不同卷积块数量的并行层序列，增名义上的深度，提高特征提取能力。是一种Sel-Ateti（自注力模型架构与CN相比是具有较少的归纳性与先验性，利用大数据制，达到与CN相当的参数率与性能增益。将纯Taser架构直接应用到一系列图像块上进行分类任务，可以取得优异结果。GAN包含生成式模型（G）判别式模型（D，成器的目的是生成真实的样本骗过鉴别器，而鉴

物体检测和语义分割机器翻译和文本生图像分类对抗性网络 -用于解决特定任务

器是去区分真实的样本和生成的样本，通过对抗练不断提高各自的能力。生成对抗网络在生成图方面的能力超过了其他的方法。通过大量原始未标记数据来训练模型，使得模型

图像生成提高提取特征的质量、迁自监督学习

自监督学习表征学习

够学习相关特征，用于特定的下游任务。

移学习应用、修复和判断分类错误。资料来源：长虹AI实验室公众号，陈佛计等《生成对抗网络及其在图像生成中的应用研究综述》，13.ma发布M开启机器视觉T时刻metAtigModl（AM）项目是一个用于图像分割的新任务、模型和数据集。在数据收集循环中使用高效模型构建了迄今为止最大的分割数据集，在1100万张授权尊重隐私的图像上有超过11亿个掩码。该模型被设计和训练为可提示的，因此它可以零样本迁移到新的图像分布和任务当该模型进行充分的网络语料训练后发现其零样性能甚至优于调整模型（Fine-unedodls。AM通过“提示学习”技术对新数据集和任务进行零样本和少样本学习。Mea研究者出了propable分割任务，目标是在给定任何分割提示时返回有效的分割掩码。提示符只是指定要在图像中分割的内容例如提示符可以包括识别对象的空间或文本信息效输出掩码的要求意味着，即使提示是模糊的并且可能指向多个对象（例如衬衫上一个点可能表示衬衫或穿着它的人，输出也应该是其中至少一个对象的合理掩码。将提示分割任务作为预训练目标，并通过提示工程解决一般的下游分割任务。图：SM任务详情exanerrillv等著《SegmetAyng、AM由一个的图像编码器、一个提示编码器和一个预测分割掩码的掩码解码器组成。通过将SM分离为图像编码器和提示符快速编码器掩码解码器，相同的图像嵌入可以在不同的提示符中重用（及其成本分摊。给定图像嵌入，提示编码器和掩码解码器在web览器中从提示符预测掩码的时间为50ms。重点关注点、框和掩码提示，还用自由形式的文本提示呈现初步结果。为使SM具有歧义性，设计了它来为单个提示预测多个面具，使SM能够自然地处理歧义，如衬衫和人的例子。图：SM模型结构exanerrillv等著《SegmetAyng、M有望助力机器视觉发展，带动A+制造业垂直领域技术革新。SAM已经学会了关于物体的一般概念并且它可以为任何图像或视频中的任何物体生成掩膜甚至包括在训过程中没有遇到过的物体和图像类型无需额外的训练ea预计与专门为一组固定任务训练的系统相比基于propt工程等技术的可组合系统设计将支持更广泛的应用S可以成为AR、VR、内容创建、科学领域和更通用AI系统的强大组件。比如SAM可以通过AR眼镜识别日常物品，为用户提供提示SM还有可能在农业领域帮助农民或者协助生物学家进行研究。图：SM可通过R眼镜识别日常物体 图：SM在生物学应用数字经济先锋号公众号， 数字经济先锋号公众号，工业智改有望持续拓展行业发展空间机器视觉技术优势明显，政策社会需求驱动中长期发展人工智能持续放大机器视觉技术优势有望在工业智改中大展身手ChaGPT-4为超级人工智能描绘雏形有望开启新一轮生产力加速周期制造业作为我国产业核心也将受益于AI的深度融合与人眼相比机器视觉在效率精度环境要求安全性等各因素上都有明显的优势。同时，在AI深度学习机器视觉的升级趋势下，将在工业自动化、数字化柔性化复杂性生产上贡献更高的适配度传统的机器视觉技术需要将数据表示为一组特征或输入到预测模型从而得出预测结果这是完成制定动作较难适应未来柔性化的生产需求尤其是在缺陷类型复杂化细微化、背景噪声复杂等场景越来越难适用搭载AI深度学习功能后，机器视觉将原始的数据特征通过多步的特征转换得到一种更高层次更抽象的特征表示并进一步输入到预测函数得到最终结果基于深度学习的机器视觉在理想状态下可以结合机器视觉的效率与人类视觉的灵活性从而完成日趋复杂环境下的检测，尤其是涉及偏差或极端环境，满足更多下游对瑕疵精度、通用性的严苛要求。AI+机器视觉有望赋能制造业，带动制造业价值链重构。表：A机器视觉与人眼对比势

人眼 机器视觉快门时间可达10微秒，帧率过检测速度 较慢、人眼无法看清快速运动目标

100检测精度 64灰度级，难以分辨微小目标 26灰度级可观测微米级目标环境要求 对环境温度与湿度适应性差 对各类环境适应性强可以通过非接触式测量减少人干预，增安全性 容易误入危险工作环境

加安全性和操作便捷性客观性 对目标客观性较低，数据难以量化 数据可量化、标准统一感光范围 400-50m范围内感光 可适应较宽光谱范围成本 用工成本逐渐递增 前期成本高，规模化后成本较低高。利用深度学习，对不同产品具有较柔性制造 相对较低。集成程度低。不同检测内容需要多工位合作协调，标信息集成准难统一误检情况多同时需要人工填充数据统计

强兼容能力，同时能够及时对变化做反应集成程度高。一次性完成待检产品的廓、尺寸、外观缺陷、产品高度等多术参数测量。同时自动导出相关报表资料来源：高禾投资公众号，深圳市巨力方视觉技术有限公司公众号，机器人大讲堂公众号，北京市林阳智能技术研究中心，图：机器视觉的“深度学习”程奥普特招股书，国家出台多项政策利好A机器视觉行业发展。政策从拓展产业链应用场景、加强先进用技术与设备研发以及发展机器视觉底层技术等方向促进中国机器视觉产业的发展同时AI机器视觉技术与设备在“十四五”规划中受到高度重视，2021年底《十四五智能制造发展规划中重点强调高分辨率视觉传感器等基础零部件和装置体现国家对机器视觉产业的重视和支持2022年《十四五数字经济发展规划再次强调发展机器视觉等技术用于我国智改计划良好的政策环境将在未来一定时期内为国内相关行业持续发展与突破奠定良好的环境基础。表：国内相关政策一览政策名称 时间 内容《关于加快场景创新以人工智能高水平应用进经济高质量发展的导意见》“十四五”数字经济展规划》“十四五”智能制造展规划》《5G应用“扬帆”行计划（201223《关于加快推动制造服务业高质量发展的意见《工业互联网创新发行动计划（201223年》

202年8月202年1月201年2月201年7月201年3月200年2月

鼓励在制造、农业、物流、金融、商务、家居等重点行业深入挖掘人工智能技术应用场景，促进智能经济高端高效发展。智能领域优先探索工业脑、机器人协助制造、机器视觉工业检测、设备互联管理等智能场景。推动农林牧渔业基础设施和生产装备智能化改造，推进机器视觉、机器习等技术应用。研发微纳位移传感器、柔性触觉传感器、高分辨率视觉传感器、成分在检测仪器、先进控制器、高精度伺服驱动系统、高性能高可靠减速器、穿戴人机交互设备、工业现场定位设备、智能数控系统等推动5G应用发展有利于加人工智能、云计算、大数据、区块链等高新技术融合赋能，不断催生出诸多新业务、新模式、新业态。5GAI机器觉监测能够更广泛用于高温、并下、移动等环境，进一步拓展了人工智的应用空间。实施中小企业数字化赋能专项行动，集聚一批面向制造业中小企业的数化服务商制造业计量能力提升行动。加大专用计量测试装备研发和仪器表研制，提升整体制造业整体测量能力和水平，赋能制造业产业创新和质量发展。支持工业5G芯片模组、边计算专用芯片与操作子系统、工业视觉传器等软硬件的研发突破Zaker，中国工信部，前瞻产业研究院，人口红利退潮，机器替代需求中长期内仍有缺口。根国家统计局数据，我国2022年末60岁以下人口占比80伴随人口出生率从2011年的137下降至2022年的677，中国经济周刊预计2030年中国60岁以下人口或将降至75同时制造业就业人员从2011年的4088万人降至2021年的3828万人，而制造业劳动成本则从36665元飙升至92459元据常州钟楼金隆控股集团老龄化问题与出生率低迷将带来未来持续性劳动力供不应求和劳动力成本上升这将不断刺激制造企业对智能化的需求持续扩张机器视觉作为可替代人工具备效率更高、准确度更高、际成本低等优势技术，有望进一步提高其渗透率。图：-1年我国制造业均工资水平变化 图：-1年我国制造业业人数变化0

.%.%.%.%

0

.%.%.%-.%制造业平均工资（元） oy 制造业就业人数（万） oy国家统计局， 国家统计局，我国工业机器视觉应用渗透率仍有较大提升空间中工业机器视觉应用的渗透率仍处较低的水平，仍有较大提升空间。根据快易理财网的数据，2021年我国制造业增加值为47万亿美元占全球比重304相较之下2021年我国机器视觉产值占比仅为178。在制造业的转型升级推动下机器视觉渗透率有望持续增加国内庞大的制造业基数将持续释放较大的市场增量同时我国制造业人工智能应用市场的逐年递增反映出机器视觉的成长潜力根据德勤数据我国制造业人工智能应用市场从2019年的12亿元升至202年的37亿元，预计2025年能够突破百亿。图：-1我国制造业增值占世界比重 图：1年中国机器视觉市场规模占世界比重.%.%.%.%.%.%.%.%.%

100.00%80.00%60.00%40.00%20.00%0.00%

887.93%6.88%87.93%6.88%82.82%13%17.18%12.07%.12

.%.%.%.%9 我国制造业增加值占比其他快易理财， GI公众号，机器视觉持续赋能下游工业应用领域有望受益于下游赛道的高气高成长性下游应用对精度要求严苛，倒逼A+机器视觉深度结合与升级。从需求端来看，机器视觉广泛应用于电子及半导体、汽车制造、食品包装制药等领域各个领域的应用场景具备较大差异性2021年我国消费电子半导体汽车为机器视觉领域的三大应用端，虽然机器视觉下游各行业对精度的要求不一，但整体来看，伴随主要应用端（消费电子、半导体汽车新能源）的升级迭代对机器视觉技术的高精度需求相应提高尤其需要深度学习的高度结合以适应下游应用的发展。图：0年我国下游应用场景 图：1年我国下游应用场景高工机器人公众号，电子发烧友， 高工机器人公众号，电子发烧友，智能制造趋势是扩大机器视觉需求的关键引擎以机器取代人工能够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随着我国进入全面推进智能制造阶段机器视觉将持续向全行业渗透应用市场需求急剧扩增，为机器视觉提供了较大的需求牵引是机器视觉的重大战略机遇同时根据凌云光2022年7月14日发布的投资者调研纪要显示国内机器视觉的销售额在2016-2019年期间分别为496984、103亿元虽在全国工业企业技改投资经费支出中的占比逐步提升但也仅维持在2由此可见国内机器视觉在工业技改中的渗透率还处于相对较低水平，未来成长空间广阔。表：机器视觉在主要下游应用况应用领域 功能 场景特点消费电半导体

对产品进行CBFPCAOI检零部件及整机外观检测配引导等对半导体外观缺陷、尺寸、数量、平整度、距离、定位、准、焊点质量、弯曲度等检测

产品周期短、更新迭代快，对机器视觉投入频繁半导体行业的技术水平持续提高对生产效率和次品率要求严格，对机器视精密识别、定位的器件产生广泛需求传统人工质检方案存在检测质量不稳汽车 对产品进行制造工艺检测、自动化跟踪、追溯与控制等在锂电池前段的涂布锟压、中段工艺的电芯组装、后端化成锂电分容检测、模组ack段检测硅片外观缺陷检测、电池片外观检测、汇流带引线焊接质量光伏 检测接线盒定位及焊接检测电池片EL检测铭牌及字检测

等问题，机器视觉能够在汽车行业得广泛应用。电池企业对检测精度速度图像传输缺陷分析等领域要求愈发严苛，制造工艺革新和缺陷检测新需求持续升级，给机器视觉带来巨大发展机遇。技术的快速迭代、对质量的更要求，驱动生产整体逐步从“自动化”向“能化”升级，机器视觉作为实现自动和智能化的重要系统，已在光伏产品产的各个环节。资料来源：常州钟楼金隆控股集团公众号，维视制造股份公众号，亿欧智库，矩视智能公众号，赛迪智库，发现报告网，电子行业仍是机器视觉应用最广阔的下游领域据常州钟楼金隆控股集团，电子信息制造行业自动化标准化程度高，是机器视觉技术应用较早应用最广的下游市场根据GII数据我国3C电子行业机器视觉市场规模在2021年达到402亿元同比增长2912020-2025年均复合增长率为14该增长得益3C电子产品规模的良好增长态势。2022年以来，消费电子行业进入下行期，相对应机器视觉市场规模增速大幅放慢但基于发展基础悠久中短期内仍有望成为市场规模最大的下游市场。图：-5年C电子行机器视觉市场规模（亿元）高工机器人公众号，C行业是工业视觉行业的应用标杆。全球机器视觉的崛起很大程度上得益于消费类电子行业的发展，一方面系元器件尺寸较小、检测要求高，适合使用机器视觉系统进行检测；另一方面该行业更新迭代快，生产设备的更新对上游机器视觉行业也产生了较大的需求。整体来看，在3C电子行业，元器件、部件和成品的制作各环节都需要机器视觉的协助，其中70的机器视觉产品用于检测环节由于技术工艺的高要求3C电子行业设备制造机器视觉技术存在刚性需求。表：机器视觉在电子制造生产应用情况类型环节机器视觉需求元器件部件模组—显示触控—成品组装视觉检测、引导显示屏外观检测、点灯检测、分辨率检测视觉检测线路板检测底片质检（内层版-外层板）视觉检测系统资料来源：亿欧智库，发现报告网，伴随C产品不断升级，未来对机器视觉效率和精度有更高的要求。从消费电子行业趋来看目前机器视觉技术已经覆盖多个制造环节同时消费者对消费电子的质量需求推了消费电子产品需要通过更高效更精细的机器视觉检测技术以提升产能和质量机器觉在电子行业的渗透率有望进一步提升。表：应用于消费电子的机器视企业公司 经营范围康耐视 据CNNOeeach调研，费电子制造领域从事视觉检测业务市场份额前五企业之一。基恩士 全球传感器和测量仪器的主要供应商，产品覆盖面极其广泛，客户遍及各行业。主营业务为平板显示制造设备主要产品AODell自点灯检测设备在行业内处于领gWo

先地位，在三星显示、京东方等主流面板制造商中拥有较高的占有率。凌云光 在消费电子领域，公司主要提供对应不同检测需求的通用型可配置视觉系统海康机器人 面向全球的机器视觉和移动机器人产品及解决方案提供商，应用领域包括消费电子公司提供的机器视觉产品已广泛应用于各类高端装备中服务于3C电新能源半导、奥普特博众精科瑞技

汽车、医药及食品加工等多个行业博众精工整合了运动控制、影像处理、镭射量测、机械手、精密贴装密压台等技术，并合软件系统开发，可为客户提供较为全面的产品和服务。产品主要包括自动化检测设备和自动化装配设备、自动化设备配件、精密零部件，公司品主要应用于移动终端、新能源、汽车、硬盘、医疗健康和物流等行业。矩子科华兴源精测电

机器设备的上市企业，是苹果、华为、小米、O、IO等知名企业或其代工厂商的要机器视觉设备供应商。国内知名工业自动测试设备与整线系统解决方案提供商，主要服务平板显示、半导体、能源和通讯等行业。是苹果面板检测设备的合格供应商。主营业务为平板显示检测系统的研发生产与销售主营产品包括模组检测系统、面板测系统、OLED检测系统、AI光学检测系统和平板显示自动化设备。主要客户包括京东方、华星光电等。阿丘科技 专注于工业AI视觉及智能分服务产品应用于消费电子汽车电路半导体等行业场景。资料来源：凌云光招股书，天准科技招股书，矩子科技定向增发书，联想控股微空间公众号，，机器视觉为半导体的刚性需求有望受益于高景气赛道的需求扩张半导体产业以其集成度高精细度高的特点成为机器视觉技术大规模应用最早的领域之一半导体行业机器视觉应用占比在2020-2021年间有所扩大。同时，根据GGII数据显示，2021年半导体行业机器视觉市场规模为136亿元同比增长4273该增长主要系受益于2021年起我国各大半导体公司的扩产计划，直接影响了机器视觉在晶圆检测中的扩大应用本轮缺芯推动了扩产潮开始陆续达产，随着各地新建晶圆产线陆续达产，短期内将利好机器视觉行业根据GII预测2025年半导体行业机器视市场规模将超过40亿元，2020-2025年均复合增长率约为36。图：-5年半导体行机器视觉市场规模（亿元）资料来源：高工机器人公众号，机器视觉在半导体制造过程中的速度和精确性优势明显。目前已涵盖半导体的外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等的检测，同时覆盖晶圆制作中的检测、定位切割、封装过程全程相别与传统芯片检测与激光测量技术测量基于机器视觉的芯片缺陷检测技术以更灵活、实时非接触式高能高精度的检测技术在半导体行得到了更为广泛的应用。图：机器视觉技术为半导体造带来极高的精度VTec公众号，未来伴随车规级C需求持续旺盛+消费级C去库存到位+CPT带动的AI芯片需求，机器视觉行业作为半导体行业的刚性需求将继续迎来行业规模的扩张首先车规级IC的景气度颇高市场规模增长客观据中国汽车工业协会统计2022年中国新能源汽车出货量达到6887万辆，渗透率已超过20，汽车芯片在新能源汽车高速增长下，需求将持续扩大，以CU为例，相比于传统汽车的70颗辆的配置，智能汽车可达到300颗辆。其次，景气下行的消费级IC有望在2023年恢复正常库存与价格水平同时在消费电子行业2023进入业绩修复期的背景下，需求向上波动或将带来半导体供给端补库存，迎来景气上行拐点。再者，2023年引起关注的ChaGPT有望成为半导体产业发展新动能，以ChaGPT为代表的相关AI应用涌现带来庞大算力缺口，GPU等AI芯片作为算力承载主体有望迎接放量预期我们认为机器视觉作为芯片制造的刚性需求将有望受益于芯片市场的高景气发展。表：应用于半导体的机器视觉业公司 经营范围拥有领先的表面检测技术和D视觉技术，用于机器人引、质量检查以及通过ISA（瑞典

工业自动化和表面视觉两条业务来进行计量，业务遍及全球25个国家和地区。eece（德国） 生产的硅片检测系统在全球光伏产业链的硅片检测中占有主导份额。机器设备设备的拟上市企业产品WaerAODeAtachireBondAOI用于半矩子科华兴源阿丘科

导体行业。国内知名工业自动测试设备与整线系统解决方案提供商主要服务平板显示导体、新能源和通讯等行业。是苹果面板检测设备的合格供应商。专注于工业AI视觉及智能分服务产品应用于消费电子汽车电路半导体行业场景，获得数十家行业标杆客户的认可。资料来源：联想控股微空间公众号，机器视觉产业联盟公众号，天准科技招股书，矩子科技定增说明书，凌云光招股书，，机器视觉的汽车检测市场稳固，搭载AI助力突破自动驾驶汽车领域在机器视觉应用中为长期高位发展的个中翘楚。根据GII的数据，2021年汽车行业机器视觉市场规模为141亿元同比增长38比较同期全国乘用车销量与新能车销量的情况2021年全国乘用车销量同比增长3新能源汽车销量同比增长可见汽车机器视觉的增长速度（38）落后于新能源汽车的增长速度（157，主要因为传统汽车领域仍为机器视觉的主要应用领域未来随着新能源汽车领域机器视觉需求的持续探索，有望成为机器视觉的成长新动力，根据GII的预测，2025年机器视觉汽车行业将接近40亿元，2020-2025年均复合增长率达到30。图：-5年汽车行业器视觉市场规模（亿元）高工机器人公众号，机器视觉在汽车产线柔性化自动化生产中优势明显目前机器视觉技术主要用于在装的在线检测和零部件的离线检测及表面检测如面板印刷检测、字符检测、精密测量件表面缺陷检测自有曲面检测等，以及大型工件的搬运上下料等随着汽车保有量增加+汽车质控政策的强化对汽车检测提出更高的要求传统人工检验方式检具方案于难以满足柔性化自动化与高效化生产逐渐被机器视觉技术所替代。机器视觉通过觉读码技术+固定点位对整车外观拍照+视觉引导技术尺寸检测精确度高的特性可以测零部件的尺寸安装情况引导机器人进行最佳匹配安装虚拟安装与传统人工检验方法相比，能够提高汽车生产效率及质量保证，同时节省人力与时间成本。表：机器视觉在汽车行业的用应用场景 内容安全带滚轮检测车锁组装检测汽车控制版面检测仪表盘指针角度工艺检测尺寸检虚拟装错漏装检

检测，指示灯颜色检测、检测液晶屏数字变化的仪表盘等为整车尺寸检验提供稳定且准确的数据支持实现对整车车身全过程寸的监控测量，确保整车质量。借助机器视觉技术的视觉测量及视觉引导技术特性引导机器人进行佳匹配安装以及虚拟匹配安装等。一是利用视觉读码技术通过视觉传感器读取零部件信息实现零部在生产过程中的可追溯同时可与公告参数申报信息进行自动比对。二是通过固定点位对整车外观进行拍照，通过机器视觉识别外观件号、颜色及车型配置等，与整车申报参数进行比对。资料来源：矩视智造微信公众号，未来汽车领域智能化将为机器视觉释放汽车电子新增量市场汽车的智能化轻量化对测提出了更高的要求继而对机器视觉技术的需求也响应的提高汽车制造行业成为机器视觉主力应用市场过去汽车以机械构件为主在智能汽车发展中电子零部件的占比将不断提高大量的雷（激光厘米波毫米波超声波传感器通（GPSDSRC、45G摄像头监控检测娱乐系统将会被装载在汽车上以单车电子件价值6万元、国内2022年新能源汽车出货量为688.7万台来计算国内智能汽车硬件市场将达到4132亿元左右随着未来新能源汽车渗透率不断加深机器视觉技术有望迎来新能源汽车的求。表：应用于汽车领域的机器觉企业公司 经营内容天准科技 公司与法雷奥、博世集团、天纳克、世特科等知名汽车生产厂商建立良好合作关系奥普特 公司研发设计和生产的机器视觉产品已经应用于3C电能源汽车等多个领域21年重点研面向工业机器视觉应用的稳定快速算法研究，可以应用于汽车汽配行业、3C等行业。万讯自控 工业机器人3D视觉系统切宝马、奔驰、奥迪、大众、沃尔沃等标杆企业康耐视 全球领先的机器视觉产品提供商，应用于消费电子、汽车、消费品、制药等行业资料来源：天准科技招股书，奥普特年报，凌云光招股书，财通社公众号，锂电池推动机器视觉+AI持续升级，下游市场稳定增长新能源有望成为机器视觉行业未来最大增量市场。据GGII数据，2021年机器视觉在新能源行业的销售额增速最快，2021年同比增长60，远超行业平均水平。图：-5年新能源行机器视觉市场规模高工机器人公众号，锂电池工艺复杂性催发机器视觉搭载深度学习实现算法升级机器视觉在锂电池生产工中应用广泛锂电池制备工艺的复杂性使得在多个工序均需要不同机器视觉检测系统的介入同时，动力电池视觉检测的新需求对传统算法提出挑战由于传统算法无法解决焊环节的检测痛点，该领域对深度学习检测技术使用依赖程度有望逐渐攀升随着电芯模组、PACK测量要求的不断提高，被测物体条件愈发复杂，全线视觉检测已逐渐成为动力电池厂商标配，带动机器视觉高速发展。图：机器视觉在锂电池生产艺中的应用奥普特招股书，锂电池作为新能源汽车的主流动力电池有望长期受益于新能源汽车销量增长从而拉动机器视觉的市场规模增长。我国新能源汽车销量从2017年的777万涨至2022年的688万2017-2022年均复合增长率达到541从而带动了我国锂电池产量国家统计局的数据显示，2021年中国锂电池产量已经达到232.6亿只，同比增长23。新能源汽车渗透率在2022年突破20大关，根据“创新扩散曲线”模型，当创新产品市占率突破后将迎来最为陡峭的生长曲线新能源汽车行业有望迎来倍速增长以锂电池为代表的动力电池需求量亦有望持续提升在锂电市场持续向好的背景下使用机器视觉的检测需求随之提升。根据GGII机构调研测算，锂电池单GWh产线对机器视觉需求的价值量中枢约为700万，按照当前各家锂电池厂商的扩产计划，到2025年的投产产能有望超过2TWh，相比于当前的产能，未投产产能累计超过1300GWh，其中潜在未释放的机器视觉订单需求超过90亿元。表：应用于锂电行业的机器觉企业公司 项目公司投入大量资源研究深度学习，并将其在锂电行业全面推广应用，覆盖极片检测、铝膜包装检奥普特华汉伟

测、绕卷后的极耳翻折检测等。公司软硬件产品在锂电行业全工序工艺段有相关应用，定位是工业视觉零部件和解决方案引领者主要提供的是“算法软件硬件整体解决方案”一站式视觉综合平台。双元科技 产品已经基本覆盖全工段。此外，还推出了针对圆柱电池、软包电池的外观视觉检测系统。苏映视基于多年在锂电行业的积累，在锂电TO5客户的付中积累了大量工程经验。针对锂电前苏映视新视智易鸿智

段工序隔膜铜箔铝箔等材料的表面瑕疵检测微距线扫相机的高速在线检测方案的市场交付验收量高居行业前列。在锂电行业，新视智科提供全栈机器视觉检测解决方案，从隔膜、铜箔等锂电池上游材料的质量测，锂电池前段包括涂布、辊压、分切、模切、卷绕、叠片等工序段检测，以及后段AK环节的外观检测等场景。易鸿智能致力于锂电池生产全工序机器视觉检测设备和前工序锂电智能装（辊压分切一体机分切机激光模切卷绕一体机等的研发销售生拥华东生产制造基地华南总部研发基地易鸿智能华东生产制造基地配备完善的机加工设备可针对合作项目的高精度核心零部件进行定人、定设备专有加工，可实现年产值达25亿。资料来源：高工锂电公众号，华汉伟业公众号，电池中国公众号，新视智科公众号，经纬创投公众号，光伏扩产已箭在弦上，对机器视觉需求同样旺盛机器视觉的光伏应用赛道蓬勃发展国内厂商优势凸显新能源板块除了锂电池外光伏也是另一值得重点关注的行业近年光伏行业的迅猛发展据亿欧智库2021年我国太能电池产量达到23405wKW，同比增长42，行业迎来加速成长期，同期带动机器视的光伏行业应用规模达到6.5亿元，2019-2021年CGR达到58。目前光伏产业链的片检测市场由德国Hennece占有主导份额，国内天准科技、奥特维等厂商目前也在切入光伏赛道，天准科技应用于光伏硅片检测的智能检测性能较为成熟，与国际领先的Hennece产品技术相当，实现对Hennece公司等国际先进同行产品的替代。表：天准科技与eck应用于光伏硅片检测的智能检测装备较性能比较天准科技nne误判率低于2低于2漏检率低于055低于055检测速度850H800H资料来源：天准科技招股书，光伏生产工艺的高精度或使得机器视觉成为标配光电池片检测为了追求更高的效率并降低成本需要不断优化生产流程及技术在光伏电池板的生产过程会出现缺角裂痕、黑斑及黑心等各类缺陷这些缺陷的存在可能会影响电池片的性能和稳定性因此对光伏行业而言，引入持续有效的缺陷检测方法至关重要，其应用效果已经得到了行业的认可，而机器视觉的介入能够实现来料硅片质量监控过程电池片的缺陷监控以及成品电池片保证电池片生产质量监控系统的每个工艺都有提供对应的光机视觉模组，可快速配置提供高质量的视觉成像效果。图：机器视觉在光伏产业链的应用天准科技招股书，光伏扩产+平价上网将行业高景气蔓延至机器视觉检测行业。光伏发电在能源供应体系中占据越来越重要的地位，推动光伏行业的快速增长，而我国光伏产业是战略性新兴产业在制造业规模、产业化技术水平应用市场拓展、产业体系建设等方面均位居全球前列从制造端来看产业规模实现持续增长根据工业和信息化部公开数据2022年全年光伏产业链各环节产量再创历史新高全国多晶硅硅片电池组件产量分别达到万吨、357GW、318GW、288W，同比增长均超过55，行业总产值突破14万亿元人民币具体落到2022年产量来看多晶硅产量827万吨同比增长63硅片产量同比增长57电池片产量318GW同比增长60组件产量288GW同比增长该扩产将在未来1-2年内持续带来行业的高景气预期。从应用端来看2022年我国光伏新增装机871W同比增长59CPIA保守预计到20252030年我国光伏新增装机预测将达到100W120W。同时，未来在规模化开发与技术进步的驱动下，我国光伏行业成本快速降低2021年光伏发电的平均度电成本甚至可以与燃煤发（03-05元/千瓦时）相竞争，逐渐实现平价上网渗透率有望加速提升我们认为，机器视觉检测作为光伏产业中的必不可少的环节，有望受益于光伏赛道的持续火热。图：-2年我国光伏增装机量 图：-2年我国光伏电的平均度电成本078901新增装机量（G）

.%.%.%-.%

.8.6.4.20

.9 .6.7.2.9 .3 7 8 9 0 1 光伏价格（元/千瓦）云南省电子行业协会公众号，国家能源局，中商情报网，

北大汇丰智库，人民日报，人工智能助力机器视觉检测在光伏生产实现灵活性与自动化当前光伏产线所使用的自动化设备往往来自多家设备搭载的视觉系统一般是满足其特定需求而开发的因此每台设备呈现给工作人员的界面与运算逻辑均不相同，该使用门槛造成设备难以同步快速投产。同时光伏生产工艺复杂、多样辅材和订单标准的频繁切换对机器视觉的柔性生产提出极高的要求而人工智能在算法的进步为该行业痛点提供新的解决思路以维视智造的光伏视觉检测系统为例通过小样本训练无训练模式、深度学习前沿算法和智能迭代功能等可以为企业大幅降低未来换产难度同时大幅提高精准缺陷检出率和生产效率能够提升40的生产效率将缺陷检出率控制在99进一步扩大对光伏行业产业链的全覆渗透。表：应用于光伏行业的机器觉企业公司 主营业务eece 生产的硅片检测系统在全球光伏产业链的硅片检测中占有主导份额欧普特 公司主要产品为光伏检测设备、视觉缺陷检测和技术服务及配件。天准科技218年硅片分选设高速技术研发等项目的研发为公司开拓了应天准科奥特维优层智洪朴信

用于光伏领域的光伏硅片分选的智能检测装备产品的开发在性能上可以与eece产品相当。主要产品为光伏自动化设备其生产的光伏硅片检测设备与天准科技形成争。公司目前产品为在光伏及新能源汽车行业具有落地应用场景的人工智能件，拥有海外光伏缺陷检测企业背景。主要产品可应用于电池片分选电池片缺陷检测ECD数优化组件EL缺陷识别、组件外观缺陷别、组件终检封场景。资料来源：天准科技招股书，欧普特招股书，奥特维年报，机器视觉产业链厚积薄发，国内市场增速或将领先全球水平25年全球有望达千亿市场规模，中国或将增速领先全球5年全球有望达到千亿市场规模，中国增速或将领先全球。根据arketsandrkets统计全球机器视觉市场规模在2021年达到804亿元同比增长1252021年全球传统工业复苏和新能源行业的蓬勃发展拉动了相关企业的扩产需求工业检测锂电池等视觉检测产品需求有所增长，未来AI将给予行业更大想象空间，扩大机器视觉的应用范围，预计在2025年市场规模达到1276亿元2022-2025年均复合增长率预计约为13222021年物流仓储新能源行业的蓬勃发展拉动了相关企业的扩产需求视觉检测产品需求增长明显，GII数据显示，2021年中国机器视觉市场规模1386亿元（该数据未包含自动化集成设备规模，同比增长469，增长速度远高于全球平均水平，未来得益于后疫情下宏观经济的回暖制造业自动化升级政策支持等因素中国机器视觉行业规模有望一步增长其中2D视觉市场规模约为1265亿元3D视觉市场约为111亿元传统工业产品的回暖也为机器视觉带来生机，增长趋势明显。GII预测，至2025年我国机视觉市场规模将达到349亿元其中2D视觉市场规模将超过291亿元3D视觉市场规模将超过57亿元。图：全球机器视觉市场规模 图：中国机器视觉市场规模resandre，高工机器人公众号， 高工机器人公众号，机器视觉产业链成本占比：工业相机及软件算法为关键机器视觉作为智能制造中不可或缺的重要部分发展空间的释放需要充分挖掘产业链相关环节。机器视觉产业链的上游主要为LED、CC、CMS、光学材料、电子元器件、五金结构件等原材料。由于机器视觉是由多个部件组成，每个部件的原材料均有不同，因此，产业链上游涉及的行业范围较为宽广国外领先企业例如基恩士康耐视海克斯康aslerAG四家企业，主要布局机器视觉产业链的中上游业务；国内布局机器视觉产业链上游领域的企业主要有海康威视天准科技机器视觉产业链中游主要为系统集成商和装备制造商系统集成商通常直接采购视觉软件传感器驱控系统等核心零部件通过简单的二次开发和组装完成设备生产不具备自由机器视觉算法软件以及视觉传感器和精密驱控等核心技术通常不具备整台装备的设计生产能力机器视觉产业链的下游主要为运用机器视觉技术的设备制造行业和终端用户所涉范围十分广泛如汽车医药化学电子、半导体、印刷、食品饮料、物流、烟草、医疗、电池等。图：机器视觉产业链各公司招股书各公司公众号埃科光电首次公开发行股票申请文件的第二轮审核问询函的回复高工机人常州钟楼金控集团公众号亿欧智库发现报告网前瞻产业研究院中商产业研究院等（加粗为国内上市公司）纵观整条产业链，成本价值量的关键当属上游环节的工业相机和底层软件算法。工业相机是机器视觉设备中价值量最高的核心组件（价值量占比约为23，由图像传感器图像采集卡与各类芯片组成技术壁垒较高工业相机本质的功能就是将光信号转变成为有序的电信号再将该信号模数转换并送到处理器后以完成图像的处理分析和识别与普通相机相比工业相机需要更高的传输力抗干扰能力以及稳定的成像能力。市面上的工业相机主要有面阵相机、线阵相机、3D相机以及智能相机。目前全球工业相机行业由欧美品牌占据主要市场国外知名企业如德国asler拿大DALSA美国康耐视等我国对于工业相机的研究起步较晚工业相机行业主要布局于中低端市场近些年我国也逐步发展出一批自主研发工业相机的国产品牌可逐步实现进口替代。底层软件算法对所获得的视觉信号进行处理是机器视觉系统的关键所在，一般来说，掌握底层软件算法的公司更容易形成自身优势在工业领域成熟的视觉算法软件已经有很多包括VisionprhalconpevCVMlexsightevsion等参考拥有广受好评的机器视觉软件isionPro的厂商康耐视不断革新升级isionPro如2018年推出具有里程碑意义的工业图像分析软件isionProiDi套件助其突破高原瓶颈维持毛利率高位。我们将持续看好布局研发投入相机性能与底层软件算法的企业国内代表厂商包括天准科技、凌云光、海康威视等。图：机器视觉各环节成本价量占比中商产业研究院公众号，国内外竞争格局：国外巨头优势显著，国内厂商成长后劲充足全球市场巨头优势显著国内厂商仍待突破垄断藩篱全球机器视觉市场以康耐（美国基恩（日本巴斯（德国为代表的企业占据全球超过50的市场份额以康耐视基恩士为代表的双巨头以入局早扎实产品技术广泛应用场景经验的优势提前占据市场优势而中国机器视觉行业相对国际机器视觉市场发展较晚目前主流仍是国际厂商在中国传统制造业自动化与数字化转型升级的驱动以及国内技术不断更新迭代的背景下中国厂商的市场规模渐长根据中国企业数据库企查猫目前中国机器视觉行业的主要企业共有7114家其中以2017-2019年为主要注册热潮2019年注册企业数量为891家数量最多，而2022年仅新增了20家机器视觉企业。然而从企业营收层面国内厂商的规模仍待扩张通过横向比较，基恩士与康耐视为代表的国外厂商在大中华区的收入稳定增长，2021年两家巨头在华营收达到91亿美元，同比增长33占国内机器视觉产业约47的市场份额两家巨头在华营收总和在年均复合增长率为1090，略高于国内5家龙头厂商2018-2021年间785的年均复合增长率。国内代表企业2021年总营收为771亿元，同比增长256，可见以凌云光、天准科技等为代表的国内龙头厂商对国内市场的渗透仍有广阔的提高空间。图：1年全球机器视觉行业竞争格局 图：1年中国机器视觉行业竞争格局华经产业研究院，华经情报网公众号， 华经产业研究院，华经情报网公众号，表：各公司的产品类型与应对比上游光源及光源控制器镜头光源及光源控制器镜头相机软件视觉系统集成设备电子半导体新能源汽车基恩士（日）✔✔✔✔✔✔✔✔康耐视（美）✔✔✔✔✔✔✔✔✔S（日）✔CB（日）✔Moriex（日，✔✔退市）StemerImain（德）✔✔✔✔✔海克斯（瑞典）✔✔✔✔oungooDSP（韩）✔✔ISRA（瑞典，退市）✔✔✔✔✔✔Henneke（德）✔✔DWFrit（美）✔✔Basler（德）✔✔✔✔✔✔✔✔eldyeDALSA✔✔✔✔✔MVc（美）✔矩子科技✔✔✔✔✔海康威视✔✔✔✔✔✔✔✔✔大恒科技✔✔✔✔奥普特✔✔✔✔✔✔✔✔✔✔凌云光✔✔✔✔✔✔✔天准科技✔✔✔✔✔✔云从科技✔精测电子✔✔✔✔✔华兴源创✔✔✔深科达✔✔✔华睿科技✔✔✔✔✔✔✔✔✔欧普特✔✔✔

中游整体方

下游应用领，各公司公告，各公司官网等，（标红为上市公司）上游各环节发展程度不一，国产高端化为市场扩张的方向国内机器视觉上游行业仍处于成长阶段增长速度大致相当光源市场是国内厂商最早入场机器视觉领域的环节国内发展较为成熟国产化程度较高，竞争较为充分本土厂商主要有奥普特、沃德普、康视达、纬朗光电等。工业相机为上游产业链中高价值的环节，工业相机是工业视觉核心零部件作为新兴技术被寄予厚望被认为是自动化行业具备光明前景的细分市场根据CVU公开数据2021年我国工业相机市场规模约为283亿元至484亿元，2022年至2025年，我国工业相机市场规模将有望保持40以上的复合增速增长，预计2025年国内工业相机市场规模将要超过125亿元，伴随国内工业自动化水平的提升，机器视觉在各行业渗透率有望加速将进一步提升工业相机的市场空间工业镜头在中国市场增长速度快2019年达到46的增速这主要得益于光学镀膜技术的快速进步产品良率以及光学设计效率大大提升以及新型加工工艺极大提升组装效率和产品稳定性确保工业镜头稳定增长的出货量视觉软件市场需求规模整体增长速度快2021年以461的增速攀升至471亿元随着未来机器视觉在各行业中的持续渗透GII预计在2025年该规模将接近150亿元。图像处理软件领域主要由海外厂商主导，包括康耐视、vec、dept等，底层算法领域基本由外资垄断。相比国外厂商而言，我国机器视觉软件系统起步晚，较少拥有独立底层算法，该部分所需时间+资金成本高，目前国内如凌云光、天准科技不断投入底层算法的研究，仍在持续优化与研发中。图：我国ED市场规模 图：全球中国工业相机市场模常州瑞源创业投资有限公司公众号，常州钟楼金隆控股集团、

赛迪顾《中国工业机器视觉产业发展白皮书，图：全球中工业镜头市场模 图：我国机器视觉软件需求场规模赛迪顾《中国工业机器视觉产业发展白皮书， 高工机器人公众号，国产替代奠定上游竞争基调，I浇灌下滋润工业相机与软件环节升级A+核心硬件，以智能相机为代表持续拓展应用场景AI产业化催生工业智能相机的发展契机拓宽应用场景从某种意义上理解机器视觉中核心要“智能相机即工业相机视觉控制系统的集成它将图像的采集处理与通功能集成于单一相机内从而提供了具备多功能、模块化高可靠性易于实现的机器觉解决方案随着芯片技术日益成熟尤其是应用最新的DSPFPGA及大容量存储技术摄像头中加入AI芯片使其具备强大的视频图像采集技术和数据分析存储能力智能化程不断提高，满足多种机器视觉的应用需求。图：-ae工业相机与智能相机上海锐势机器视觉科技有限公司官网，表：传统工业相机与智能相对比传统工业相机 智能相机需配备光源CD或CS机图像采集卡图体积处理软件以及C机，结构杂，体积庞大

与普通相机体积相当，易于安装在生产线和各种设备上。易用性 使用相对复杂。 安装效率高，易学易用易维护集成了图像采集单元、图像处理单元、稳定

将以C为基础的机器视觉统从各部件中分离出来，不仅要求客户对每一个部件的选择花费更长的间，同时也要考虑到兼容和可靠每一个部件。

图像处理软件、网络通信装置等，经专业人员进行可靠性设计，其效率及定性都较高。硬件电路均已固定，设计灵活性较差，定制化 客户可以选择每一个机器视觉系统的部件。虽然可以面对不同的移动增值业务来开发软件但

但同时也使得产品具有更好的工作效和安全性。不需要为用户开发软件就可以进行常规软件性

于软件系统的功能和开发能力的差异，使用C的算机视觉设备的企业在软件方面的通用性不够。

测量和识别的应用，从而使其软件功具有更好的通用性。河南广润自动官网，徐美祥《工业智能相机技术研究，中国工业领域相关市场发展空间广国际厂商仍占据智能相机的技术优势国内市场来看CVU调查数据显示2021年机器视觉的工业相机市场规模为488亿元其中智能相机占比6，达到99亿元，未来随着机器视觉在工业领域上的应用越来越深入自动化层面工业相机的功能也日渐趋于智能化有望进一步扩大相关市场规模2024年的市场规模将达到242亿元。该占比有望进一步扩大。从竞争格局来看，全球工业智能相机市场的市场集中度较高，率先布局智能相机的康耐视和基恩士市占率超过70，这主要系国外产品软硬件优势明显，具备发展智能相机的契机。国内厂商通过多年自主研发的努力，已经在关键技术上取得突破，如光虎华睿等，不断推出智能工业相机系列产品通过性价比优势挤占国外厂商市场份额。图：工业相机细分产品市场模（亿元） 图：8年全球智能相机行业竞争格局4%0%15%4%0%126%

45%

康耐基恩IFMDatlogc其他VU， 前瞻产业研究院，A+智能相机能够面向工业全场景一体化+适用性+效率高的优势明显与P-bae方案比较中，不仅能够做到性能稳定，效率提高，并且有着三大优势：一是轻量级一体化，AI智能相机一改传统PC方案中的显卡、内存、硬盘、CP、IO卡、主板、机箱、电源、相机转化成一台小而美的智能相机大大降低成本二是适用性扩充AI智能相机凭借核心视觉算法和深度学习技术，可以满足不同业务场景的需求，实现多行业的低门槛通用性。三是效率大幅提高，AI智能相机的无代码AI部署平台，最大程度地降低对操作人员的专业要求提供了具有多功能模块化、高可靠性易于实现的机器视觉系统解决方案节省了90的AI部署时间。表：以海康C0为例的智相机与传统工控机的性能比较显卡字符定位30102254目标检测225显卡字符定位30102254目标检测22587320分类1557741353

高性能工控机高性能资料来源：海康机器人Hikrobot公众号，智能相机是自动化行业中高潜力的细分市场有望推动机器视觉系统的进一步普及未随着智能相机技术和物联网的进一步融合发展智能相机具有成本效益紧凑灵活功能强大的优势将进一步放大基于智能相机的机器视觉系统普及度将进一步提高尤其是成为现代工业自动化的一大核心环节植入推理性能视觉处理控制系统的智能相机在将来有望占有视觉智能硬件市场发展的重要板块。表：布局智能相机的国内厂商品牌 型号 亮点 识别率 算法软件配内置深度学习目标检测分类OCR海康机器人 SC00云从科技 炬眼V2智能相机大恒图像 allas凌华科技 NE-00JNX

算法用于汽车零部件3C半导等复杂环境下的检测识别。全球首款内置“枭龙II”深学习法的智能相机除人脸识别外支动作识别性别分析年龄分析等力。广泛用于物料食品包装电子元器件、汽车制造等行业的读取、检查缺陷检测、计数等以高性能、小尺寸和易开发的特性，打开AI视觉解决方案适用制造

995998005s内未披露95

内置自研深度学习算法工具自有算法支持远程级维护集成tec的视觉件EIC集成enCV视觉法库物流零售服务农业智慧城市医疗生命科学以及其他领域的边缘应用资料来源：海康机器人公众号、云从科技公众号、大恒图像公众号、凌华科技公众号，A+软件铸就行业核心壁垒，国产替代正当时机器视觉行业所要求的技术精准度较高负责处理图像的机器视觉软件是系统的核心器视觉当前比较流行的开发模式“软件平台+视觉开发包开发包是基于软件平台对各种常用图像处理算法进行封装用以实现对图像分割、提取识别和判断等功能，进一步安装在上位记或内嵌至工业模板中实现人机交互的功能常见的软件包可分为通用工具ATL、penCV等和机器视觉专用工具isionPr，Halcn等。其中，算法是机器视觉的灵魂，以天准科技为例的国内机器视觉企业投入研究算法包括2D视觉算法、基于深度学习缺陷检测算法、3D视觉算法、3D点云处理、多传感器融合标定等。表：机器视觉算法类型类型 内容对图像进行去噪音增强分割边缘检测、特征提取等分析处理，2D视觉算法基于深度学习的缺算法

结合模版匹配模式识别及机器学习等技术实现对特定目标的检测识别利用深度学习算法结合大量工业零部件的视觉图像进行训练建立测模型，实现对零部件的表面缺陷检测3D视觉算法 用于实现物体3D形貌获取D目标识别和空间感知等功能通过高效的数据结构和深度优化的处理算法，实现3D点分割、合3D点云处理多传感器融合标

并、曲面拟合、几何计算、模板匹配等处理将多种传感器扫描的数据进行空间融合实现数据在不同坐标系之的转换资料来源：天准科技招股书，我国机器视觉的“软实力”仍大有可为。根据GII数据，2021年中国机器视觉软件市场需求规模为471亿元同比增长461远高于GII所统计的机器视觉品牌软件销售额188亿元这主要系国内的机器视觉厂商大多数是自主研发软件或开源平（如penCV）的二次开发但该模式在性能效率和稳定性上与专用视觉软件开发包相比仍存在较大差距因此未来随着视觉应用要求渐高将会有越来越多机器视觉厂商选择购买专业视觉公司开发的视觉算法平台同时2019-2021年间机器视觉行业对AI驱动解决方案研发投入占比最高，分别为18、187和21，GII预计，2025年机器视觉软件市场将有望长至150亿，2021-2025年均复合增长率超过30，中国视觉算法软件的潜在市场空间大。图：我国-1年研发投入主要方向凌云光技术公众号，表：国内外常用视觉软件技比较公司 底层算法平台 软件特点开源可以用于商用便于定制化算法开发；Itel eCV要求高：对代码人员能力要求高，开发周期长。功能强大强大的2D和3D觉软件库。开放性强：广泛支持视觉图像

图像算法技术比较图像增强算法效率 定位算法性能 识别算法性能- - -Vtec alcon

采集设备，与多种开发环境平台有较好的兼容性；开发要求高，对代码能力要高。入门简单，开发周期短；功能性：3D机器视觉库有限

- - -2D定位精度最高10像素，般14像素;效率50s以内康耐视 isionAept eSight奥普特 SciVsion凌云光 isionae海康机isionMster器人

无法GU加速，图像处理算工具较少。性能定位和零件检测效果好恶劣环境适应性好；缺点：软件开发费用高，普性不高；定制化开发应用能力强，在费电子领域有较大优势。在印刷品检测领域具有优势印刷品反光、拉丝方面的算较可靠，漏检率低。算法丰富性能强灵活开放支持多种开发模式，软件简单易用。

未披露2077s13M像素10s5M像素50s5M像素

5M像素3D定位精度25μ(未披露精保证下的处理效率)2D定位精度未露;效率:6819s8M素3D定位精度与率未披露2D定位精度像素效率20s5M像3D定位精度2效率502D定位精度最高16像素一般14像素;效率10s以内5M像素3D定位精度;效率300s;

99识别率效率识别率未披露287s/5M像素99识别率50s5M像素999识别率资料来源：海康机器人招股书，赛迪顾问，工业机器人公众号，我们认为国内切入软件市场机器视觉企业具有较高成长性首先以软件的技术密集型特点打造公司壁垒，底层算法建设需要投入周期长+持续资金注入，一旦形成将成为公司稳定营收与毛利率的护城河具有难以替代的优势其次是融合人工智能的机器视觉算法能够扩充硬件产品的通用性与不可替代性如通过深度学习对模型鲁棒性的提升有望拓展机器视觉的应用场景同时通过模型算法指令优化提升整体检测速度适应旋转缩进、平移色差、光照强度等变化使得机器视觉系统更佳具备柔性与通用性加速其在工业领域的渗透最后国内厂商自研的底层算法与数据库能够更贴合国内终端客户需求在易用性上具备先天的本土化优势，以易用性的优势有望取代国际厂商提供的软件算法平台。表：拥有底层算法平台的企业公司 主营业务康耐视 ision，以适合任何开发需求的格式提供对业界领先的视觉工具，广泛应用于工业化场景。isionae为其算法平台，印刷品检测方面优势较大，做钞票印刷检测、在比较复杂的印刷品反光、拉丝凌云光海康机器

等方面算法较可靠，漏检率低isionMster视觉软件平台能丰富、性能稳定可靠，用户操作界面友好，能够满足视觉定位、测量、检测和识别等视觉应用需求成功应用于CC加工定位手机对位贴合零件对位抓取零件定位工件技抓取和工件定位引导等多项案例中。虹软科