1. 行业快速发展，需求不断增加

1.1 机器视觉优势明显

根据美国制造工程师协会(SME)机器视觉分会和美国机器人工业协会(RIA)自动化视觉分会关于机器视觉的定义：机器视觉是通过光学的装置和非接触的传感器，自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。机器视 觉即用机器代替人眼，模拟眼睛进行图像采集，经过图像识别和处理提取信息，最终通过执行装置完成操作。机器视觉是计算机学科的一个重要分支，综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信 号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也推动了 机器视觉的发展。

机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和 CCD 两种） 将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜 色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征， 进而根据判别的结果来控制现场的设备动作，是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。

机器视觉的特点是提高生产的柔性和自动化程度。在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。而且机器视觉易于实现信息集成，是实现计算 机集成制造的基础技术。可以在最快的生产线上对产品进行测量、引导、检测和识别， 并能保质保量的完成生产任务。

机器视觉的灰度分辨率强，一般可使用 256个灰度级，采集系统可具有 10bit、12bit、 16bit 等灰度级，远强于人类视觉的 64 个灰度级，也弥补了人类视觉对灰度分辨率的缺陷。目前，机器视觉的空间分辨率有 4Kx4K 的面阵摄像机和 12K 的线阵摄像机，通过设备各种光学镜头，可观测小物件至微米，大物体至天体的目标。此外，机器视觉可从紫 外光到红外光的较宽光谱范围，也有 X 光等特殊摄像机等配件适用于不同特殊用途。

人类视觉适应性强，可在复杂环境中识别目标，较为适合无结构化场景，而机器视 觉具有速度、准确度和可重复性等优势，更擅长定量测定结构化场景。使用合适的相机 分辨率和光学元件制造的机器视觉可检测人眼难以看到的物体细节。机器视觉检测可避免测试系统和待测零件发生物理接触、零件损坏、由机械组件磨损产生的维护和成本支出，同时减少制造过程中的人为干预，从而增加安全性和操作便捷性。此外，还可以避 免人为污染无尘室，保护工人误入危险环境。

根据自动成像协会 (AIA)，机器视觉涵盖所有工业和非工业应用，它综合使用硬件和软件的功能，根据图像的采集和处理为设备提供操作指引。虽然工业机器视觉的使用 与学术、教育、政府、军事等应用相同的机器视觉算法和方法，但个别方面仍具有不同 之处。与学术、教育视觉系统相比，工业视觉系统需要更高的坚固性、可靠性和稳定性， 而且成本相对而言较低。机器视觉系统依靠工业相机内受保护的数字传感器和专用光学元件采集图像，使计算机硬件和软件能够处理、分析和测量各种特性以帮助制定决策。

机器视觉的用途可分为定位、识别、引导、测量、检查。

（1）定位：零件定位在机器视觉应用中是关键的第一步。无论是简单的装配验证 还是复杂的三维机器料箱拣选，所有机器视觉应用的第一步是通过模式匹配技术在相机 视野中找到关注的对象或特征。关注对象的定位决定了成功还是失败。如模式匹配软件 工具无法精确定位图像中的零件，则无法进行识别、引导、检查或测量。在实际生产中， 零件外观出现差异将无法实行定位，该步骤具极具挑战性；视觉系统根据图案来识别零件，尽管严格管控元器件的制造过程，在视觉系统中的外观也会有一些差异。视觉系统 的零件定位工具必须足够智能且快速并准确地将培训模式和下移至生产线上的实际对 象进行比较，从而获得更准确、可靠且可重复的结果。

（2）识别：视觉技术可以读取字母、数字、字符。零件标识和识别机器视觉系统 可以读取条码 (一维)、数据矩阵代码 (二维)、直接部件标识 (DPM)和零件、标签与包 装上印刷的字符。先由光学字符识别 (OCR) 系统在不知情的情况下读取字母、数字、字符，然后由字符验证 (OCV) 系统确认字符串的存在。此外，机器视觉系统可以通过定位 具体图案来识别零件或根据颜色、形状或大小识别物品。

DPM 应用将代码或字符串直接标记到零件上，通过直接部件标记进行追溯可以改善资产追溯和零件真伪验证。通过记录成品子组件中各元件的谱系信息，它还可以提供单位级数据，从而推动出色技术支持和保修服务的提供。

（3）引导：有多种需要引导的原因。首先，机器视觉系统可以定位零件的位置和方向，然后将其与规定的公差进行对比，并确保它位于正确的角度以便准确地验证装配。然后可以通过引导将零件在二维和三维空间中的位置和方向报告给机器人或机器控制器，使机器人能够定位零件或让机器能够对准零件。机器视觉引导在许多任务中可以实现比手动定位更高的速度和准确性。

另外，可通过引导与其他机器视觉工具对准。这是机器视觉的一个非常强大的功能， 因为生产期间零件可能会以未知的方向出现在相机视野中。通过定位零件再将其与其他 机器视觉工具对齐，机器视觉可以实现自动工具固定。这涉及定位零件上的关键特征以 精确放置卡尺、斑点、边缘或其他视觉软件工具从而正确地与零件产生相互作用。这种 方法使制造商能够在同一条生产线上制造多个产品并减少了对检测时需要维持零件位 置的昂贵的硬件换型的需求。

引导需要几何图案搭配。图案搭配工具必须能处理对比度和照明方面之间存在的差 异，以及比例、旋转和其他因素的变化，同时每次都要可靠地找到零件。这是因为其他 机器视觉软件工具的对准需要图案搭配获得位置信息。

（4）测量：测量距离和位置以评估是否符合规格。测量应用中的机器视觉系统计 算测量对象上两个点、多个点或几何位置之间的距离以确定这些测量是否符合规格。如 不符合标准，视觉系统向机器控制器发送失败信号，触发拒绝机制以将对象从生产线上 弹出。

在实际应用中，使用固定安装的相机采集通过相机视野的零件图像，然后系统使用 软件计算图像中各个点之间的距离。由于许多机器视觉系统可以测量 0.0254 毫米范围内 的对象特征，所以能解决诸多手工接触测量无法处理的应用。

（5）检查：识别缺陷、异常和其他制造缺陷。检查应用中的机器视觉系统用于检测制造的产品中的缺陷、污染、功能缺陷和其他异常。如检查药物的药片是否有缺陷，验证显示屏上的图标或确认像素的存在，或检测触摸屏以评估背光对比度的水平。机器视觉也可检查产品的完整性，如保证食品和药品行业产品和包装是否相符，以及检查瓶 子的密封、瓶盖和环的安全性。

1.2 国内机器视觉行业正处于高速发展阶段

机器视觉是人工智能正在快速发展的一个分支，全球机器视觉行业发展从 20 世纪 50 年代开始，工作主要是二维图像分析与识别，包括光学字符识别、工件表面图片分析、 显微图片等分析。60 年代开始以研究及理解三维场景的机器视觉。1965 年研究学者从 数字图像中提取如立方体、楔形体等的三维结构，研究物体形状与物体空间关系，开始 对三维机器视觉的研究。

受到积木世界的创造性研究的启发，对积木世界做更深入的研究，理解积木玩具组 成的三维世界，以此为基础深入研究与理解更复杂的三维场景。从边缘、角点等特征开 始，再到线条、平面、曲面等要素，再深入研究至图像明暗、运动以及成像几何，并建 立了各种数据结构和推理规则。

深入研究积木世界后，70 年代起，机器视觉的理念逐步清晰明了，行业发展速度极 快。知名大学正式开设“机器视觉”课程，越来越多学者踊跃参与机器视觉理论、算法、 系统设计的研究。80 年代至今，机器视觉蓬勃发展，新概念、新理论相继涌现。

机器视觉全球市场规模从 2010 年的 31.7 亿美元增长至 2020 年的 107 亿美元，年复 合增长率为 14.47%。从地区分布来看，机器视觉市场规模最大的为欧洲地区，占全球的 36.4%；北美和亚太地区分别占比为 29.3%、25.3%，南美、中东、非洲地区的占比为 9.1%。受益于全球制造中心向中国转移，中国机器视觉市场发展迅速，将成为欧洲、北美和日 本外另一个国际机器视觉厂商的重要目标市场。

与全球机器视觉行业相比，国内机器视觉行业起步晚，1999-2003 年是我国机器视 觉发展的启蒙阶段，开始出现跨专业的机器视觉人才，2004 年后进入发展初期，机器视 觉企业开始探索与研发自主技术和产品，同时取得一定的突破。经历十年，中国机器视 觉产业逐步迈向高速发展阶段。目前，中国有近百家机器视觉相关企业，从事半导体、食品、安防、医疗及金融等各个领域。

启蒙阶段（1999-2003）：国内企业主要以代理业务为客户进行服务，逐渐熟悉了解 行业的标准，从而提高国内行业的标准要求。在代理业务期间，国内机器视觉企业不断 吸收消化海外机器视觉的理念和海外企业产品先进技术。国内跨专业的机器视觉人才从 了解图像的采集和传输过程、理解图像的品质优劣开始，到初步的利用国外视觉软硬件 产品搭建简单机器视觉初级应用系统，逐渐掌握国外机器视觉产品的使用方法。通过市 场宣传和推广、技术交流、项目辅导、培训和引导中国客户对机器视觉技术和产品的理 解和认知，从而启发客户发现使用机器视觉技术的场合，开启中国机器视觉行业发展进 程。

特种印刷和烟草等对成本不敏感，但对品质要求较高的领域率先引进机器视觉技术， 成为机器视觉技术最早的受益者。机器视觉技术提高了人民币的印刷质量和自动化水平、 统一人民币印刷质量标准。作为中国优势产业的烟草领域，机器视觉技术进入烟叶异物 剔除、包装检测等工序，替代人工的同时大幅提升了生产效率和产品质量。在特种印刷 和烟草行业，机器视觉技术的应用令更多的企业关注机器视觉技术带来的价值和应用前 景，机器视觉行业逐步进入发展阶段。

发展阶段（2004-2007）：国内本土机器视觉企业开始探索自主核心技术及提升、机 器视觉软硬件研发，发现更多机器视觉设备和集成的新应用领域并取得关键性突破。受 益于制造业逐渐向国内转移，汽车、包装等行业客户对产品质量要求提升，大部分自动 化领域的系统集成商开始熟悉并使用机器视觉技术，视觉技术在相关设备中的应用程度 也有所提高，如 PCB 检测、SMT 检测等设备国产设备迅速兴起。国内厂商陆续推出新产 品，凭借产品性价比和服务的优势填补了国内相关市场需求，逐渐占据低端市场。国内 传统产业，如棉纺、农作物、纸张等行业开始使用机器视觉技术作为提升质量、效率、取代人工的工具。

高速发展阶段（2008-至今）：经历近十年的发展，中国机器视觉进入了高速发展阶段。大批机器视觉核心零部件研发厂商涌现，努力打造了中国创造的机器视觉产品。随着机器视觉技术在半导体、LCD、烟草、印刷、汽车等多个行业的广泛应用，国内企业 的产品在实践中不断成熟与完善，国内企业的机器视觉技术仍有较大的上升空间。

2015-2018 年，中国机器视觉行业市场规模增速较快，维持在 40%以上。根据中商 产业研究院预测，2020 年中国机器视觉市场规模为 115 亿元，同比增速 11.65%。2015-2020 年复合增长率为 37.97%，较全球机器视觉行业 2015-2020 年复合增长率高 24.31pct。

根据中国机器视觉产业联盟统计，国内机器视觉行业以中小企为主，主要集中在销售额 1-3 千万范围，占 31.80%；1 千万以下销售额占比为 19.80%，3-5 千万销售额企业 占比 13.20%，5 千万-1 亿元销售额企业占比 18.70%，1 亿以上销售额企业占 16.5%。我 们认为，国外企业占据更大的市场份额与销售优势，主要以高端市场为主，国内大部分 机器视觉企业需提升自主研发技术和产品，仍有巨大的上升空间。从区域分布来看，机 器视觉企业聚集较为集中，分布在广东省、江苏省、山东省、浙江省、上海市，分别占 比为 27.01%、15.88%、7.73%、7.63%、4.07%，5 个省市共占据 62.33%。

1.3 政策规划扶持，机器视觉渗透率逐渐提升

在人口老龄化严重、人工成本加重的情况下，国家越来越注重智能制造的发展，为 高端装备、人工智能、自动化生产等领域发布各项政策规划支持行业发展，充分支持智 能制造行业的产品研发和市场扩展。高端装备制造、人工智能、自动化生产行业均是机 器视觉技术的主要应用领域，对于精准度的严格要求需要机器视觉技术的支持。受益于 国家各项政策推动，机器视觉行业得以快速发展。中国制造逐渐走出国门，迈向全球。

从 2013 年起，国家陆续发布相关政策与规划为机器视觉行业提供支持。2016 年发 布的《智能制造“十三五”发展规划》，提出十大重点任务，加快智能制造装备发展并 推动重点领域智能转型。发展规划为高端装备制造和自动化生产的发展提供大力支持， 而作为配套设备的机器视觉产品需求也逐渐增加。

2019 年发布的《加快培育共享制造新模式新业态，促进制造业高质量发展的指导意 见》，提出要求支持平台企业积极应用人工智能技术，发展智能检测功能，不断提升制 造全流程的智能化水平。机器视觉技术为智能检测提供便利，提高效率及降低人工成本。随着行业的发展，客户了解到机器视觉技术的应用广泛、增效降本等有利因素后，机器 视觉在各行业的渗透率逐渐提升。

此外，随着机器视觉技术和产品不断扩张下游应用领域，客户对机器视觉的标准提 出更高要求。我国在持续制定机器视觉行业相关标准，机器视觉产业联盟于 2020 年发 布了《工业镜头术语》及《工业数字相机术语》两项团体标准，进一步推动国内机器视 觉标准的制定。同时《智能制造机器视觉在线检测通用要求》国家标准正在征求意见， 而《智能制造机器视觉在线检测测试方法》国家标准在起草当中。（报告来源：未来智库）

2. 关注上游零部件细分领域，下游应用场景多样

机器视觉系统的成功取决于所用的关键组件。机器视觉系统的主要组成部分包括光 源照明、镜头、图像处理和视觉处理组件等。照明可以照亮要检测的零件，使其特征突出，从而可通过相机清晰地看到。镜头采集图像并以光的形式将其传送给传感器。机器视觉相机中将此光转换为数字图像，然后将其发送至处理器进行分析。视觉处理包括检 查图像和提取所需信息的算法，运行必要的检查并做出决定。最后，通过离散 I/O 信号 或串行连接将数据发送到记录信息或使用信息的设备完成通信。

机器视觉行业产业链中，上游硬件部分包括光源、镜头、工业相机、图像处理器、 图像采集卡；软件包括图像处理软件和底层算法。中游为设备制造商与系统集成商；机 器视觉下游应用广泛，包括半导体、汽车、包装、医药、工业机器人等行业。在机器视 觉产品中，上游软硬件共占总成本的 80%，分别占比为 45%、35%， 组装集成和维护分 别占总成本的 15%、5%。

2.1 上游高端产品仍依赖进口，国内企业加速追赶

光源

光源照明是影响机器视觉系统输入的重要因素之一，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的光源产品，以达最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯、钠光灯和 LED 灯。可见光的缺点是光保持稳定的能力较弱，如何使光在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，可采取加防护屏的方式减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被 测物放在光源和摄像机之间，优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式方便安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲 照射到物体上，摄像机拍摄要求与光源同步。

机器视觉对光源的 5 个要求：

（1）高亮度：高速扫描、高速成像，要求曝光时间短的场合；

（2）高均匀性：表面检测、缺陷检测，利用灰度差异进行检测的场合；

（3）低功耗：移动设备、便携检测系统；

（4）长寿命：节约成本和维护费用；

（5）光谱特性好：利用光谱单色性检测的场合

目前，机器视觉光源主要采用 LED 照明为主，主要是形状自由度高，使用寿命长、响应速度快、单色性好、颜色多样、综合性价比高等特点在行业内广泛应用。在国家的 规划政策大力推动下，为 LED 照明产业的可持续发展奠定了坚实的基础。随着环保意识的不断加强、LED 照明的技术进步及成本下降，叠加全球 LED 照明产业转移中国的速度 加快，为中国 LED 照明产业发展提供新的发展机遇。供求方面，国内 LED 照明产品在海 外的渗透率仍较低，随着海外的需求不断的扩大，LED 照明作为我国的优势行业，未来 仍有巨大的上升空间。

2020 年中国 LED 照明市场规模为 8627 亿元，同比增长 14.30%，2017-2020 年复合 增长率为 10.71%。从 LED 照明竞争梯队来看，年销售收入 20 亿元以上为第一梯队，分 别有飞利浦、欧普照明、雷士照明、佛山照明、阳光照明等国内外企业；第二梯队为 5-20 亿元年销售收入，包括雪莱特、勤上光电等企业；第三梯队主要以国内民营企业和知名度较小企业为主。

镜头

镜头是机器视觉图像采集的重要成像部件。镜头的主要作用是将目标成像在图像传 感器的感光面上。分辨率、对比度、景深和像差等指标对成像质量有重要影响。工业镜 头按焦距可分为定焦镜头和变焦镜头；按光圈可分为固定光圈和可变光圈；按视场分为 长焦镜头、普通镜头和广角镜头。另外，有几种特殊用途的镜头，包括远心镜头、紫外 镜头、红外镜头等。因为传统镜头存在视差现象，畸变通常大于 1-2%，使用远心镜头较 为合适，可以在一定物距范围内校正视差，控制畸变系数。远心镜头因独特的平行光路 设计，满足精密检测的需求，在对镜头畸变要求较高的机器视觉应用中使用率较高。

根据 QYResearch 统计，2019 年全球工业镜头市场达到 33 亿元。海外品牌经过多年 在镜头领域布局、业务累积和技术升级，徕卡、施耐德、尼康、富士等领头企业已经在 全球范围内形成。因为光学镜头行业需融合精密机械设计、几何光学、薄膜光学、色度 学、热力学等技术，制造过程和工艺复杂，行业技术壁垒较高。

国内企业起步晚，2008 年之前国内光学镜头市场被德、日系品牌垄断。近年，中国 工业镜头行业的国内企业迅速发展，主要以低端市场为主，以高性价比与海外品牌竞争。高端市场方面，国内仍依赖进口高端产品，主要以日本、德国等老牌制造商的产品为主。

工业相机

图像分析的前提是镜头捕捉光信号并将其转换成有序的电信号。与民用相机不同， 工业相机具有更高的图像稳定性、传输能力和抗干扰能力，是机器视觉系统的关键组成 部分。目前，市场上的工业相机产品主要类型有线阵列相机、面阵相机、3D 相机和智能 相机。智能相机将图像采集、处理和通信功能集成到单个相机中，成为工业相机的发展 趋势。

图像传感器是相机的核心，按芯片类型可分为 CCD（电荷耦合器件）和 CMOS（互 补金属氧化物半导体）图像传感器。两者均使用光电二极管进行光电转换，但工作原理 和产品特性差异较大。

CCD：由光电二极管和存储区组成的矩阵。每个感光元件将光转换成电荷后，直接 输出到下一个感光元件的存储单元，传输至最后一个感光元件形成统一输出。放大器将 放大电信号，一个特殊的模数转换芯片将模拟信号转换成数字信号。

CMOS：每个光敏元件都直接集成了一个放大器和模数转换逻辑。当光敏二极管接 收照明并产生模拟电信号时，电信号将被光敏元件中的放大器放大，转换成相应的数字 信号。

机器视觉应用早期，CMOS 传感器在处理快速变化的图像时，电流变化频繁导致易 热、难以控制噪声，在图像质量要求不高的低端产品的使用率较高；而 CCD 具有更高图 像质量、抗噪声能力更强等优势，多使用于高端产品中。受益于 CMOS 传感器在消费电 子器件中的应用率提高，推动了 CMOS 技术的发展，性能得到了显著提高，制造成本也 有所降低。CMOS 传感器的分辨率和图像质量逐渐向 CCD 传感器靠近。CMOS 传感器在 高帧率、高像素、低功耗、改善的噪声系数等优势助力下，确立了稳定的市场地位。在 图像处理的诸多领域逐步取代 CCD 传感器。

工业相机行业在全球和中国市场增速较快，全球工业相机行业规模从 2011 年的 15.2 亿元增长至 2018 年的 40.3 亿元，年复合增长率为 14.95%；中国工业相机产业规模从 2011 年的 8000 万元增长至 2018 年的 7.3 亿元，复合增长率为 37.14%。中国工业相机市场正 在快速扩张，以 2 倍以上速度超越全球市场增速。

目前，全球工业相机行业以欧美品牌为主，2018 年北美品牌占全球工业相机市场的 62%，欧洲品牌占 15%。我国工业相机细分领域起步较晚，较海外市场落后。近年，中国工业相机行业逐步发展，涌现出一批自主研发工业相机的国产品牌，行业的研发技术得到提升。我国工业相机行业主攻低端市场，高端工业相机产品仍以进口品牌为主。

图像采集卡

图像采集卡（Image Capture Card），又称图像捕捉卡，是一种可以获取数字化视频图像信息，并将其存储和播放出来的硬件设备。很多图像采集卡能在捕捉视频信息的同时获得伴音，使音频和视频在数字化过程中同步保存、同步播放。图像采集卡的功能是将图像信号采集到电脑中，以数据文件的形式保存在硬盘上，是进行图像处理必不可少的硬件设备。图像采集卡可以把摄像机拍摄的视频信号从摄像带上转存到计算机中，利用相关的视频编辑软件，对数字化的视频信号进行后期编辑处理，如剪切画面、添加滤镱、字幕和音效等。

在电脑上通过图像采集卡可以接收来自视频输入端的模拟视频信号，对该信号进行采集、量化成数字信号，然后压缩编码成数字视频。大部分图像采集卡都具备硬件压缩功能，在采集视频信号时首先在卡上对视频信号进行压缩，再通过 PCI 接口把压缩的视频数据传送到主机上。一般的 PC 视频采集卡采用帧内压缩的算法把数字化的视频存储 成 AVI 文件，高级视频采集卡能把采集到的数字视频数据压缩成 MPEG-1 格式的文件。

由于模拟视频输入端可以提供不间断的信息源，视频采集卡要采集模拟视频序列中的每帧图像，并在采集下一帧图像之前把这些数据传入电脑系统。因此，实现实时采集的关键是每一帧所需的处理时间。如每帧视频图像的处理时间超过相邻两帧之间的相隔时间，将会出现数据的丢失，即丢帧现象。采集卡是把获取的视频序列先进行压缩处理后存入硬盘，即视频序列的获取和压缩是同时完成的，免除了再次进行压缩处理的不便。不同档次的采集卡采集压缩性能质量也将有所不同。

图像采集卡主要有两种类型，分别为 PCI/PCIe和USB 采集卡，而业内企业以生产 PCI/Pcle 采集卡为主，PCI/PCIe 采集卡使用率较高，市场占比约为80%。中国、欧洲和北 美为图像采集卡主要生产地区，中国占比约为 36%。图像采集卡技术含量高，2020 年 CR5 市场占比约为 42%，市场集中度相对较高。2020 年全球图像采集卡市场规模为 3.31 亿美元，同比下降0.06%。目前，北美是全球最大的图像采集卡市场，2020年市场占比 达到 32%。国内图像采集卡市场规模为 3.9 亿元。

2.2 下游应用领域广泛，三大制造业领域领头

制造业是目前机器视觉应用中比重最大的领域之一。由于制造业竞争加剧，成本压力迫使企业重视生产效率并促进了机器视觉技术的应用。为了提高生产效率，降低人力 成本、减少生产过程中的错误，工业生产和管理中的某些人工环节逐渐被机器替代。机 器视觉系统的特点是提高生产的柔性和智能化程度。此外，机器视觉易于实现信息集成， 是实现计算机集成制造的基础核心技术之一。在制造业领域之外，机器视觉技术也应用 于农业、医药行业、包装印刷业等其他领域。制造业细分领域中，消费电子、汽车、半 导体是机器视觉行业应用最广泛的三大领域。

近十年，中国工业机器人密度高速增长。2020年，中国工业机器人密度为 246 台/ 万人，较 2019 年增加 59 台/万人，从全球第 15 名提升至第9名。中国工业机器人密度 已高于全球水平，但仍低于发达水平国家，其中韩国、新加坡、日本长期霸占全球各国 工业机器人密度榜首，分别为 932 台/万人、605 台/万人、390 台/万人；德国和美国工业 机器人密度分别为 371 台/万人、255 台/万人。对比发达国家，中国的工业机器人密度仍 有较大的上升空间，将拉动自动化生产设备需求，细分领域机器视觉需求也将增加。

消费电子&半导体行业

消费电子产业在二十年前开始应用机器视觉技术，目前仍是机器视觉最主要应用领 域之一，也是带动全球机器视觉市场发展最主要的动力。受益于消费电子行业的发展，全球机器视觉技术得以崛起。消费电子行业元器件尺寸较小、检测要求高，使用机器视 觉系统进行检测能起到降本增效的作用。同时，由于消费电子行业对精细程度的要求较 高，促进了机器视觉技术的革新。

消费电子行业存在产品生命周期短、更新换代快的特征，智能手机等消费电子产品更新周期约为一年。频繁的型号和设计变更导致制造企业需要频繁采购、更新其生产线设备，对其上游的机器视觉行业产生巨大需求。同时，随着产品的不断更新换代，产品不断精密化，对作业精度的要求逐步提高，以苹果公司为首的知名消费电子企业不断增加对机器视觉技术的应用，预计消费电子行业对机器视觉产品的需求将持续增加。

在消费电子行业制造领域，元器件、部件和成品的制造各环节需要机器视觉的协助， 其中约 70%的机器视觉产品应用在检测环节。此外，连接器检测、PCB 底片检查、硬盘检测、机器人视觉引导定位、元器在线分类筛选、二维码读取等也需使用机器视觉产品。由于技术工艺的高要求，消费电子行业设备制造对机器视觉技术存在刚性需求。

半导体产业具有集成度、精细度高的特点，是机器视觉技术最早大规模应用的领域之一，机器视觉在半导体行业中的应用涉及到半导体外观缺陷、尺寸、数量、平整度、 距离、定位、校准、焊点质量、弯曲度等的检测，尤其是晶圆制作中的检测、定位、切 割、封装过程全程都需应用机器视觉技术。近年，半导体行业的技术水平持续提升，晶 圆越做越大，而内部线路越做越细，连接体体积越做越小，需要机器视觉精密识别、定 位的器件越来越多，对生产效率和次品率的要求也越来越严格，半导体行业对机器视觉 产品的需求持续扩张。

机器视觉技术在半导体生产的硅片制造、晶圆制造、封装测试阶段应用广泛。在硅 片制造阶段，机器视觉主要用于对硅片的检测和分选；在晶圆制造阶段，机器视觉主要 用于精密定位和最小刻度检测；在封装测试阶段，机器视觉技术的重要性更加凸显，晶 圆在切割过程中需要利用机器视觉系统进行精确快速定位，如定位出错，整个晶圆将会 报废，在整个切割过程中也需要机器视觉系统的全程定位引导，目前的机器视觉产品在 引导过程中已兼具焊线掉线检测功能；晶圆切割完成后将继续利用机器视觉产品识别出 非缺陷品进入贴片流程；在贴片过程中，核心构架为视觉加运动—需通过机器视觉产品 识别晶片位置及角度，并引导电机对晶片角度进行校正后，拾取到 PCB 上的指定位置贴 放。

根据中商产业研究院数据，2018 年消费电子和半导体行业机器视觉市场规模能够突 破 20 亿元，同比增长约为 24%。主要是消费电子需求量大、更新换代速度快，将拉动 机器视觉需求。2019 年市场规模将接近 30 亿元。

汽车行业

工业视觉下游应用领域不断拓展的过程中，新的领域呈现出更快的增长势头，如标 准化程度更高的汽车制造领域。2021年中国汽车累计销量为2627.5万辆，同比增长3.81%。我国汽车行业作为传统制造业，机器视觉替代人眼趋势在近几年逐渐渗透，2019 年汽车 领域机器视觉市场规模突破 10 亿元，同比增长约为 35%。

020 年末中国人均汽车保有量为173 辆/千人，而美国 837 辆/千人、澳大利亚 747 辆/千人、意大利 695 辆/千人、加拿大 670 辆/千人、日本 591 辆/千人。国内人均汽车保有量远低于发达国家，国内汽车保有量仍有巨大提升空间。

同时，以电子化、信息化为基础，以驾驶者及车内乘客驾驶安全、维修、娱乐等方 面多样化、个性化需求为目标，充分融合现代电子技术、传感技术、机械技术、控制技 术、通信技术、数据挖掘、人工智能等诸多技术的智能汽车也在蓬勃发展。国内积极推 动车联网、新能源汽车、智能汽车的高速发展，未来机器视觉产品在汽车销量中的占比 将快速提高。过去汽车以机械结构为主，而新能源和智能汽车中，电子零部件的成本占 比将达到整车的一半以上，传感器、通信（GPS、DSRC、4G/5G）、摄像头、监控、检测、 娱乐系统将会被装载在汽车之上。随着汽车行业的电子化、智能化发展，汽车产业链对 生产精度、智能化的要求均不断提高。汽车行业对采用机器视觉技术检测设备以及智能 制造装备的需求量将不断提高。（报告来源：未来智库）