【产业观察】机器视觉行业研究分析

根据美国制造工程师协会（SME）机器视觉分会等机构的定义，机器视觉工作过程是通过光学装置和非接触式传感器自动地接收、处理真实场景的图像，目的在于获得所需信息或用于控制机器人运动。 

一个典型的机器视觉系统一般包括光源及光源控制器、镜头、相机、视觉控制系统（视觉处理分析软件及视觉控制器硬件）等，其中光源及光源控制器、镜头、 相机等硬件负责成像，视觉控制系统负责对成像结果进行分析、输出结果至其他执行部件。机器视觉系统的“读取信息-传输信息-处理信息”的过程与人眼的运作机制对应，可谓人类视觉在工业界的延伸。

识别、测量、定位和检测等四大应用场景实现难度依次递增。

识别

甄别目标物体的物理特征，包括外形、颜色、字符、条码等，其准确度和识别速度是衡量的重要指标。常见的应用场景是 OCR，读取零部件上的字母、数字、字符（例如条形码、二维码等）用于溯源。

测量

把获取的图像像素信息标定成常用的度量衡单位，再精确计算出目标物体的几何尺寸，主要应用于高精度及复杂形态测量。

定位

获取目标物体的位置信息（二维或是三维），进而辅助执行后续操作， 常用于元件对位、辅助机器人完成装配、拾取等。

检测

主要针对目标物体的表面状态，判断产品是否存在缺陷，通常用于零部件缺陷、污染物、功能性瑕疵检测等。

上游：机器视觉产业链的上游主要包括以光源、镜头、相机为首的核心零部件和底层的软件算法库。据中商产业研究院的数据统计，上游的零部件和软件开发环节几乎占据机器视觉系统成本80%。

中游：产业链的中游主要包括视觉系统和智能视觉装备。视觉系统是光学成像模块（眼睛）与图像处理系统（大脑）的集合体，可以独立完成图像采集功能并基于图像采集的信息完成预期的处理工作（如定位、测量、检测和识别等）。智能视觉装备在系统的基础上增加了结构本体和自动控制部件，实现检测/生产工艺的控制和执行，给机器又植入了受大脑控制的“肌肉”和“四肢”。

下游：产业链下游通过系统集成商致力于将智能视觉设备与生产工艺相结合， 下游面向 3C 电子、汽车制造、新能源等众多细分行业，并随着技术渗透率的提升行业下游呈现“多点开花”的态势。

全球 3C 电子产业向发展中国家转移，高精度、换代快等特点助推机器视觉技术迭代，应用场景延伸和品类拓展有望持续推动我国3C行业机器视觉渗透率提升。

由于消费类电子行业元器件尺寸较小，检测要求高，天然适合机器视觉系统落地，其高精度要求也反向推动了机器视觉技术的革新。此外，消费类电子行业产品生命周期短、更新换代快，制造企业需要频繁更换产线设备，进一步增加了对机器视觉行业的需求。未来，随着机器视觉在3C制造中的应用场景由低精度的二维码、字符识别进一步延伸至超越人眼极限的高精度组装与加工，机器视觉在3C电子行业的渗透率有望持续提升。

机器视觉应用方向包含工业级与消费级，产业边界趋于模糊。根据机器视觉联盟 （CMVU）的数据，用于消费电子、半导体与新能源等板块的工业级机器视觉合 计占比 79.8%；相比之下，用于消费级机器视觉的安防与监控、物流分拣以及智 慧交通等领域占比仅 17.0%，但份额逐年提升。

随着 AI 和 5G 技术的商用落地，机器视觉不再局限于工业领域。机器视觉结合三维重建、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。因此，机器视觉在影视、游戏、直播、文旅等领域还有施展拳脚的空间。