機器視覺行業研究：工業之眼，國產突圍

產業趨勢：高端制造新軍突起，機器換人大勢所趨

新能源、半導體、汽車、航空航天等高端制造業占比提升，對工業智能化水平提 出更高要求

隨著先進制造在我國的占比提升，工業生產線上人眼在精度、效率等方面已不能滿足產業升級的要求。如何借助機器視覺等智能化技術替代傳統人工操作，實現提質、降本、增效，成為制造業的共性需求。未來隨著“中國智造 2025”戰略的加速推進，工業制造自動化、智能化程度有望不斷加深，機器視覺這一技術將得到更廣泛的應用。橫向跨行業拓展：目前，我國機器視覺應用以制造業的電子、平板顯示、汽車、電池等行業為主，新能源、半導體、醫療等新興產業有望加速引入這一技術。縱向深度強化：機器視覺在各行業的初始應用往往是在生產環節的檢測這一步驟，隨著技術的普及、成本的下降，機器視覺有望在行業應用深度上強化，進入到識別、測量、定位等其他環節。

疫情等外部因素改變工廠的生產模式，加速推動智能制造轉型升級

嚴格的疫情防控政策不可避免會對企業的開工時間、人員穩定性、承諾交期等產生不確定性影響，直接或間接增加了企業的綜合成本。今年以來疫情頻發，國內用工難、用工貴的問題進一步凸顯，我國紡織服裝等出口產業相較越南、印度等國的優勢進 一步縮小，2022H1我國出口金額 11.14 萬億，同比增長 13.2%，略低于越南 同期增速。我們認為，疫情等外部擾動因素一定程度上加速推動了工廠的無人化、智能化水平，打造智能化“黑燈工廠”將是制造業企業的當務之急，機器視覺產 業發展迎來短期加速窗口。

深度學習技術提升了機器視覺的應用落地能力，驅動產業加速發展

目前主流的機器視覺檢測技術仍采用傳統的機器學習訓練方法，即在結構化場景下首先將數據表示為一組特征，分析特征或輸入模型后，輸出得到預測結果。但隨著機器視覺的應用領域擴大，傳統方式顯示出通用性低、難以復制、對使用人員要求高等缺點。深度學習對原始數據通過多步特征轉換，得到更高維度、更加抽象的特征表示， 可以將機器視覺的高效率和與人類視覺的靈活性相結合，完成復雜環境下的檢測， 特別是涉及偏差和未知缺陷的情形。通過深度學習對模型魯棒性的提升，極大地拓展了機器視覺的應用場景，使機器視覺系統更加具備柔性，加速其在工業領域的滲透。

需求邏輯：機器之“眼”優勢凸顯，百億賽道長坡厚雪

機器之“眼”替代人眼，賦能工業制造

根據美國制造工程師協會（SME）機器視覺分會等機構的定義，機器視覺工作過程是通過光學裝置和非接觸式傳感器自動地接收、處理真實場景的圖像，目的在于獲得所需信息或用于控制機器人運動。 一個典型的機器視覺系統一般包括光源及光源控制器、鏡頭、相機、視覺控制系統（視覺處理分析軟件及視覺控制器硬件）等，其中光源及光源控制器、鏡頭、 相機等硬件負責成像，視覺控制系統負責對成像結果進行分析、輸出結果至其他執行部件。機器視覺系統的“讀取信息-傳輸信息-處理信息”的過程與人眼的運作機制對應，可謂人類視覺在工業界的延伸。

識別、測量、定位、檢測，機器視覺的四大典型應用場景

識別、測量、定位和檢測等四大應用場景實現難度依次遞增。

識別：甄別目標物體的物理特征，包括外形、顏色、字符、條碼等，其準確度和識別速度是衡量的重要指標。常見的應用場景是 OCR，讀取零部件上的字母、數字、字符（例如條形碼、二維碼等）用于溯源。

測量：把獲取的圖像像素信息標定成常用的度量衡單位，再精確計算出目標物體的幾何尺寸，主要應用于高精度及復雜形態測量。

定位：獲取目標物體的位置信息（二維或是三維），進而輔助執行后續操作， 常用于元件對位、輔助機器人完成裝配、拾取等。

檢測：主要針對目標物體的表面狀態，判斷產品是否存在缺陷，通常用于零部件缺陷、污染物、功能性瑕疵檢測等。

機器視覺檢測產業鏈呈現“一條主線，多點開花”

上游：機器視覺產業鏈的上游主要包括以光源、鏡頭、相機為首的核心零部件和底層的軟件算法庫。據中商產業研究院的數據統計，上游的零部件和軟件開發環節幾乎占據機器視覺系統成本80%。

中游：產業鏈的中游主要包括視覺系統和智能視覺裝備。視覺系統是光學成像模塊（眼睛）與圖像處理系統（大腦）的集合體，可以獨立完成圖像采集功能并基于圖像采集的信息完成預期的處理工作（如定位、測量、檢測和識別等）。智能視覺裝備在系統的基礎上增加了結構本體和自動控制部件，實現檢測/生產工藝的控制和執行，給機器又植入了受大腦控制的“肌肉”和“四肢”。

下游：產業鏈下游通過系統集成商致力于將智能視覺設備與生產工藝相結合， 下游面向 3C 電子、汽車制造、新能源等眾多細分行業，并隨著技術滲透率的提升行業下游呈現“多點開花”的態勢。

3C電子：落地機器視覺技術的行業基本盤，品類滲透加速

全球 3C 電子產業向發展中國家轉移，高精度、換代快等特點助推機器視覺技術 迭代，應用場景延伸和品類拓展有望持續推動我國3C行業機器視覺滲透率提 升。

由于消費類電子行業元器件尺寸較小，檢測要求高，天然適合機器視覺檢測系統落地，其高精度要求也反向推動了機器視覺技術的革新。此外，消費類電子行業產品生命周期短、更新換代快，制造企業需要頻繁更換產線設備，進一步增加了對機器視覺行業的需求。未來，隨著機器視覺在 3C 制造中的應用場景由低精度的二維碼、字符識別進一步延伸至超越人眼極限的高精度組裝與加工， 疊加終端產品從手機拓展至耳機、平板、手表、VR/AR 等品類，機器視覺在3C電子行業的滲透率有望持續提升。

汽車：智能汽車向“大型電子產品”演進，視覺檢測迎來新需求

電動化、智能化產業趨勢帶來機器視覺產業沃土。汽車制造領域中的零配件檢測、 裝配校驗檢測、涂膠檢測等都離不開機器視覺技術。例如，3D視覺系統可以以高精度間隙對準每一輛車的拼接縫，并對車門和車身進行全面檢測，效率和準確率都高于人眼檢測。汽車產業的電動化、智能化將推動汽車向“大型電子產品” 演化，電子零部件成本占比可能超過整車 50%，雷達（激光、毫米波、超聲波）、 傳感器、通信（GPS、DSRC、4G/5G）、攝像頭、檢測、娛樂系統將會大幅提升，行業提升具備機器視覺檢測技術的裝備的需求。2021 年，我國新能源車銷量同比大增 157.6%至 352.1 萬輛，同期機器視覺的汽車行業規模已超過 10 億元。

鋰電：行業維持高景氣，電池廠擴產帶來視覺裝備需求井噴

鋰電池工藝復雜，機器視覺應用場景豐富。電芯前段工序：在涂布、輥壓等環節，鋰電池表面容易產生露箔、暗斑、亮斑、掉料、劃痕等缺陷，機器視覺主要應用于涂布的涂覆糾偏、尺寸測量， 極片的表面瑕疵檢測、尺寸測量、卷繞對齊度等環節。電芯后工序：主要應用于裸電芯極耳翻折、極耳裁切碎屑、極耳、入殼頂蓋 和密封釘焊接質量檢測以及電芯外觀檢測、尺寸測量、貼膠定位等。模組和 PACK 段：主要應用于底部藍膠、BUSBAR 焊縫、側焊縫、模組全 尺寸和 PACK 檢測等。

新能源汽車蓬勃發展，帶動鋰電行業的機器視覺呈井噴態勢。國家統計局的數據 顯示，2021 年中國鋰電池產量已達 232.6 億只，同比增長 23.4%。據 GGII 不 完全統計，2021 年中國動力電池投擴項目 63 個（含募投項目）、投資總額（含 擬投資）超過 6,218 億元，長期規劃新增產能已經超過 2.5TWh。鋰電產能的快 速增加帶動機器視覺高速發展，2021 年市場規模達到 17.7 億元，2019-2021 年 CAGR 高達 110%。

光伏：良率要求提高，推動硅片分選機放量

光伏行業發展迅猛，帶來機器視覺檢測需求爆發。光伏電池片的生產可能產生碎 片、電池片隱裂、表面污染、電極不良等缺陷，如何提升產品良率、電池的光電 轉化效率和使用壽命是行業痛點，催生光伏硅片分選機等設備快速放量。2018- 2021 年，中國太陽能電池產量 CAGR 達 35%，2021 年同比增速達 42%，行 業迎來加速成長期，同期帶動機器視覺的光伏行業應用規模由 2019 年 2.6 億元 快速提升至 2021 年的 6.5 億元，CAGR 高達 58%。

非工業：傳媒、安防、物流、交通等消費級應用正成為新發展方向

機器視覺應用方向包含工業級與消費級，產業邊界趨于模糊。根據機器視覺聯盟 （CMVU）的數據，用于消費電子、半導體與新能源等板塊的工業級機器視覺合 計占比 79.8%；相比之下，用于消費級機器視覺的安防與監控、物流分揀以及智 慧交通等領域占比僅 17.0%，但份額逐年提升。

隨著 AI 和 5G 技術的商用落地，機器視覺不再局限于工業領域。機器視覺結合三維重建、動作/表情捕捉、渲染等技術可實現人臉、表情、動作、衣物的還原， 構建模擬逼真的人物形象，此外還可利用人臉識別、動作識別、物體追蹤等技術模擬人的視覺能力。因此，機器視覺在影視、游戲、直播、文旅等領域還有施展拳腳的空間。

競爭壁壘：技術實力決定產品層次，國產替代方興未艾

機器視覺核心價值集中于產業鏈上游，硬件工藝與軟件算法決定產品技術天花板。機器視覺設備價值可拆分為上游零部件與軟件、中游組裝集成與售后維護，其中 上游占據了80%價值量，技術壁壘最高；硬件部分當中工業相機價值占比達 50% 以上，由圖像傳感器、圖像采集卡與各類芯片組成，技術壁壘極高。

技術路徑多線匯集，機器視覺公司各有所長。機器視覺系統由多個軟、硬件產品 組成，基于同一技術平臺的部件集成有利于系統穩定可靠，但由于其中各部件技 術路徑相對獨立，行業內除基恩士之外的多數企業都只專注于其中一個或幾個部 件，比如康耐視的核心在于視覺軟件，國內的奧普特擅長光源及控制器，自主化 領域各有不同。

硬件：光源、相機國產化率高，鏡頭任重道遠

光源是機器視覺的照明系統，直接決定成像質量和算法效果。機器視覺光源主要 包括 LED 光源和光源控制器，用于增加對比度以分離圖像目標與背景，是后期圖像采集與處理的基礎，因此光源的質量直接決定圖像分析的難度。光源技術從傳統鹵素燈、熒光燈到現在普遍使用的 LED，再到 3D 視覺應用的結構光、激光光源，場景應用逐步多元化，方案針對性也逐步提升。例如在一個視覺應用的光源選型中，廠商需要根據客戶提出的需求，綜合考慮光源的照射角度、照射方式、光的平行性、柔和性等因素選擇適合光源的型號和組合，是一個復雜的非標定制 環節。

光源是機器成像的基礎，中國光源廠商進入較早份額領先。光源的國產化率較高， 市場集中度也較高，已成功進入國際市場，主要廠商有奧普特、康視達、沃德普、 樂視等。其中，奧普特是國內最早起步的光源廠商，截至公司招股書發行日已共有 38 個系列、近 1000 款標準化產品并提供定制化的光源服務，2021 年公司實現光源業務收入約 3 億元，保持國產領先。

鏡頭是機器視覺圖像采集部分重要的成像部件，海外廠商優勢明顯。與普通鏡頭 相比，工業鏡頭要求清晰度更高、透光能力更強、畸變程度更低等，需要考慮焦 距、視場角、光圈以及景深等因素。選取恰當的機器視覺光學鏡不僅有助于后續 圖像處理工作，而且可以降低設備成本。在工業鏡頭領域，海外企業進駐較早， 研發實力強勁，品牌影響力較大，在高端工業鏡頭市場占據競爭優勢，如德國施 耐德、日本 CBC Computar 等。我國雖然起步較晚，但涌現出了優秀的鏡頭公 司如廣州長步道、東正光學等企業。

工業相機實現光信號轉換，本土品牌有望實現全面國產替代。工業相機是工業視 覺系統的核心零部件，其本質功能是將光信號轉變成電信號，要求產品具有較高 的傳輸力、抗干擾力以及穩定的成像能力。隨著設計技術和制造工藝的不斷提升， 成本更低、分辨率更高、集成度更高的 CMOS 圖像傳感器逐漸替代早期的 CCD 傳感器。目前市面上的工業相機主要有面陣相機、線陣相機、3D 相機以及智能 相機。據 CMVU 的統計，2015 年后，中國涌現出了一批有規模的、有競爭力的國產品牌，如海康機器人、大恒圖像、華睿科技等年產十萬顆以上的公司。2020 年，國產相機銷售數量占比已超過 80%，有望在不久的未來實現對進口的全面 替代。

3D視覺前景廣闊，技術迭代打開應用空間

2D 機器視覺技術具有局限性，3D 可以作為有效補充。使用 2D 機器視覺技術 可以獲取二維圖像，在三個自由度（x、y 和旋轉）上定位被攝目標，并基于灰度、 對比度的特征進行分析。但 2D 技術存在無法提供物體高度、平面度、表面角度、 體積等三維信息、易受光照變化影響、對物體運動敏感等局限性。3D 技術增加 了旋轉、俯仰、橫擺三個維度，更能還原真實立體世界，通過 3D 視覺傳感器采集3D 輪廓信息，形成 3D 點云，實現平面度、翹曲度、段差、曲面輪廓度等 3D 尺寸量測。

3D視覺技術主要包括雙目、結構光、ToF、和激光三角測量。

雙目技術：通過模仿人眼用兩個攝像頭觀察同一景物，具有系統結構簡單、實現成本低，識別距離遠等特點，目前應用較為廣泛，但其弊端為算法復雜，計算量大，不適合在光線較差的環境中使用。

飛行時間法成像技術（TOF，Time Of Flight）：通過給目標物連續發送光 脈沖，通過探測光脈沖發射到返回的飛行時間來得到目標物距離，具有響應快、軟件簡單、識別距離遠等特點，缺點是分辨率低、不能精密成像且成本較高。

3D結構光：從光源投射出一定結構（比如黑白相間）的光線，通過條紋/斑 點的變形計算圖形的三維圖像，其計算簡單、精度較高，普及度較高。2017 年蘋果發布的 iPhone X 就搭載了前置 3D 結構光傳感器用于 Face ID 的人臉解鎖。

激光三角測量：與 3D 結構光技術類似，區別是以激光作為光源來確定空間物體的三維坐標，精準度高、成本低，但不適于遠距離測量。

工業控制對精度、柔性的要求高，場景還原度更好、魯棒性更強的 3D 有望加速 滲透。盡管目前 2D 視覺可以滿足絕大部分行業對檢測的需求，但涉及到立體工 件、精度要求高的檢測仍需 3D 視覺來配合。通過增加 3D 視覺模塊，增加工業 機器人的環境感知能力，可以拓寬應用場景。例如，3D 視覺能使機器人更加精 準地定位被操作物，實現更高難度的不規則包裹抓取、非標金屬部件焊接等操作， 機器人柔性大幅提升。根據 MIR 的預測，搭載 3D 視覺的工業機器人滲透率將有望從 2021 年的 4%提升至 2025 年的 10.5%，出貨量 CAGR 達 46%。

3D視覺技術在消費級應用上空間廣闊

消費電子：2017 年 9 月以來，蘋果公司的 iPhone X、iPhone 11、iPhone 12 手機系列均搭載了前置結構光 3D 視覺傳感器，并在 iPhone 12 Pro 上 同步搭載了基于 dToF 技術的后置激光雷達掃描儀；安卓端包括華為 Mate 系列、P 系列，OPPO Find X，魅族 17 Pro、18 Pro 等陸續有十余款智能手機分別在前置和后置視覺傳感器中不斷嘗試使用結構光和 ToF 技術。通過在智能手機、平板設備、電視等智能終端設備上搭載 3D 視覺傳感器可 以使其具備 3D 人臉識別解鎖、沉浸式交互、體感交互等能力，從而帶來更 安全、更好的用戶體驗。

AIoT：3D 視覺傳感器可以被搭載在 3D 空間掃描設備、服務型機器人、 AR/VR設備等終端上以實現傳統 2D相機無法實現的功能，例如三維重建、避障導航等；在服務機器人應用領域，3D 視覺傳感器可以幫助服務機器人高效完成人臉識別、距離感知、避障、導航等功能，使其更加智能化。目前 已實現落地的應用包括掃地機器人、自動配送機器人、引導陪伴機器人等， 服務于家庭、餐廳、旅館、醫院等多個線下場景。根據 IDC 的數據，2017 年全球商務用機器人市場規模為 213.2 億美元，預計 2022 年全球市場規模 可達 538.0 億美元，2017-2022 年復合增長率預計為 20.3%。

3D 視覺仍處于探索初期，具備核心技術的廠商有望率先受益。隨著 5G 技術的 推廣普及，人工智能和物聯網應用將迎來快速發展，推動視覺技術加速從 2D 成 像向 3D 視覺感知跨越。根據 2019 年 Gartner 新興技術發展周期曲線圖，3D 視覺感知概念已經突破了早期的期望膨脹期，并逐漸步入產業化前的重要發展階 段，不斷探索潛在的細分領域應用，尋找潛在的增長拐點。目前全球已掌握核心 技術并實現百萬級面陣 3D 視覺傳感器量產的企業僅有蘋果、微軟、索尼、英特 爾、華為、三星和奧比中光等少數企業。我們認為在這一新領域逐步走向成熟的 過程中，具備創新能力、掌握核心技術的公司有望率先受益。

（文章節選自：財通證券，作者：楊燁）