1.1. 機器替代人眼，高效、高速、高精度優勢顯著
美國制造工程師協會（SME）機器視覺分會和美國機器人工業協會（RIA)自動化視 覺分會對于“機器視覺”的定義是，“機器視覺使用光學器件進行非接觸感知，自動 接收并解釋一個來自真實場景的圖像，以獲取信息并控制機器與流程”。即通過機器 實現人眼視覺和理解的技術。
機器視覺作為一項綜合技術可以代替人眼做識別、測量、判斷。其包括圖像處理、 機械工程技術、控制、電光源照明、光學成像、傳感器、模擬與數字視頻技術、計 算機軟硬件技術等。一個完整的機器視覺系統通常是指通過工業相機、鏡頭、光源 等設備的配合，將被攝取目標轉換為圖像信號，傳遞給圖像處理系統，根據像素分 布和亮度、灰度等信息，轉變為數字化信號；圖像系統再對這些信號進行針對需求 的運算抽取目標特征，從而根據判別結果來控制現場設備的運行動作。目前，機器 視覺主要應用在智能制造，其下游應用廣泛，已經在汽車制造、消費電子、醫療制 藥、食品包裝、服務機器人、無人駕駛等領域逐步實現放量，未來前景可期。
機器視覺按照功能可以大致區分為識別、定位、測量、檢測、引導五類。
（1）識別：機器視覺可以對圖像進行處理、分析和理解，用于對一些一維碼或二維 碼的解碼、光學字符的識別與確認、顏色及形狀的識別等；
（2）機器視覺采用先進的圖像視覺檢測技術，對高速運動的工業產品進行實時全面 視覺定位分析，主要用于自動生產及裝配；
（3）機器視覺可以在非接觸的情況下，對產品尺寸進行高精度的測量，以確定產品 外觀的尺寸是否存在誤差；
（4）機器視覺可以用于產品表面的精密檢測，包括目標方向及位置檢測，檢測產品 表面的壓傷、破損、刮傷、臟污、變形等問題，及印刷表面的瑕疵檢測等；
（5）機器視覺普遍應用于智能制造的工業機器人領域，當前工業機器人已經大范圍 應用于自動化流水線，機器視覺系統可以在機器人操作過程中幫助機器人實時了解 工作環境的變化，相應的調整動作以保證任務的正確完成。
相對于人類視覺，機器視覺具有高效率、高度自動化的特點，可以實現很高的分辨 率精度和速度。尤其是機器視覺的灰度分辨率很強，一般可以使用 256 灰度級，其 采集系統具有 10bit、12bit、16bit 等灰度，可以彌補人類視覺在灰度分辨上的缺 陷（64 灰度級）；機器視覺現有 4K*4K 的面陣攝像機和 8K 的線陣攝像機，通過備 置各種光學鏡頭，可以觀測小到微米、大到天體的目標；另外隨著工業相機技術進 步，機器快門時間速度加快達 10 微秒級別，高速相機幀率可超過 1000 以上。
1.2. 產業鏈：上游核心零部件，下游應用廣泛
機器視覺的產業鏈可以按上中下游進行區分。上游是機器視覺底層開發商，即核心 零部件及軟件提供商。核心零部件主要包括光源、相機、鏡頭、圖像采集卡，其中 軟件主要是指圖像處理軟件。在目前整個機器視覺系統的成本構成中，零部件及軟 件開發占據了 80%的比例，是產業鏈中絕對的核心環節和價值獲取者。中游是機器 視覺二次開發的系統集成和軟件服務商，主要根據上游產品以及下游需求進行集成 整合，越來越多上游企業向中游業務擴展延伸，形成自有的完整解決方案。機器視 覺下游的應用領域十分廣泛，涉及到多種制造及服務行業，主要應用于汽車制造、 消費電子、食品包裝、醫療制藥以及服務機器人。
機器視覺產業鏈的關鍵是上游與下游。由于中國國產品牌的核心技術逐步追趕，逐 漸推出一系列國產核心零部件及底層軟件，本土的機器視覺上游企業市場地位不斷 提高，可以制造并維護自有產品，直接對接于下游的多樣化需求，中游單純的系統 集成商的空間相對縮小。而機器視覺系統產品成本構成的主要部分是核心零部件以 及軟件開發，兩項分別占據整體成本的 45%與 35%，而組裝集成與維護共占據成本 的 20%，為上游企業向中游業務拓展提供了便利，因為相對于額外的成本，完整的 機器視覺產品對其更具有吸引力。
2.1. 機器視覺概念出現于海外，全球產業技術持續發展
1947 年，貝爾實驗室中威廉·肖克利與團隊共同發明晶體管，翻開半導體行業的篇 章，半導體行業的發展為機器視覺奠定了重要的技術基礎。1950 年 Gibson 首先提 出“光流”的概念，即空間運動物體在觀察成像平面上的像素運動的瞬時速度，利 用圖像序列中像素在時間域上的變化以及相鄰幀之間的相關性來找到上一幀跟當前 幀之間存在的對應關系，從而衍生出計算相鄰幀之間物體的運動信息的方法，這標 志著“像素”作為最小單位開始進入影像統計的計算模式。
1969 年，第一片 CCD 圖像傳感器誕生，為機器視覺行業開啟了數碼圖像采集的大 門，自此人類社會進步的各個領域都與圖像和視覺結下了不解之緣。在半導體行業 誕生與發展的同時，機器視覺領域的發展也已拉開帷幕。20 世紀 70 年代，麻省理 工學院人工智能實驗室創立了計算機視覺研究小組，并開設了“機器視覺”課程， 吸引了許多知名學者參與機器視覺的理論、算法、系統設計等研究。
機器視覺的研究繼續深入。在 60 年代 Roberts 提出的“積木世界”及 70 年代 Marr 提出的“自下而上”捕捉視覺信息并通過三個層次進行過程處理等基礎上，從二維 圖像提取三維信息的研究加速；圖像處理和分析的并行算法、目標制導的圖像處理 等分支出現。20 世紀 80 年代，機器視覺蓬勃發展，CPU、DSP 芯片等圖像處理硬 件技術飛速進步，OCR 識別、智能攝像頭等技術問世。新理念、新方法、新理論不 斷涌現，最具代表性的是出現了主動視覺學派、目的視覺學派等。
90 年代，視覺企業成立，第一代圖像處理產品進入市場。LED 燈、傳感器、工業相 機、鏡頭及視覺控制結構逐步發展，機器視覺行業迅速擴張，產業鏈逐步完整，吸引大量企業進入機器視覺系統市場，也推動相關技術投入生產制造實踐。
2000年以來，機器視覺進入快速發展期。高速3D掃描系統和熱影像系統逐步問世， LED 光源廣泛運用于智能制造場景，機器視覺滲透各種行業的生產制造應用中。按 照應用的領域與細分技術的特點，機器視覺進一步可以分為工業視覺、計算機視覺 兩類，相應的，其應用領域可以劃分為智能制造和智能生活兩類，涵蓋工業制造、 自動焊接、醫學診斷、跟蹤報警、移動機器人、指紋識別、模擬戰場、智能交通、 醫療、無人機與無人駕駛、智能家居等等。目前，機器視覺技術正處于不斷突破、 走向成熟的階段，仍處于高速發展時期，具有良好的發展潛力。
全球機器視覺市場規模處于擴張期。雖然機器視覺屬于新興技術，發展時間不長， 但已經形成了從上到下、多行業領域并行的市場。中商產業研究院數據顯示，2018 年全球機器視覺市場規模超過 88 億美元，2019 年超過 100 億美元。Grand View 預測，2025 年全球機器視覺市場空間將超過 180 億美元，年復合增長率達 7.7%。
2.2. 中國本土企業奮起直追，海外企業主導下仍有差距
相比全球，中國的機器視覺相關技術由于起步較晚而發展較慢。國內機器視覺的發 展進程起步于中國工業化加速時期，1999-2003 年是我國機器視覺發展的啟蒙階段， 國內開始出現跨專業的機器視覺人才；2004 年后邁入產業發展初期，機器視覺企業 開始探索和研發自主產品并取得一些突破；近十年，中國機器視覺產業從發展中期 邁向高速發展時期。目前，中國已有近百家機器視覺相關企業，從事消費電子、汽 車制造、安防、醫療、食品及金融等各個領域。
（1）啟蒙階段（1999-2003）：
中國企業主要通過代理業務對客戶進行服務，機器視覺技術首先進入品質要求較高 的行業。中國企業在代理機器視覺服務的同時對國際吸納進的機器視覺理念和技術 進行吸收消化；國內跨專業的機器視覺人才作為該階段的先行者，從了解圖像的采 集和傳輸過程、理解圖像的品質優劣，到初步利用國外視覺軟硬件產品搭建簡單的 機器視覺初級應用系統，逐漸掌握了國外簡單的機器視覺產品的功能及應用。通過 極為廣泛而艱辛的市場宣傳和推廣、技術交流和培訓、項目輔導等過程，引導客戶 對機器視覺的理解和認知，培養客戶需求與豐富產品品類同步進行，開啟了中國機 器視覺的歷史進程。
一些對成本不敏感又對品質要求較高的工業領域率先引入了機器視覺技術，如特種 印刷及煙草行業。機器視覺為人民幣的印刷質量和自動化水平提升、統一質量標準 等做出了杰出的貢獻。煙草行業是中國的優勢產業之一，機器視覺技術進入煙葉異 物剔除、包裝檢測等方面工序，替代人工的同時也大幅提升了產品的質量和生產效 率。在特種印刷和煙草這兩個行業機器視覺技術的成功應用讓更多工程技術人員和 企業家關注到視覺技術帶給自動化產業獨特的價值和應用前景，行業進入發展階段。
（2）發展階段（2004-2007）：
中國本土企業開始探索研發自主核心技術，投入機器視覺軟硬件，多個應用領域取 得了關鍵的突破。繼 Cognex、Balser、Data Translation 等國際機器視覺頂級廠商 在國內選擇在本地合作伙伴之后，國內廠商開始自主研發核心技術及軟硬件，陸續 推出了全系列模擬接口和 USB2.0 接口的相機和采集卡，逐漸占據了入門級市場；PCB 檢測、SMT 檢測等國產設備迅速興起，憑借產品性價比和服務的優勢填補了國 內相關市場需求；同時 LCD 的前道檢測設備等高端設備也開始在國內落地。
隨著國內市場需求勃發，越來越多客戶開始尋求視覺檢測方案，機器視覺可以解決 精確測量問題并更好的提高他們的產品質量。汽車、制藥、包裝等行業由于國外制 造業逐漸向國內轉移，客戶對產品質量要求提升，大批自動化領域的系統集成商熟 悉并使用機器視覺技術；國內棉紡、農作物分類、鋼鐵、紙張等傳統產業也開始廣 泛嘗試機器替代人工，提升質量與效率。
（3）高速發展階段（2008 年至今）：
國內機器視覺技術水平奮起直追，大量專業人才推動行業高速發展。中國國內本土 機器視覺企業經過近十年的沉淀積累，涌現了大批優秀的機器視覺核心器件研發廠 商，機器視覺技術研發培養了大量的系統工程師。視覺技術在半導體、PCB 板材、 SMT 貼片、LCD 屏、軍工、汽車部件等精加工行業廣泛應用，尤其在消費電子類產 品如手機、電腦硬件產品組裝生產的引導、測量、檢驗中貢獻了重要力量。隨全球 制造中心向我國轉移，中國已經是繼美國、日本之后第三大機器視覺領域應用市場。
機器視覺在全球的發展歷史不過半個多世紀，我國的發展歷程更為短暫而飛速。伴 隨我國經濟發展、工業水平進步，特別是 3C 電子行業自動化的普及和深入，本土的 機器視覺行業獲得了空前的發展機遇，進入了高速發展階段。
國內機器視覺行業競爭格局較分散，在上游核心零部件方面國外企業占據更大的市 場份額和規模優勢。雖然經過近 30 年的發展，機器視覺行業在我國已經取得了一定 的成績，行業也初步形成一定的規模，但本土機器視覺企業在研發技術實力、市場 競爭力上較國際品牌產品仍有較大差距和未來發展空間。一部分原因是本土機器視 覺行業起步于產品代理，自主研發基礎較為薄弱。
國內大部分機器視覺企業銷售規模較小。2017 年，美國康耐視作為全球最具代表性 的機器視覺公司營業收入達到 48.9 億元，同比增長 35.3%。而根據中國機器視覺產 業聯盟企業 2017 年調查數據顯示，國內機器視覺企業銷售額絕大部分集中于 1 億 元一下。國內機器視覺企業銷售額在 1000-3000 萬范圍的企業數量最多，占國內機 器視覺企業總數的 31.8%；3000-5000 萬的企業數量最少，占比 13.2%；銷售額 1 億以上的企業占比為 16.5%；1000 萬以下的企業占比 19.8%；銷售額 5000 萬-1 億的企業占比 18.7%。
3.1. 光源：視覺照明的重要設計
光源在機器視覺應用中是重要的外部環境器件，對圖像采集的精確度與適配度具有 重要影響，可以為后續的圖像識別、分析與測量提供基礎的圖像信息。合適的視覺 照明方案將被測物體與環境背景盡量區分，同時清楚的顯示被測目標的關鍵信息。
照明的質量和適宜性是創建一個強大和及時的視覺檢查的關鍵方面。為了設計一個 有效的視覺照明解決方案，除了解照明類型、技術、幾何形狀、濾波、傳感器特性 和顏色之外，還需要對檢測環境進行全面的分析，包括樣品表現和樣品與光線的相 互作用。設計并遵循嚴格的照明分析序列提供了一致和強大的環境，從而最大限度 的利用時間、精力和資源，在視覺系統設計，測試和實施的其他關鍵方面得到更好 的使用。
中國機器視覺光源市場規模擴張迅速，主要應用的 LED 照明產品是中國優勢產業。中國是 LED 照明產品最大的生產制造國，隨著國內 LED 照明市場滲透率快速攀升 至七成以上，LED 照明已基本成為照明應用的剛需，國內的 LED 照明市場規模呈現 出較全球平均水平更快的增長勢頭。
視覺照明系統的基石是幾何、結構、波長及濾波器。幾何即樣本、光照和相機之間 的三維空間關系；結構或圖案即投射到樣品上的光的形狀；波長或顏色即光線如何 被樣品及其直接背景差異反射或吸收；濾波器則是差分阻塞和通過波長及光的方向。
機器視覺光源從照明方式可以分為直接照明光源、散射照明光源、背光照明光源、 同軸照明光源和特殊照明光源。直接照明和散射照明又可以細分為不同角度或形式 的照明光源，根據其性能與特點的不同，可以服務于不同的機器視覺應用領域及應 用場景。
機器視覺中常用的照明光源是熒光燈、石英鹵素燈、LED、金屬鹵化物（汞）和氙 氣燈。熒光燈、石英鹵素燈和 LED 是機器視覺中使用最廣泛的照明類型，特別是對 于中小型檢測站。金屬鹵化物、氙氣和高壓鈉更典型的用于大規模應用或需要非常 明亮光源的區域。金屬鹵化物也被稱為汞，經常用于顯微鏡，其有許多離散的波長 峰，這補充了熒光研究的過濾器的使用。氙氣燈對于需要非常亮的頻閃燈的應用非 常有用。盡管 LED 發光二極管照明具有更長的壽命，但石英鹵素照明可能是特定檢 查的選擇，因為它提供了更大的強度。LED 光源采用固體半導體芯片為發光材料， 能量轉換效率高，由于多年技術完善改進，其響應速度快、使用壽命長、顏色多樣 且性價比高，因此 LED 光源在機器視覺等工業領域有更廣泛的應用。
機器視覺照明技術從世界范圍上看，國外的機器視覺光源技術已經相對成熟。國際 上知名的機器視覺光源企業主要有日本 CCS 和美國 Ai，國內光源市場國產化充分， 主要有奧普特、沃德普、康士達和緯朗光電等。
3.2. 相機：工業專用的圖像捕捉工具
工業相機作為機器視覺系統的關鍵組件，其最本質的功能就是將光信號轉變成有序 的電信號。選擇合適的相機也是機器視覺系統設計中的重要環節，相機的選擇不僅 直接決定所采集到的圖像分辨率、圖像質量等，同時也與整個系統的運行模式直接 相關。
伴隨著電子信息技術的高速發展、各類攝像頭的廣泛應用以及全球圖像視頻數據爆 炸式增長，人類社會正在進入視覺信息的大數據時代。工業相機可說是工業自動化 系統的靈魂之窗，從物件與條碼辨識、產品檢測、外觀尺寸量測到機械手臂與傳動 設備定位，都是工業相機技術可以發揮的舞臺。
全球工業相機市場規模穩定擴張。據前瞻研究院數據顯示，2008-2018 年全球工業 相機行業市場規模呈現穩定上升趨勢，2018 年達到 5.87 億美元，2019 年達到 6.34億美元，而預計 2025 年將達到 12 億美元，6 年復合年增長率預計為 11.22%。工 業相機市場規模增長可以部分歸因于制藥以及食品和包裝等最終用途行業對工業 相機不斷上升的需求。亞太地區工業相機市場的增長是由于工業 4.0 日益普及以及 對人工智能的需求旺盛，全球市場工業智能相機行業的集中度較高，率先布局智能 相機的康耐視和基恩士目前市場占比總計已超過 70%。
中國工業相機市場規模迅速追趕。在我國政策的大力扶持以及智能產業發展的需求 下，我國機器視覺行業得以快速發展，市場規模不斷增長。而我國視覺機器行業的 發展帶動工業相機的需求，2011-2018 年我國工業相機市場規模呈穩定上升態勢。
在完整的機器視覺系統中，工業相機相比于民用相機具有更強的圖像穩定性、工作 持續性以及環境適應性，是機器視覺領域的關鍵部件，主要用于工業成像。數字相 機的工作原理是被檢物品反射光線，經過鏡頭折射在感光傳感器上（CCD或CMOS） 產生模擬電流信號，此信號經過模數轉換器轉換至數字信號，然后傳遞給圖像處理器得到圖像，最后通過工業相機通信接口傳入計算機中，以便后續進行圖像處理分 析。
工業相機按照不同的指標有諸多分類，按圖像處理器芯片類型可以分為CCD相機、 CMOS 相機；按輸出信號形式可以分為模擬相機、數字相機；按成像色彩可以分為 彩色相機、黑白相機；按像素排列方式可以分為面陣相機、線陣相機；按掃描方式 可以可以分成隔行掃描相機、逐行掃面相機；按圖像處理方式可以分為直接顯示工 業相機、智能相機；按響應頻率可以分成光相機、紅外相機、紫外相機等；按接口 類型可以分為 USB2.0 相機、USB3.0 相機、1394A 相機、1394B 相機、GigE 相 機、Camera Link 相機。
模擬相機的輸出格式是模擬信號，一般搭配模擬采集卡才能在圖像上進行顯示，輸 出信號的分為 PAL 制與 NTSC 制，而對于黑白相機 PAL 對應 CCIR，NTSC 對應 EIA，相比于模擬相機，數字相機在機器視覺領域應用更為廣泛。彩色相機成像圖像 為彩色圖像，可以將色彩模式換成 MONO 當黑白相機使用，而黑白相機在機器視 覺應用較為廣泛。面陣相機的像素分布是一個矩形或者正方形的。矩形傳感器一般 寬高比為 4：3，也有一些成正方形。線陣相機的像素傳感器排布成一條線狀。
彩色相機主要的圖像傳感器，根據芯片可以劃分為 CCD 和 CMOS 圖像傳感器。兩 者都是使用光敏二極管進行光電轉化，但在工作原理和產品特性上都存在較大區別。
CCD 工作原理：CCD 是電荷耦合器件的簡稱，在感光像點接受光照之后，感光元 件產生對應的電流，電流大小與光強對應，因此感光元件直接輸出的電信號是模擬 的。在 CCD 傳感器中，每一個感光元件都不對此作進一步的處理，而是將它直接 輸出到下一個寄存器，結合該元件生成的模擬信號輸出給第三個寄存器，以此類推， 直到結合最后一個寄存器后，才能形成統一的輸出。
由于感光元件生成的電信號太過微弱，加上在此過程中會產生大量電壓損耗而無法 直接進行模數轉換工作，因此這些輸出數據必須做統一的放大處理。該任務是由 CCD 傳感器中的放大器專門負責，經放大器處理之后，每個像點的電信號強度都獲得同樣幅度的增大；因信號只通過一個放大器放大，所以產生的噪點較少。且由于 CCD 本身無法將模擬信號直接轉換為數字信號，因此還需要一個專門的模數轉換芯 片進行處理，最終以二進制數字圖像矩陣的形式輸出給專門的 DSP 處理芯片。
CMOS 工作原理：CMOS 是互補金屬氧化物半導體的簡稱，CMOS 傳感器中每一 個感光元件都直接整合了放大器和模數轉換邏輯，當感光二極管接受光照、產生模 擬的電信號之后，電信號首先被該感光元件中的放大器放大，然后直接轉換成對應 的數字信號。換句話說，在 CMOS 傳感器中，每一個感光元件都可產生最終的數字 輸出，所得數字信號合并之后被直接送交 DSP 芯片處理。
但 CMOS 感光元件中的放大器屬于模擬器件，無法保證每個像點的放大率都保持 嚴格一致，致使放大后的圖像數據無法代表拍攝物體的原貌。體現在最終的輸出結 果上，就是圖像中出現大量的噪聲，品質明顯低于 CCD 傳感器，不過目前這方面 的技術已大幅改善。且由于 CCD 是信號統一放大，所以噪聲小，CMOS 是各個感 光元器件信號單獨放大，導致噪聲較大，但是 CMOS 傳感器也有分辨率大、成本 低，體積小等優勢。
隨著 CMOS 傳感器在消費電子設備的大量應用，CMOS 技術發展加速，其性能已 經顯著提高，且制造成本大幅下降。CMOS 目前在傳感器的圖像質量和分辨率已經 逐漸不落后于 CCD，且其保持了本身的固有優勢，目前在工業相關展會上，很難看 到 CCD 的身影，也側面說明 CMOS 會是未來工業相機傳感器的主流。
國外知名企業擁有世界領先的核心技術以及市場地位，中國企業近年也逐步出現一 批國產品牌。具有代表性的外國品牌有德國 Basler、加拿大 DALSA、瑞士 Baumer、 美國 Cognex、日本 Sony 等。而我國對工業相機的研究開發起步較晚，近年出現 華?？萍?、大恒圖像、?？禉C器人、大華股份、云從科技、維視圖像等國產企業。目前我國工業相機行業主要布局于中低端市場，逐步實現進口替代；而在高分辨率、 高速的高端工業相機領域仍以進口品牌為主。
3.3. 鏡頭：工業相機成像的核心部件
鏡頭是機器視覺系統中的重要組件，對成像質量起著關鍵性的作用。鏡頭的基本功 能是實現光束調制，將目標成像在圖像傳感器的光敏面上完成信號傳遞。它對成像 質量的幾個最主要指標均有影響，包括分辨率、對比度、景深及各種像差。
鏡頭在機器視覺系統中的主要作用體現在通過工業相機實現光學成像，其市場規模 與工業相機息息相關。而工業相機是工業自動化系統的靈魂之窗，從物件與條碼辨識、產品檢測、外觀尺寸量測到機械手臂與傳動設備定位，都是工業相機技術可以 發揮的舞臺，其由于技術本身存在的優越性，在許多領域有很好的發展前景。前瞻產業研究院數據顯示，2008-2018年全球工業相機行業市場規模呈現穩定上升趨勢，2018 年達到 5.87 億美元，2019 年將會達到 6.34 億美元，2020 年達到 7 億美元，2025 年增長到 12 億美元。QYResearch 保守預測，2019 年全球工業 鏡頭市場總值超過 33 億元， 2026 年將增至 58 億元，年均復合增長率為 8.3%。
全球光學鏡頭市場規模迅速增長。隨著機器視覺應用的豐富化，其下游包括消費電 子、汽車制造等領域內，光學鏡頭市場規模擴張有利于工業鏡頭更多的應用于機器 視覺系統。
工業鏡頭市場前期國外巨頭壟斷，近年國產廠商迅速發展。由于光學鏡頭行業集成 了精密機械設計、幾何光學、色度學、薄膜光學、熱力學等多種學科技術，并且制 作工藝和工序復雜，具有較高的技術門檻。海外品牌廠商布局光學鏡頭較早，經過 多年的業務拓展和技術升級，在全球范圍中德系徠卡、Schneider、Zeiss 和日系 CBC、Kowa、尼康、富士康等光學巨頭占據市場。我國起步較穩，2008 年之前國 內光學鏡頭市場基本被日本、德國品牌壟斷。近年我國工業鏡頭廠商快速增長，主 要從中低端市場切入，憑借高性價比優勢對于外資品牌具有一定競爭力。國內廠商 如東正光學、葛藤光、普密斯逐步崛起。其中東正光學的遠心鏡頭畸變率小于 0.02%， 倍率期權，微距鏡頭產品也能將畸變控制在 0.1%的水平下。
3.4. 圖像處理軟件：通過底層算法實現目標適配
圖像處理軟件是用于處理圖像信息的各種應用軟件的總稱，工業視覺軟件可以對數字信號進行各種運算來抽取目標的特征，進而根基判別結果來控制現場設備動作， 自動完成圖像采集、顯示、存儲、處理等流程。對獲取的圖像信息即視覺信號的處理是機器視覺系統的關鍵所在，不同的機器視覺圖像處理軟件有不同的目標傾向， 最終通過圖像處理算法實現對被測物的識別、定位、測量、檢測等功能。
機器視覺系統在行業應用中的功能主要有三大類：定位、測量及缺陷檢測，而機器 視覺技術在完成這一系列應用時都離不開圖像處理這一重要環節。圖像處理包括圖 像識別、圖像描述、圖像增強、圖像復原、圖像分割和圖像分析等一系列具體功能， 而這些功能都為機器視覺系統的應用提供了不同的輔助手段。在定位過程中，圖像 識別強大的搜索功能可以在最短的時間內準確將目標定位；在測量服務中，圖像增強有助于更好的提取測量目標的主要特征；圖像分析是直接參與測量的有利工具；在缺陷檢測的環節，沒有圖像處理缺陷的檢測將無法實現，對比更是無從談起。
圖像處理軟件是處理圖像的重要工具，人們通過這一工具對采集到的圖像進行分析 處理，從而實現對產品的監控、檢測、篩選與測量等。因此，作為機器視覺系統接 力的最后一棒，也是實現自動化、智能化最為關鍵的一步，圖像處理技術有著舉足 輕重的地位。
目前圖像處理軟件主要由外國品牌廠商主導，國內廠商多進行二次開發。美、德系 的 Cognex、Keyence、NI 等公司提供了主要的機器視覺圖像處理軟件服務，軟件 的底層算法基本上被壟斷。國內的機器視覺圖像處理軟件一般是在 OpenCV等開源算法庫或者 Halcon、VisionPro、NIvision 等第三方商業算法庫的基礎上進行二 次開發。獨立的底層算法具有較高的技術壁壘，國內廠商僅有創科視覺、維視圖像、 奧普特、?？低暋⒈姙榕d等少數機器視覺企業完成底層算法的研究并有一定應用。
隨著人們意識到機器視覺在精確度和重復性上有人眼不可比擬的優勢且機器視覺 核心技術的不斷完善，工機器視覺的下游應用領域也不斷拓展。在汽車行業，幾乎 所有的系統和零部件制造流程均有受益；在醫療器械和制藥行業，對產品質量的高 要求也需要機器視覺進行參與；在食品飲料領域，機器視覺能夠幫助企業快速實現 產品的準確檢測，跟上生產線的速度，降本提效。無論是作為一個獨立的系統進行檢測還是與機器人配合，指引機器人的操作和行動，機器視覺在生產過程中都展示 出巨大的作用。
機器視覺廣泛應用于不同下游領域，包括電子及半導體、汽車制造、食品包裝、制藥醫療等行業。根據前瞻產業研究院數據，其中電子及半導體領域占工業視覺總體 分布的 46.6%，汽車制造占15.3%，是機器視覺工業應用的重點領域。在電子行業， 機器視覺應用于高精度制造及質量檢測，包括晶圓切割、3C 表面檢測、觸摸屏制 造、AOI 光學檢測、PCB 電路印制、電子分裝等；在汽車制造領域，機器視覺幾乎 涉及全部制造流程，如面板印刷和質量檢測、車身裝配檢測、零部件尺寸測量、表 面缺陷檢測等；在食品包裝領域，機器視覺主要應用于高速檢測，如外觀封裝檢測、 食品封裝缺漏檢測及分揀與色選等；制藥領域則是藥瓶封裝缺陷檢測、膠囊封裝質 量檢測、生產日期打碼檢測及藥片識別與分揀等。
4.1. 電子及半導體：機器視覺助力制造自動化、精確化
半導體及電子產業應用較早，推動工業視覺產業整體發展?？v觀全球機器視覺的崛 起，很大程度上是得益于半導體及電子產業的發展，機器視覺在半導體工業上的應用在二十年前已經開始。半導體行業元器件尺寸較小，對產品精度、柔性化有較高的要求，如錫膏印刷機、貼片機、AOI 檢測這類的設備必須使用高性能機器視覺組 件，因此工業視覺系統在半導體及電子制造、檢測等各個方面得以得到廣泛的應用。而半導體和電子產業對精細程度的高要求也反過來促進了工業視覺技術的革新。
電子及半導體行業的機器視覺應用加速擴張。中商產業研究院數據顯示，從市場規 模上看，2018年國內市場規模突破 20 億元，年增長率在 25%左右。消費類電子 產品更新換代快，需求量大，拉動機器視覺市場需求增長，2019年市場規模或將 近 30 億元。
電子版半導體制造分為前中后三段，后端制造涉及晶圓電器檢測、切割、封裝、檢測等。晶圓在切割前必須使用機器視覺系統檢測瑕疵并標記?；跈C器視覺的解決 方案，只需要較短時間就能定位硅片中心并對準切口。切割過程中也需要利用機器 視覺系統進行實時精確快速定位，如果定位失誤將會導致晶圓整片報廢。切割后的 IC 要保證在不相互接觸的前提下分裝到相應的容器內部，再繼續利用機器視覺系統 找找除非瑕疵品進入封裝。
自動光學檢測(AOI)技術，也稱機器視覺檢測技術或自動視覺檢測技術（MVI/AVI）。從狹義上來說，AOI 等同于 MVI 是一種集成了圖像傳感技術、數據處理技術、運動 控制技術，是在工業生產過程中執行測量、檢測、識別和引導等任務的一種新興的 科學技術。AOI 的基本原理是采用光學成像方法，如相機或者一個復雜的光學成像 系統，來模擬人眼的視覺成像功能，并用計算機處理系統代替人腦執行數據處理， 最后把結果反饋給執行機構，如機械手來代替人手完成各種規定的任務。
從廣義上來說，MVI 是一種模擬和拓展人類眼、腦、手等功能的一種技術，在不同 的應用領域其定義可能有著細微的差別，但都離開不了兩個根本的方法與技術，即 從圖像中獲取所需信息，然后反饋給自動化執行機構完成特定的任務?？梢哉f基于 任何圖像傳感方法（如可見光成像、紅外成像、X 光成像、超聲成像等等）的自動 化檢測技術都可以認為是 MVI 或 AVI。當采用光學成像方法時，MVI 實際上就變 為 AOI，因此 AOI 也可以認為是 MVI 的一種特例。
在 PCB 印刷電路制造中必須檢查印刷電路的連接。在使用機器視覺測試之前，此檢查主要依靠肉眼檢查。但是手動檢測有許多缺點，PCB 線復雜而細小，因為眼睛疲 勞之類的不可抗拒的因素，會導致一些不良產品被遺漏。長時間的檢查會影響員工 的視力，導致員工流失。PCB 機器視覺檢測設備解決了上述難題，也大幅度提高了 PCB 印刷線路板檢測的 效率以及產品的良率。
PCB 機器視覺檢測設備可以自動識別不合格品，對其進行拾??；高清相機能分辨識別 0.01mm 的細小差異；自動檢查殘缺斷線、線寬或線窄、 批前短路，異物等不良問題?？梢源蟠蠼档蛦T工勞動強度，流失情況緩解；可以減 少檢查人員，降低產品反工的工時；可以在客戶中樹立廠商的科技形象，令其產品 質量和信譽得到提升。
4.2. 汽車產業：汽車制造與智能駕駛齊頭并進
我國的汽車產銷量居于全球前列，汽車制造市場規模龐大。一方面，隨著汽車制造 自動化的應用深入，生產制造環節已經實現無人化操作；另一方面，自動駕駛智能 交通的行業趨勢將引領打造汽車產業智能化新藍圖，推動機器視覺產品技術進一步 深入汽車行業。
4.2.1. 汽車制造已實現自動化，機器視覺應用場景豐富
汽車制造行業中，原先生產制造測量主要依靠三坐標測量，但其時間長、效率低、 成本高、數據量不足且只能離線測量。機器視覺的進入通過其固有優勢彌補了原本 測量方式的缺陷，幾乎涉及所有系統和部件的制造流程，例如車身裝配檢測、面板 印刷和質量檢測、零件尺寸的精密測量、工業零部件表面缺陷檢測等。
機器視覺系統在汽車制造領域用途多種多樣。在汽車制造領域，機器視覺的應用包括從初始原料質量檢測發展到汽車零部件100％在線測量，再對制造過程中的焊接、 涂膠、沖孔等工藝過程進行把控，最后對車身總成、出廠的整車質量進行把關。機器視覺引入非接觸測量技術，逐步發展成固定式在線測量站與機器人柔性在線測量 站等在線測量系統，可嚴格監控車身尺寸波動，提供數據支持。視覺引導技術逐漸 滲透到汽車制造的全過程，例如引導機器人進行最佳匹配安裝、精確制孔、焊縫引導及跟蹤、噴涂引導、風擋玻璃裝載引導等。
機器視覺檢測系統可以對產品進行制造工藝檢測、自動化跟蹤、追溯與控制等，包括通過光學字符識別（OCR）技術獲取車身零件編碼以保證零件在整個制造過程中 的可追溯性，通過識別零件的存在或缺失以保證部件裝配的完整性，以及通過視覺 技術識別產品表面缺陷或加工工具是否存在缺陷以保證生產質量。
4.2.2. 汽車智能駕駛浪潮洶涌，機器視覺為其保駕護航
智能駕駛指汽車至少在某些具有關鍵安全性的控制功能方面（如轉向、油門或制動）， 無需駕駛員直接操作即可自動完成控制動作。國際汽車工程學會 SAE 將汽車自動駕 駛劃分為輔助駕駛、部分自動化、有條件自動化、高度自動化、完全自動化。
基礎的輔助駕駛的核心是高級輔助駕駛系統（ADAS），一個利用雷達、攝像頭等傳 感器采集汽車行駛、停放過程中周邊環境數據，進行靜態或動態物體識別、跟蹤并 結合內部或實時的地圖數據做出汽車駕駛行為決策的主動安全功能集成控制系統。
隨著 ADAS 相關技術不斷成熟，人們對駕駛安全水平需求也不斷提高，ADAS 市 場規模呈現爆發式增長。美國高速公路安全管理局（NHTSA）甚至建議，到 2022 年美國新車強制加裝 ADAS 系統。Roland Berger 預計到 2025 年，ADAS 能夠基 本覆蓋前裝市場，整體市場規模近 300 億歐元，而我國 ADAS 市場規模保守估計 2020 年能達到 200 億元以上。
車載傳感器是汽車實現周圍環境數據實時采集分析的核心部件，尤其攝像頭由于其 適用性和不可替代性為自動駕駛奠定了底層基礎。車載攝像頭的應用主要包括單目 視覺、雙目視覺、多目視覺、全景視覺及混合視覺，不同的視覺方式服務于自動駕 駛的不同應用領域。
4.3. 食品包裝：機器視覺為食品安全鞏固防線
食品包裝是保證食品質量的重要手段，可以確保食品在流通過程中不受污染，提高 食品品質，避免食品安全事故發生。目前，絕大多數中小型企業依舊依靠人工實現 食品包裝檢測，其中管理不規范、標準不明確、檢測精度低、工作強度大等諸多問 題導致人工檢測效率和準確度都有很大缺陷。隨著自動化水平的不斷提高，部分企 業開始引進自動檢測設備，通過機器視覺代替人眼完成檢測，大大提高了檢測速度 和精度。
機器視覺幫助食品包裝實現安全智能生產。通過相機獲取待檢測物圖像，利用圖像 處理技術進行處理、分析得到的控制參數，進而實現生產過程控制的一種人工智能 技術。在整個檢測過程中，檢測設備不會直接接觸食品，可以避免二次損失或污染。依靠紅外線、微波等掃描技術，可以最大程度的擴展檢測范圍。機器檢測的穩定性 較好，能夠長時間工作且不受環境因素影響。目前已經廣泛應用于檢測瓶子分類、液位測量、標簽盒蓋檢測、包裝形狀尺寸、密封性與完成性檢測等領域。
4.4. 藥品醫療：機器視覺助力生命安全
藥品生產是關系到人的生命健康，如果在只要過程中出現微小的缺陷，隨著藥品流 通到市場并進入使用環節，可能就會導致醫療事故并對醫療機構、患者及社會造成 無法彌補的損失。
機器視覺在藥品生產包裝、質量檢測及控制等多個方面貢獻巨大，幫助藥品生產逐步進入智能安全的現代化進程。目前，已經廣泛應用于數粒、打碼、泡罩版缺粒、 藥品殘缺、斷片、泄露、加裝說明書、編碼識別、藥品管理等環節。機器視覺檢測 技術精確穩定，提供豐富應用場景選擇，滿足醫藥行業包裝線變換包裝產品的常規需求。例如，在藥品包裝后的檢測環節中，可以利用機器視覺快速、準確地檢測到 對象是否完好無缺，通過設定圖像傳感器獲取包裝后的對象圖片信息，通過預先設定的面積參數對每個藥?；蛘咚幤窟M行檢測對比。最終破損藥?；蛉逼堪b都將被 檢測出來，正常的藥品則正確通過。
在醫療影像診斷方面，機器視覺技術發揮重要作用。分子影像學是指從分子或細胞 水平上對人體生物過程和代謝變化特征進行無創且實時功能成像的技術。在醫療影 像完成對圖像新的采集、存儲、管理、處理、運輸等過程中，機器視覺通過采集卡、攝像頭等硬件以及控制、算法等軟件，配套專業的醫療影像設備，如 X 光機、 PET/SPECT-CT、MR、B 超、彩超等影像設備，可以幫助醫生高效清晰準確的掌握 患者體表、體內情況。機器視覺輔助的結果分辨率高，檢測過程中可以避免諸多可能存在的失誤，提升診斷醫治的正確率與成功率。
機器視覺的內在優勢是機器視覺發展的根本動力，而當前中國宏觀上面臨人口老齡 化、勞動力成本上升等壓力，同時機器視覺相關政策利好不斷，總體推動機器視覺 下游需求持續擴張，未來機器視覺行業有望持續增長。
5.1. 機器視覺以固有的核心優勢扎根智能浪潮前沿
機器視覺系統的固有優勢是其可以獲取圖像數據信息，通過算法實現精密控制，并 自動化、智能化的完成計算機集成制造及服務，其優勢可以概括為精確性、持續性、 高效性以及可重復性。
1）機器視覺在制造以及服務過程中十分精確。囿于人類身體條件以及勞動方式的 限制，人類難以實現批量、完全的精密視覺信息獲??；而機器在精確性上僅受到既 定程序以及設備強度的影響，相對于人類具有顯著優勢。視覺方面，即使可以使用 加強人眼視覺的工具，機器仍然更勝一籌，例如人眼能發現最小瑕疵 0.3mm，機器 視覺檢測精度可達千分之一英寸。其次，人眼視覺的觀測中帶有觀測主體的主觀性，往往人工觀測結果會反應觀測人員的主觀傾向；而機器不會因為情緒或者預先判斷 影響工作性能，其測量結果穩定客觀。最后機器視覺系統通常屬于非接觸測量，對 于觀測者與被觀測者的脆弱部件都不會產生任何損傷，從而提高系統的可靠性。
2）機器視覺可以適應性的長時間持續工作。在機器視覺的工作環境中，制造物品或 提供服務的目標物靜態與動態變化較多，尤其是連續的制造或服務過程，同時在光 源、位置、機器誤差等因素影響下，整個檢測過程很難維持平穩。因此機器視覺技 術需要較強的環境適應能力，自動匹配不同的工作環境并保持從光源照明、圖像采 集到圖像存儲與處理一系列流程的持續適應能力，滿足生產制造、檢測控制、服務 提供等基礎需求。尤其在惡劣環境或不適合人工作業的危險環境中，機器視覺代替 人工視覺是具備重要意義的。同時在工作連續和持續性上，人類受限于身體或精神 強度，難以長時間對同一對象穩定觀察，而機器視覺系統一方面可以輔助人工檢測， 顯著降低員工疲勞程度，另一方面可以替代人工檢測來長時間執行觀測、分析及識 別任務，有效的解決了該方面問題。
3）機器視覺系統經濟且高效。機器由于其工作的可重復性，其工作投入產出比在長 時間內一般高于人工勞動，而其工作效率的提高更是加強了其替代人工的經濟效率 優勢。一臺自動機器視覺設備能夠承擔多個員工的工作任務，而且可以無休息、低 錯誤的持續工作，極大提高了生產效率，在長時間段中降低了生產成本。而且隨著 機器視覺技術進步、機器視覺相關設備更新，計算機處理器價格的降低相對帶動了 系統成本的下降，購置機器視覺設備費用對比勞動員工的工資可以更短期實現回本， 而未來低水平的維修費用給予機器視覺系統更多潛在空間。
4）機器視覺系統工作具備較強可重復性。在機器視覺系統日常工作中，機器可以通 過已經設定的模式方法不斷重復勞作，其完成檢測服務并不會像人工檢測一般每次 均存在細微誤差。而體現到改變生產服務流程或方式的過程中，其僅需要簡單更換 軟件與控制，而不用更換硬件以適配新需求。當機器視覺應用需要進步，也可以方便的通過軟件算法更新升級獲得新的應用。
5.2. 人口老齡化加劇，機器視覺是重要解決方案
全球人口老齡化嚴重，中國老齡化問題迫在眉睫。根據世界銀行數據，2018年按地區分東亞與太平洋地區 65 歲以上的人口占比達到 10.74%，僅次于歐洲與中亞地區的 16.35%。2018 年，中國該比例為 10.92%，超 過東亞與太平洋地區的平均水平。而隨著人口紅利衰退轉向人口負利，中國人口老 齡化問題將繼續加深。
國內人口老齡化進程將持續性拉動機器視覺下游需求。國家統計局數據顯示，2000- 2019 年，國內 65 歲及以上人口數量年均增長 3.70%，遠高于同時期的總人口增長 速度（0.53%）與 2000-2018 年 15-64 歲人口的增速（0.62%），因此導致老年撫 養比由 2000 年的 9.9%攀升至 2017 年的 16.8%。隨著老齡化問題加深，老年人日 常生活、精神狀態以及醫療健康等需求將成為重要的社會問題。機器視覺技術為老 年提供服務機器人服務以及醫療健康相關智能設備輔助方案，可以成為新的現代化 解決方案，因此長期的需求旺盛和不斷創新完善的應用場景有望持續性拉動機器視 覺產業發展。
5.3. 勞動力成本上升，機器替代需求升級
商務服務業人均工資快速上升，勞動力成本提高速度迅猛。老齡化導致的勞動人口占比下降致使勞動力成本快速上升。機器視覺的出現及其技術的完善進步將逐步推動智能設備替代人類從事程序化、重復度高的簡單勞動，并通過機器的低邊際成本、 低錯誤率等特征提高工作經營的效率。國家統計局數據顯示，2018年全國租賃和商務服務業城鎮單位就業人員平均工資 達到 8.51 萬元，2010-2018年年均增長率可達 10.05%，居民和其他服務業就業人員平均工資達到 5.53 萬元，2010-2018年年均增長率可達 8.79%
第三產業發展迅速，包含大量勞動密集型崗位，以機器視覺為核心的智能設施未來 有望滲透替代。國家統計局數據顯示，2019年我國第三產業增加值占GDP 的比重 已達 53.9%，第三產業就業人數也從 2010 年的 2.63 億人(34.60%)上升到 2018 年 的 3.59 億人(46.32%)，年均增長率達到 3.96%。服務業中大量簡單勞動的崗位可以被服務機器人替代，而由于勞動成本的攀升，第三產業增加值和就業人員的不斷 增長將刺激智能化需求擴張。
24小時服務熱線
