有公開數據顯示，在 2018 年，全球用于工業自動化領域的機器視覺技術市場規模達 44．4 億美元，預計 2023 年將達 122．9 億美元，年復合增長率高達 21％，市場需求巨大。

在近日的GSMA Thrive活動中，華為輪值董事長郭平在演講中也分享了這樣一個有關機器視覺的應用場景：

在飛機機體的制造中使用了大量的碳纖維材料，多達70層的疊加材料，每層材料拼縫間隙要求小于2mm。采用傳統人工檢查，每層檢測需花費40分鐘，不合格品要整層重新鋪貼。人工質檢耗時費力還檢測不準，浪費物資。上海商飛采用了5G＋AI的“智眼”檢測，檢測時間從40min縮小到1min以內，另外還減少了90％以上的物資浪費。

萬物互聯與人工智能時代，機器視覺已經成為備受全球科技巨頭關注與重點投入的新基礎設施技術。華為也不例外，正如日前華為安防突然官宣：將“華為安防”更名為“華為機器視覺”，說不準哪天華為機器視覺就從“智能安防”領域拓展到工業領域。

誰占據了工業機器視覺的半壁江山？

機器視覺在工業生產中主要應用在一些不適合于人工作業的危險工作環境或人工視覺難以滿足要求的場合。除此之外，在大批量的工業生產過程中，人工檢查產品質量效率低且精度不高，采用機器視覺檢測可以大幅提高生產效率和生產的自動化程度。

在工業4．0和制造業轉型，數字化建設項目持續推進的背景下，制造業總體規模持續擴大、智能化水平不斷提高，下游行業對機器視覺的需求度和認知度也在逐步提升，帶動了中國機器視覺市場穩定增長的基礎。

機器視覺目前主要應用在消費電子、汽車制造、食品包裝、制藥業等領域，其中又以消費電子和汽車制造領域為主。

根據gongkong市場研究顯示：中國機器視覺行業市場仍然保持高度集中，電子制造行業以59．0％的市場份額占整體市場的半壁江山。2019年，電子制造、汽車、制藥、食品與包裝機械、印刷機械五大應用行業的市場份額高達80％以上。

在汽車制造行業，機器視覺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。在消費電子行業，機器視覺應用于高精度制造和質量檢測，包括圓晶切割、3C表面檢測、觸摸屏制造、AOI 光學檢測、PCB 印刷電路、電子封裝等。

總結來說，機器視覺在工業中的應用主要包括三個功能：視覺測量、視覺引導和視覺檢測。

視覺測量技術通過測量產品關鍵尺寸、表面質量、裝配效果等，可以確保出廠產品合格；

視覺引導技術通過引導機器完成自動化搬運、最佳匹配裝配、精確制孔等，可以顯著提升制造效率和裝配質量；

視覺檢測技術可以監控制造工藝的穩定性，同時也可以用于保證產品的完整性和可追溯性，有利于降低制造成本。

機器視覺在汽車制造行業的應用

機器視覺技術的應用已貫穿了整個汽車車身制造過程，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。

市場：2019年，傳統汽車行業產能由于政策調整，目前產能嚴重過剩，新增產能進入瓶頸期，行業項目主要集中在維護改造。而油品升級導致車型更換對整車產能擴張影響力有限。此外，新能源汽車也增長乏力，行業主要經濟效益有所回落。汽車市場的整體下滑，對機器視覺在汽車行業的應用深化或產生一定影響。

機器視覺在消費電子行業的應用

電子產品的產線涉及非常多的手工勞動，造成產出品質不一，為了把控出廠質量，自動化的檢測代替人工檢測是必然發展趨勢。機器視覺在消費電子領域，以 PCB／FPC AOI 檢測、零部件及整機外觀檢測、裝配引導等應用為主，并呈現出越來越多的新的應用場景。

在這里，以一條典型的 3C 產線為例，為大家介紹下可能會包含工業視覺檢測的應用環節：

SPI視覺檢測：SPI（Solder Paste Inspection） 錫膏測厚儀，用于測量 PCB 板上錫膏的厚度、長度、體積、截面積等，統計分析以進行工藝控制；

AOI視覺檢測：AOI（Automated Optical Inspection） 系統對 PCB 進行圖像采集，然后與預存的標準 PCB 圖像進行比較，通過分析、處理和判斷，發現缺陷并進行位置提示；

產品裝配檢測：基于 IPC 工業相機，通過視覺檢測方法，自動識別人工裝配過程中的工序是否正確，對錯誤操作實時進行報警提示，防止不合規操作發生；

整機產品視覺檢測：使用工業視覺系統對產品表面瑕疵、污點、Logo 等檢測，發現產品缺陷并及時處理；

市場：2019年，在貿易摩擦的外在壓力和內生驅動力不足的環境下，中國電子制造業整體運行低迷。從細分行業看，3C行業中的手機行業產量和銷量下滑，蘋果中國地區出貨量持續下滑，將制造業務逐步遷至海外，波及中國3C裝備產業鏈；國內手機品牌采用的是多型號、多規格市場戰略，相對無法形成大批量生產；集成電路和半導體行業仍保持穩定增長，但動力不足。電子制造業的不穩定變化，也將短暫影響機器視覺市場需求。

穩定增長 但核心技術有待提升

雖然2019年汽車和電子制造行業波動明顯，但中國勞動力人口將逐步縮減，人力成本進一步提升的趨勢不可避免。此外，受益于配套基礎設施的不斷完善、制造業總體規模持續擴大、智能化水平不斷提高，中國機器視覺市場需求不斷增長。

由于受到新冠肺炎疫情的影響，gongkong預計2020年中國機器視覺市場的需求仍會出現小幅的萎縮，但隨著疫情防控趨勢向好，各行業復工復產的進度穩步推進，加之各行業自動化、智能化程度的持續加深，機器視覺市場在經歷了短暫的“寒冬”之后，仍會呈現出穩定的增長需求。

隨著新基建的推出和5G等新技術的發展，機器視覺在國內還隱藏著巨大的市場潛力。但國內機器視覺企業以產品代理商與系統集成商為主，在機器視覺產業鏈上游領域布局較少，在機器視覺核心零部件的研發能力上不及國外老牌公司雄厚，因此中高端市場主要由國際一線品牌主導。尤其是本土機器視覺企業在機器視覺算法方面，較國際先進水平還有一定差距。

在產業鏈上游，國外已形成以基恩士、康耐視等巨頭為代表的核心軟硬件研發商。隨著近年來人工智能、大數據等技術的發展，大量的機器視覺廠商紛紛涌入，試圖打破產業鏈上游的壟斷局面，利用軟件、算法的優勢開發出性價比更優的產品。

例如，近日機器視覺檢測平臺百邁技術完成聯想創投領投的數千萬元A輪投資，原有股東參與跟投。本輪融資將用于進一步加大機器視覺技術研發，加速行業需求覆蓋，尤其是在半導體視覺檢測。

當下，國內能夠自主研發通用性工業視覺平臺的廠商極少，主要壁壘就在底層算法以及行業know－how的積累上。例如，國內很多做工業機器視覺的公司，都是基于OpenCV 等開源視覺算法庫，或以 Halcon、Vision Pro 等第三方商業算法庫為基礎進行二次開發（這個算法庫類似于手機的安卓系統）。

但不久前，小編在華為人心聲社區中看到這樣一篇文章：博士做機器視覺，我在華為當“網紅”！作者分享了華為是如何用機器視覺技術控制生產質量，文中也提到了機器視覺平臺，并表示：“2019年，我們也開始自研底層的算法庫，打造工業機器視覺的‘鴻蒙’。”可以看到，華為不僅對內對外都在加大對機器視覺的關注度。也許未來的某一天，我們就能“夢想成真”，看到更多掌握核心技術的機器視覺廠家！

寫在最后

今天，是科創板上市一周年的日子。去年天準科技以“中國機器視覺第一梯隊企業”上市，但天準科技的業務范疇屬于“機器視覺”領域的中下游，偏裝備制造。近日，小編通過檢索發現，廣東奧普特科技股份有限公司（下稱奧普特）科創板上市申請獲上交所受理，與天準科技所不同的，奧普特是一家主要從事機器視覺核心軟硬件產品的研發、生產和銷售的高新技術企業。隨著更多機器視覺相關企業的入局，也讓我們越來越期待國產機器視覺的未來表現發展。但也需注意，在市場賦予更多機會的同時，國產機器視覺企業也將面臨更多挑戰。
責任編輯:pj