機器視覺基本組成

根據美國自動成像協會（AIA）的定義，機器視覺（Machine Vision）是一種應用于工業和 非工業領域的硬件和軟件組合，它基于捕獲并處理的圖像為設備執行其功能提供操作指導。機器視覺可以分為成像和圖像處理分析兩大部分。前者依靠機器視覺系統的硬件部分完成， 后者在前者基礎上，通過視覺控制系統完成。

如典型的機器視覺系統包括光源及光源控制器、鏡頭、相機、視覺控制系統等部件，其中 光源及光源控制器、鏡頭、相機等硬件部分負責成像，視覺控制系統負責對成像結果進行 處理分析和輸出。

機器視覺主要功能

新機器視覺主要功能可分為識別、測量、定位及檢測（難度遞增），通過機器代替人工進 行測量與判斷，將圖像處理應用于工業自動化領域中。識別是基于目標物特征，如外形、顏色等進行甄別；測量是將獲取的圖像像素信息標定成 常用度量衡單位，再在圖像中精確計算目標物的幾何尺寸；定位則是獲得目標物關于二維 或三維的位置信息；檢測難度最高，主要指外觀檢測，對產品裝備后的完整性檢測、外觀 缺陷檢測等。

機器視覺行業規模不斷擴大

機器視覺市場規模有望進一步突破。隨著機器視覺技術水平提高，機器視覺下游應用不斷 發展，消費電子市場、汽車市場、半導體市場、醫療市場等行業工業自動化水平逐步提升， 機器視覺的市場規模也將持續擴大。根據Markets and Markets預測數據，全球機器視覺市場規模將由2018年的589.60億元上升至 2023年的900.48億元。國內廠商配套不斷完善，技術進一步積累，預計到2023年我國機器視覺 市場規模將達到225.56億元。

國產機器視覺廠商逐步崛起

國內機器視覺經過三十年快速發展，已逐步縮小與國際領先廠商的差距。國產機器 視覺企業憑借優質的產品設計、工藝水平和質量控制經驗，逐漸實現進口替代。國內機器視覺市場銷售額占比逐年提升，從2018年的44.0%提升至2022年的60.0%， 預計2023年將達到63.0%。

機器視覺應用場景延伸：從標準化到非標準化

伴隨AI技術發展，機器視覺亦取得了底層技術的突破。過去主要應用于標準化檢測場 景，如消費電子、汽車和半導體等是當前機器視覺最主要的應用領域，整體呈現出自 動化、標準化程度高的特點。 隨著算法的不斷升級機器視覺的性能優勢將進一步加大，應用場景也將持續擴展，從 標準化領域拓展到非標準化應用。

行業發展核心驅動力

核心驅動力：AI技術發展提供更好的深度學習算法

過去機器視覺主要應用于標準化檢測場景，但伴隨對檢測環境及技術等要求高，檢測需求 持續激增，非標準化場景對機器視覺的影響日益提升。為了提高非標場景檢測精度，需要 面臨難點包括：數據質量和標注、復雜和多變的環境、特征學習和識別、實時性和計算資 源、模型泛化能力等難點。 伴隨AI技術發展，如SAM模型等的出現，上述難點持續不斷被解決攻克，助力機器視覺在 非標準化場景應用發展。

SAM模型發布，有望推進機器視覺迎來底層技術突破

機器視覺領域在AI加持下迎來底層技術突破。近日，Meta發布了首個圖像分割基礎模型 SAM（Segment Anything Model，分割一切），其底層以NLP模型的通用方式解決圖像分割和 識別問題。該可應用于各種領域，用于查找和分割圖像中的任何對象。分割技術是圖像處理 的底層技術，Meta以NLP的通用模型，極大地降低了圖像處理的門檻，是機器視覺領域的 底層突破性技術。

在AI加持下，機器視覺行業有望迎來空前發展機會。機器視覺產業在AI加持下，迎來了底層 技術的突破。從算法、技術到應用，AI技術極大程度賦能機器視覺在圖像模型上的智能化應 用，優化了圖像識別的復雜度及精度，實現萬物識別。

過去應用：標準化應用場景

機器視覺已廣泛應用于消費電子、汽車制造、半導體、光伏等標準化領域。在標準化的工 業環境中，機器視覺主要運用于產品質量檢測、裝配檢測和包裝檢測等環節。這些環節的 檢測任務具有高度的規律性和標準化，因此，常常采用模式匹配、特征識別等技術，根據 預設的規則進行決策。

下游傳統行業應用: 3C消費電子

整體來看，在3C電子行業，元器件、部件和成品的制作各環節都需要機器視覺的協助， 其中70%的機器視覺產品用于檢測環節，由于技術工藝的高要求，3C電子行業設備制 造對機器視覺技術存在剛性需求。

下游傳統行業應用:動力電池

從市場端來看，國內頭部電池企業一般采用分段招標方式引入機器視覺供應商，機器視 覺在鋰電池各環節生產過程中滲透率逐漸提升。同時，機器視覺與鋰電設備整線融合的 趨勢也日漸凸顯。由于動力電池的安全性要求，過去離線式抽檢已無法滿足要求，正快 速被在線式全檢替代。在模組和PACK段：以視覺檢測裝備為主，主要應用于底部藍膠檢測、BUSBAR焊縫檢 測、側焊縫檢測、模組全尺寸檢測、PACK檢測等。

未來發展：從標準化應用拓展到非標準化應用

隨著AI賦能以及深度學習算法的快速發展，機器視覺不僅可以用于傳統標準化檢測，也 向著許多非標準化場景的新興領域橫向擴張。隨著行業進步與技術發展，2D視覺向3D 視覺邁進，由此拓展出更多的新領域，如機械臂引導、AGV導航等。機器視覺將逐步切入過去未曾涉足的領域，如物流、醫療、安防、農業等非工業場景。

非標準化應用場景1：煤礦矸石檢測

非標準化場景：煤炭開采中混合大量矸石，增加入洗成本，且矸石燃燒利用率低。人工 手動分選原煤、矸石效率低、成本高、環境惡劣用工難。機器視覺技術 + 機器人代替人工作業：采用深度學習技術與3D 技術，實現機械手自動選 矸的智能設備。借助視覺對煤和矸石進行數據特征采集，利用卷積神經網絡技術對煤和矸 石進行深度學習的標注、訓練，利用獲取的訓練模型來識別煤和矸石。采用先進的六自由 度機械手模擬人工抓取，利用 PLC 技術精確控制信號達到最終整個系統的流程控制。

非標準化應用場景2：AI在檳榔檢測中的應用

目前通過機器視覺+深度學習實現檳榔在檢測尺寸的基礎上突破，光頭精準分類達97% 以上。在視覺系統下，在保護檳榔的完好性下檢測檳榔的尺寸，同時能檢測檳榔是否光 皮，檢測分類精準度高達97%，完全達到企業采用機器視覺進行檳榔尺寸分類和外觀視 覺檢測的所有需求，無須人工進行多次分級，為企業省人工、降低成本、把控品質。

人力成本上升，“機器代人”成為必然趨勢

隨著我國經濟發展水平提升以及人口結構的轉變，制造業職工平均工資呈趨勢性上漲。我國 人口紅利正逐漸消失，從事制造業的人口在2014年-2021年持續下降，由5243萬人下降至3828萬 人，且基本每年都為負增長。隨著技術不斷的升級和成熟，以工業機器人為代表的自動化設備 成本不斷下降，二者形成的成本“剪刀差”增大了制造行業對自動化設備的需求，制造業“機 器代人”是必然趨勢。

人工成本上漲倒逼產業升級，機器替人是人口紅利后的必然選擇。對標發達國家的發展經 歷，中國經濟不斷發展，人口結構發生改變為必經之路。而人口結構的改變意味著人工成本 的上升，人口紅利逐漸減弱，制造業從業人員不斷下降，此大環境下將使制造業自動化水平 不斷提高推進，機器代替人工已成為現代制造業必須完成的轉型。

行業發展的潛在細分市場

機器視覺行業格局

在全球機器視覺市場中，以基恩士、康耐視及巴斯勒為代表的企業占據全球超過50%的市場 份額，憑借先發優勢及多年來的技術研發積累取得市場領先。雖然國內機器視覺行業起步較晚，早期國際廠商占有較大份額，但伴隨技術發展，國內機器 視覺力量正在快速崛起，如國內機器視覺廠商經過多年發展規模不斷成長，國產份額亦在持 續不斷提升。

機器視覺產業鏈細分市場

機器視覺廠商分為三大類：1）核心零部件供應商，目前龍頭公司集中在歐美、日本和美國，且呈現龍頭聯合研發的趨勢；2）軟件及 AI 服務商，以集成通用算法軟件開發包和 AI 加速平臺服務商為主，幾乎來自海外龍頭公司；3）視覺系統及解決方案集成商，我國本土的機器視覺企業大多屬這一類，以工業自動化非標設 備及方案為主要業務。

機器視覺各核心零部件占比

機器視覺上游零部件成本占比較高，是機器視覺的核心部分。關鍵零部件和軟件系統約 占工業機器視覺產品總成本的80%。其中光源、工業相機、底層軟件算法等技術壁壘及利 潤率水平較高，因此對機器視覺上游環節的掌握是目前市場競爭的關鍵，亦是體現機器視 覺核心競爭力的重要環節 。

機器視覺上游核心零部件壁壘

上游零部件主要包括光源、鏡頭、相機、傳感器、圖像采集卡等。目前光源已基本實現 國產替代，集成商的技術水平目前基本追趕上國外先進企業，但伴隨技術發展，光源高 端化趨勢亦非常明確，對光源及打光方案亦提出了更高要求。而其他零部件如工業鏡頭、 工業相機及軟件則仍以海外品牌為主，優勢較為明顯。

上游技術壁壘：3D傳感視覺技術

3D 視覺感知技術即將迎來發展期。根據Yole的數據顯示，2025年全球 3D 成像和傳感器 市場將達到 150億美元，2019到2025年CAGR將達到20%。其中，2025E年預測消費電子 行業中3D成像及傳感器市場將達到81.65億美元，占比 54%。3D視覺傳感器正不斷拓展 潛在的細分領域應用，持續打開應用空間。 3D視覺傳感器是由深度引擎芯片、深度引擎算法、通用或專用感光芯片、專用光學系統、 驅動及固件等組成的精密光學測量系統，可以采集并輸出“人體、物體和空間”的三維 矢量信息。其核心技術主要包括六個環節：系統設計、芯片設計、算法研發、光學設計、 軟件開發、量產技術。

中游技術壁壘：視覺成套系統

視覺檢測系統大多用在工業現場及工業生產線中，對于在線實時檢測，如何將視覺測量 系統嵌入到生產線相應的工序中，使測量速度與生產線節拍相一致，是視覺測量走上在線 應用的關鍵難點。視覺檢測系統分析數據獲取的精確性也是其需要解決的技術難點，其精確性主要由工件 位置的一致性、打光的穩定性、物體的運動速度、高精度測量的標定、軟件的測量精度五個方面決定。

奧普特—國內機器視覺核心零部件龍頭供應商

奧普特成立于2006年，以機器視覺零部件光源起家，發展至今已成為機器視覺應用技術 領先供應商，公司產品線基本覆蓋機器視覺核心部件，產品覆蓋光源、光源控制器、鏡 頭、視覺控制系統等機器視覺核心部件。公司產品和解決方案目前已全面應用于20多個國 家和地區，并在全球范圍內設立超過30個服務網點，服務超過15000家客戶，其中包括蘋 果、華為、谷歌等知名企業。

奧普特是 國內較早進入機器視覺領域的企業，伴隨行業的發展，公司近年來業績亦不斷 上漲，2022年公司實現營業收入11.41億元，同比增長30.39%；實現歸母凈利潤3.25億元， 同比增長7.26%。2023年第一季度實現收入2.51億元，同比增長14.73%；實現歸母凈利潤 0.66億元，同比增長3.81%。未來伴隨機器視覺行業非標準化應用場景進一步延伸，公司有望持續拓展應用空間，業 績亦有望實現快速提升。