2022中国机器视觉工业领域应用研究报告

2022中国机器视觉工业领域应用研究报告 亿欧智库https://www.iyiou.com/researchCopyrightreservedtoEOIntelligence,December2022 目录 CONTENTS 01 机器视觉行业的市场发展现状 1.1机器视觉的概念界定和发展历程 1.2机器视觉市场发展现状 1.3机器视觉工业应用现状 02 机器视觉工业应用行业研究 2.1机器视觉应用行业——3C电子 2.3机器视觉应用行业——锂电池 2.2机器视觉应用行业——半导体 2.5案例分析：奥普特、凌云光、摇橹船、棱镜科技 2.4机器视觉应用行业——光伏 03 工业机器视觉未来发展趋势 3.1产品方向：偏向3D 3.2国产替代：各厂商实现细分赛道专业化替代 3.3设备一体化：整合碎片化场景 目录 CONTENTS 01机器视觉行业的市场发展现状 1.1机器视觉的概念界定和发展历程 1.2机器视觉市场发展现状 1.3机器视觉工业应用现状 02 机器视觉工业应用行业研究 2.1机器视觉应用行业——3C电子 2.3机器视觉应用行业——锂电池 2.2机器视觉应用行业——半导体 2.5案例分析：奥普特、凌云光、摇橹船、棱镜科技 2.4机器视觉应用行业——光伏 03 工业机器视觉未来发展趋势 3.1产品方向：偏向3D 3.2国产替代：各厂商实现细分赛道专业化替代 3.3设备一体化：整合碎片化场景 机器视觉对于工业自动化有着重要意义 机器视觉是人工智能领域一个正在快速发展的分支，即用机器代替人眼来做测量和判断，是通过光学的装置和非接触的传感器，自动接收和处理真实物体的图像，以获得所需信息或用于控制机器人运动的装置。 工业机器视觉的核心是通过“机器眼”代替人眼，对物体进行识别、测量并做出判断。工业机器视觉具备高感知效率、高精准度、和基本无人化的优势，是实现工业自动化的核心。 机器视觉系统工作流程图 反射光 照相机 图像数据 目标物 照明 2、传输图像数据 1、捕获图像 控制器 判断输出数据输出 预处理 测量处理 判断/输出 照明校正二进制转换过滤 色彩提取 区域传感器（区域） 图形匹配吗（形状）等 容差设置 4、输出结果 3、处理图像数据 机器视觉的重要意义以及关键环节的联系 随着人工智能的广泛应用，机器感知和模式识别需要更有效地结合。人工智能是通过机器人实现人类智能，机器用友智能处理功能就必须具有欣喜感知能力，因此机器感知格外重要。 机器感知即通过传感器采集信息，经过计算机处理后得到一些感知结果的过程，其中视觉信息来源于机器视觉。在智能制造中视觉信息来源于机器视觉，在智能制造过程中，机器感知主要用来模拟人的感知，最终用于实际检测、测量和控制 视觉信息是众多信息中非常重要的一类信息，包括颜色、光照、状态、动态以及距离五类信息，对视觉信息的特征获取是机器视觉的关键环节，对视觉信息，机器感知的有效应用需要与模式识别相结合 模式识别是机器视觉技术的基本支撑。信号处理技术是实现机器感知的助力之一，实现信号处理技术需要与模式识别相结合，通过模式识别能够让计算机利用感官对三维活动目标进行接受、识别和理解 机器视觉是人工智能系统的重要部分。机器感知的最终目的是利用及其实现对多维世界的理解，即使机器人拥有人类一样的感官触觉功能以进行预设好的决策，而机器视觉就是为这些“决策” 提供可靠的信息来源 中国机器视觉行业紧追海外脚步，随着场景应用扩大不断促进行业发展 机器视觉的发展史可追溯至20世纪60年代末，中国相较于海外发展起步晚，直到90年代中后期才开始有初步探索应用。 中国工业机器视觉可分为四个阶段：当前处于第四阶段。随着行业深度及广度应用的快速发展，广度是指2D技术向3D技术的递进，深度是指算法层的深度应用、深度学习。 理论发展起步阶段应用发展迅速阶段应用与理论同步发展阶段各行业深度应用阶段 中国 •90年代中后期开始，中国开始在机器视觉领域进行探索，开始在航空、航天、军工及高端科研 （天文、力学研究等）等核心机构和行业应用 •1998年，中国整线引入半导体工厂的同时还引入了机器视觉系统。 •1999-2003年，中国企业主要作为国外代理，提供机器视觉器件及技术服务，逐步掌握了国外简单的机器视觉软硬件产品，并搭建起了机器视觉初级应用系统。 •2008-2010年，3C电子制造的需求直接推动了我国机器视觉产业发展，大大扩展了机器视觉的应用场景，加速促进了机器视觉产业的发展。 •2010年起，AI算法的发展极大促进了中国机器视觉的发展，增速始终保持在20％-30％。 •基于深度学习的2D向3D递进时代 •国产化应用需求、自研比例不断提升 •2016年是AI发展非常重要的一年，AlphaGo打败人类顶尖棋手李世石、深度残差学习和残差网成为视觉领域标准算法等标志性事件，开启了人工智能发展的新纪元。随后，人工智能赋能的机器视觉开始在智能制造应用中加快普及，产业得到了空前发展。随着应用的爆发式扩展，预计2020年后机器视觉将迎来高速发展期 90年代 2000年 2010年 2020年 至今 •只在高端的科学研究和航天、军工项目中有 欧美少量初级应用， 尚未形成完整的概念 •机器视觉的概念首次在产业界被提及，但未形成精准的定义 •受益于半导体产业的发展使机器视觉得到蓬勃发展的机遇，尤其是定位检测功能 •应用和算力的提升共同促进机器视觉产业发展尚未形成完整的 概念 •2005-2014年，从HOG到SPM的提出，深度学习在视觉中的应用日益广泛，2014年GAN的提出成为领域内重大突破。 •2017年至今，深度学习框架的开发发展到了成熟期，各大巨头纷纷布局机器视觉领域。 理论发展迅速应用发展迅速应用与理论同步发展阶段各行业深度应用阶段 国家和地方层面的政策支持为工业机器视觉的发展起到强大助推作用 •研发微纳位移传感器、工业现场定位设备、智能数控系统等 •建设智能制造示范工厂实现泛在感知、数据贯通、集成互联、人机协作和分析优化 •大力发展智能制造装备 从国家政策层面看：机器视觉作为新一代感知技术的发展，以固有优势扎根，借助利好的宏观环境和政策环境蓬勃发展。从地方政策层面看：“十四五”期间，中国各省市提出了机器视觉行业的发展目标，推动智能工厂建设的相关政策多集中在江浙沪地区，布局智能机器人规模化生产，带动机器视觉发展的政策多在北京、广东等地。 国家层面 •提出视觉传感器是智能制造装备创新发展重点之一，突破先进感知与测量等一批关键共性技术 《智能制造发展规划（2016-2020 •测量精度及速度满足实际生产需求 •支持建设高质量人工智能训练资源库、标准测试数据集并推动共享，鼓励建设提供知识图谱、算法训练、产品优化等共性服务的开放性云平台 《促进新一代人工智能产业发展三年行动计划（2018-2020年）》 •提出要加强工业互联网基础支撑技术攻关。支持基础软硬件的研发突破 《工业互联网创新发展行动规划 （2021-2023年）》 2020年 2019年 《“十四五”智能制造发展规划》 《5G应用“扬帆”行动计划 （2021-2023）》 2021年-至今 《上海市建设100+智能工厂专项行动方案 （2020-2022年）》 《浙江省培育建设“未来工厂”试行方案》 •三年推动建设100家智能工厂，打造10家标杆性智能工厂，新增机器人应用10000台；培育10家年营业收入超过10亿元，1-2家超过100亿元，具备行业一流水平的智能制造系统集成商，搭建10个垂直 行业工业互联网平台。 年）》2017年 2016年 2018年 《深圳市新一代人工智能发展行动计划 （2019-2023年）》 江苏省《关于进一步加快智能制造发展的意见》 •目标到2020年，全省建成1000家智能车间，创建50家左右省级智能制造示范工厂，试点创建10家左右省级智能制造示范区。 •到2023年，深圳市人工智能基础理论取得突破，部分技术与应用研究达到世界先进水平，开放创新平台成为引领人工智能发展的标杆，有力支撑粤港澳大湾区建设国际科技创新中心，成为国际一流的人工智能应用先导区。 地方层面 工业视觉作为最成熟领域，国产化需求将进一步推动中国工业视觉的快速发展 当前中国对于机器视觉的潜在市场需求巨大，应用需求空间广。工业自动化市场规模也在逐年扩大。数据显示，2015年到2020年工业自动化规模 由1405亿元增长至2073亿元。2021年我国自动化及工业控制市场规模也已增长至2530亿元，同比增长22%。 机器视觉软硬件技术不断取得突破，以工业相机、图像采集卡、光源及图像处理软件为核心的视觉产品日益完善，成本也在继续下降，促成了工业视觉水平的加速发展。 国产化进程加速，自主产品销售占比持续提升。自主研发产品比例不断扩大。2019-2021年，自主产品销售额从85.9亿元增长至134.7亿元，CAGR达25.2%。当前国产机器视觉的市场主要集中于2D技术领域的市场，3D技术领域的80%以上市场份额依旧被国外企业所占领。 22.0% 22.0% 16.5% 10.5% 9.9% 2.0% 2.3% 3086.6 2530 1845 1887 2073 1405 1433 1670 2015 2016 2017 2018 市场规模（亿元） 2019 2020 增长率（%） 2021 2022E 79.2% 79.3% 82.2% 134.7 85.9 96.6 22.6 25.2 29.1 2019 自主产品（亿元） 2020 代理产品（亿元） 2021 自主比例 亿欧智库：2015-2021年中国工业自动化市场规模及增长亿欧智库：2019-2021年中国机器视觉行业自主及代理销售额 机器视觉产业链上游以相机、镜头等为主，中游以系统集成商为主，下游以行业应用为主 从机器视觉产业链角度来看，机器视觉行业产业链环节较长，上游由机器视觉系统硬件和软件算法构成，中游为设备商和系统集成商主要负责软件的二次开发和设备制造，下游应用场景和行业广泛。当前行业应用热度较高的集中在：3C电子、锂电、光伏、半导体等行业。 工业镜头 工业相机 光源 软件及算法 核心零部件 软硬件及综合服务商 软/硬件及综合服务商 应用行业 汽车 电池 3C电子 半导体 食品饮料 包装 印刷 通用零部件 烟草 纺织 机器人 医疗 亿欧智库：产业链图谱 机器视觉四大解决方案在各行业场景的应用边界逐渐趋于模糊 工业机器视觉的场景应用可分为：识别、测量、定位、检测功能。目前应用较多的场景主要为视觉检测与视觉引导。 由于工业机器视觉的应用场景较为碎片化，在生产制造中对于场景的应用存在着多场景、重复性的特点。亿欧智库认为，由于工业机器视觉各个应用场景的边界趋于模糊，在这里将工业机器视觉分为四大解决方案类型。当前机器视觉主要涉及行业为3C电子、锂电池、光伏、仓储物流、医疗、重工与金属加工、轻工业、汽车与半导体等。 亿欧智库：工业机器视觉解决方案 解决方案类型 应用行业（典型代表） 应用场景 具体应用 具体分析 轮廓度检测 轮廓度常见有两种检测方法:”模板“法和“特征”法。“模板”法就是讲待检测物品的图像和良品图像做比较并报告差异。“特征”法则会测量零件尺寸或信息点的分布密度之类的参数,并用这些测量来做出通过/剔除的决定。 识别 3C电子、新能源、半导体、汽车、食品 基于目标物的外形、颜色或字符特征进行甄别 通过识别和比对一些包裹、印刷品表面的条形码、二维码、文字，大大提高了识别包裹、印刷品表二维码识别面条形码、二维码、文字的速度和效率。同时，通过识别技术收集、输出数据，使收集和输出的数 据更加准确。 字符识别 系统采用自主研发的表面缺陷检测、色彩测量、快速建模等核心算法，广泛适用于包装印刷、标签印刷、商业印刷质量在线检测和印后终检。 缺陷检测 机器视觉可以用以