2024年机器视觉产业发展蓝皮书

1 版权声明 本蓝皮书版权为高工咨询（GGII）所有，相关咨询服务由高工咨询（GGII）提供。高工咨询（GGII）和所有参编企业对本报告拥有共同著作权。报告有偿提供给限定企业， 应限于企业内部使用，仅供企业在分析研究过程中参考。如企业引用报告内容进行对外使用，所产生的误解和诉讼由企业自行负责，本公司不承担责任。 如将来用作商业或其他用途，未经本公司同意，不得以任何异于本报告原样之装订或包 装形式将本报告出借、转售、出租或在网上发布。凡使用本报告者均受本条款及本报告一切有关版权之条款约束。 序言 机器视觉行业经历过去数年的发展热潮后，理性回归的信号最先体现在融资层面，2023年中国机器视觉行业融资金额近16.65亿元，同比下滑44.03%，平均单笔融资金额从2022 年的0.93亿元下降至0.56亿元，融资市场收缩明显。 从细分赛道来看，2D相机市场格局趋于稳定，以海康、华睿为代表的国产厂商份额持续提升，头部效应进一步凸显；3D视觉市场虽然市场基数尚小，但入局厂商仍在持续增加，从芯片、传感器、光机、相机、软件到系统解决方案，每个环节均存在技术路线差异和技术变革带来的不确定性，技术—产品—应用的飞轮在市场试错与验证中不断轮转与迭代，进而逐渐形成阶段性的行业共识与非共识。 所谓共识，如3D视觉会是2D视觉的补充而非直接替代；没有最优的技术路线只有最适合的技术路线；从芯片到软硬件，国产化是大势所趋…… 所谓非共识，如视觉巨头厂商是否能在3D视觉市场重现其2D视觉的辉煌；单一技术、单一产品路线的创业公司是否有未来；MEMS投射模组何时能够对DLP模组实现规模化替代；AI大模型还是AI小模型对机器视觉的价值更大…… 从机器视觉产业链看，自下而上的国产化替代开始提速，从视觉应用集成到相机、光源、镜头、工控机、软件再到图像传感器、视觉芯片等环节，国产化进程不断深入。从数据上看，2023年中国市场机器视觉各大核心部件的国产化份额均已超过70%，其中光源国产化率超过90%，镜头国产化率80%左右，2D相机国产化率超过80%，3D相机国产化率超过60%，视觉软件国产化率超过40%。 相比之下，更上游的芯片与传感器层面，国产化率程度相对偏弱，2023年中国工业视觉CMOS传感器国产份额仅为17.24%，外资厂商占据绝对的主导地位。 本蓝皮书系GGII自2022年推出《机器视觉产业发展蓝皮书》以来的第三版，在2023年版本的基础上对视觉产业链、机器视觉细分产品竞争格局、3D视觉应用、视觉技术趋势等内容做了深化和更新，同时加入了机器视觉上游核心部件的分析，如CMOS传感器，旨在更全面的呈现机器视觉产业发展的全貌与长短板，厘清机器视觉的发展脉络，帮助机器视觉相关企业及投资机构更好的了解当前机器视觉行业的最新态势，把握市场机会，做出正确经营决策。 特别说明：本报告中的大量市场及技术资料，仅供企业经营参考用，望企业不要用于其他商业用途，由此产生的一切后果高工咨询（GGII）将不予承担！ 短中期来看，全球宏观经济依然承压，外部环境不确定性和复杂性加剧，高工咨询（GGII）和所有参编企业真诚地祝福每一家志向远大的企业都能制定出高质量经营决策，不断获得新的成长和成功！ 特别感谢以下联合参编单位（排名不分先后）： 杭州灵西机器人智能科技有限公司北京迁移科技有限公司上海图漾信息科技有限公司 目录 第一部分基础篇9 第一章机器视觉产业发展概况9 第一节定义与分类9 第二节机器视觉产业链分析11 第二部分市场篇15 第二章机器视觉市场概况分析15 第一节机器视觉市场发展分析15 第二节机器视觉市场发展分析18 第三节机器视觉市场格局分析26 第三部分资本篇33 第三章机器视觉行业融资态势分析33 第四部分技术篇36 第四章技术发展分析36 第一节2D视觉技术36 第二节3D视觉技术38 第三节机器视觉软件技术分析39 第四节机器视觉技术专利申请情况分析41 第五节机器视觉技术发展趋势分析44 第五部分应用篇46 第五章机器视觉产业化应用之路46 第一节细分场景应用需求分析46 第二节下游各行业应用需求分析48 第六部分前景篇50 第六章机器视觉发展展望50 第一节企业数量50 第二节行业应用51 第三节机器视觉应用前景展望52 第七部分企业篇55 第七章蓝皮书参编单位介绍55 第一节灵西机器人55 第二节迁移科技64 第三节图漾科技75 第八部分案例篇81 第八章机器视觉典型应用案例81 第一节新能源行业81 第二节汽车零部件行业86 第三节汽车行业88 第四节食品行业89 第五节家电行业92 第六节特种材料行业94 图表目录 图表1工业视觉&计算机视觉分类对比10 图表2机器视觉产业链图11 图表3机器视觉系统构成图13 图表42016-2028年全球机器视觉市场规模及预测（单位：亿元）15 图表52016-2028年中国机器视觉市场规模及预测（单位：亿元）17 图表62022-2023中国机器视觉市场内外资品牌格局（按规模）17 图表7中国机器视觉系统成本结构（单位：元，%）18 图表8中国机器视觉上中游主要环节发展概况18 图表9各领域对CMOS图像传感器的技术需求20 图表102016-2028年中国工业视觉CMOS传感器市场规模及预测（单位：亿元）21 图表112016-2028年中国2D工业相机市场规模及预测（单位：亿元）22 图表122016-2028年中国3D工业相机市场规模及预测（单位：亿元）23 图表13智能相机与基于PC的机器视觉系统对比24 图表142016-2028年中国工业智能相机市场规模及预测（单位：亿元）24 图表152016-2028年中国机器视觉软件市场需求及预测（单位：亿元）25 图表162022-2023中国工业视觉领域CMOS传感器市场内外资格局（按规模）26 图表172023年中国工业视觉领域CMOS传感器竞争格局（按营收规模）26 图表182022-2023中国市场2D工业相机内外资格局（按规模）27 图表192023年中国机器视觉2D工业相机市场竞争格局（按出货量，单位：万台）28 图表202016-2024年中国3D相机市场销量及预测（单位：台）29 图表213D工业视觉主要应用场景29 图表222023年引导类3D相机内外资份额（按销量）30 图表232023年中国3D引导类相机细分场景竞争分布31 图表242023年检测类3D相机内外资份额（按销量）32 图表252023年中国3D检测类相机细分场景竞争分布32 图表262016-2023年中国机器视觉相关企业投融资情况33 图表272022-2023年中国机器视觉融资分布（按数量）33 图表282023年中国机器视觉相关企业投融资情况34 图表29CCD相机&CMOS相机各类指标对比36 图表30面阵相机&线阵相机对比37 图表313D图像处理技术性能对比38 图表32常用视觉软件一览表39 图表332012-2023年中国机器视觉相关专利申请情况（单位：件，%）41 图表342012-2023年中国2D视觉相关专利申请情况（单位：件，%）42 图表352012-2023年中国3D视觉相关专利申请情况（单位：件，%）42 图表36机器视觉主要应用场景描述46 图表372023年中国机器视觉细分场景应用分布情况（单位：%）48 图表382022-2023年中国机器视觉细分应用市场份额占比（单位：%）48 图表392023-2024年中国市场下游细分行业机器视觉需求变化及预测49 图表402012-2023年中国机器视觉行业企业数量及增长情况（单位：家，%）50 图表41机器视觉下游应用行业分布及空间52 图表42机器视觉在主要应用场景及行业分布情况53 第一部分基础篇 第一章机器视觉产业发展概况 第一节定义与分类 一、机器视觉定义 根据美国制造工程师协会机器视觉分会与美国机器人工业协会的定义：机器视觉是基于软件与硬件的组合，通过光学装置和非接触式的传感器自动地接受一个真实物体的图像，并利用软件算法处理图像以获得所需信息或用于控制机器人运动的装置。 机器视觉可以赋予机器人及自动化设备获取外界信息并认知处理的能力。机器视觉系统内包含光学成像系统，可以作为自动化设备的视觉器官实现信息的输入，并借助视觉控制器代替人脑实现信息的处理与输出。从而实现赋予自动化设备看与处理的能力，替代人眼完成生产制造中的识别、测量、定位以及检测等工作。 随着我国产业智能化升级的不断深入，机器视觉技术也广泛地应用于工业、农业、医疗、 教育、军事、交通运输、安防等各个行业中，机器视觉也成为推动我国建设现代化强国，实现产业智能化升级的重要技术之一。 二、机器视觉主要分类 1、工业视觉&计算机视觉 按照应用的领域与细分技术的特点，机器视觉可以进一步分为工业视觉、计算机视觉两类。相应地，其应用领域可以划分为智能制造和智能生活两类。 工业视觉主要用于工业领域的工件识别、测量、检测，以及配合机械臂实现定位抓取等功能，工业场景对精度、稳定性的高要求使工业视觉对工业相机、光源、镜头等硬件的要求相对计算机视觉而言更高。计算机视觉的主要功能为图像分类、目标检测、图像分割、图像重构、人脸识别等，除医疗、航空、军事等特殊行业外，对于硬件要求相对较低。 在算法方面，工业视觉更侧重于在重复性工作要求下对识别精度的提高，常用算法包括图像预处理、图像分割、边缘检测、图像匹配、图像矫正、像素比对、缺陷分类等。计算机视觉更侧重于赋予系统智能化的功能，通常采用图像与处理算法、图像特征处理算法、深度学习算法等。 图表1工业视觉&计算机视觉分类对比 机器视觉 工业视觉 计算机视觉 应用领域 智能制造相关领域 未来消费、服务等智能生活领域 功能目标 主要解决需要人眼进行工件定位、测量、检测等重复性劳动 赋予智能机器人视觉，实现对于外界外置信息、图像信息的识别和判断 硬件需求 要求较高，需要对工业相机的帧频、像素等指标依据需求筛选 除特殊情况，大部分对于相机或摄像头的要求不高 感知方式 单一传感器为主，向多传感器融合发展 多传感器融合 算法需求 底层算法多为Halcon，图像采集、镜头控制、图像处理等算法，更加侧重于精确度的提高 底层算法多为OpenCV，侧重于采用数学逻辑或深度学习进行物体标定与识别 数据调度 数据以产线终端存储为主，正在向云端存储转化 以云端存储为主 产业成熟度 较高，在电子制造半导体、汽车等行业的测量、检测 已有成熟应用 部分场景如人脸识别、车牌识别、安防监控等 应用较成熟，剩余场景仍处于探索阶段 资料来源：公开资料，高工机器人产业研究所（GGII）整理 注：本蓝皮书中涉及的机器视觉主要是指在智能制造、智能物流等领域应用的工业视觉，不包含安防、消费等领域计算机视觉。 2、2D视觉&3D视觉 根据图像信息获取维度以及处理数据类型的不同，可以将机器视觉划分为2D视觉与3D 视觉。 2D视觉是通过工业相机来获取平面图片，根据灰度或彩色图像的对比度特征提供分析结果，主要基于物体的一个平面特征进行后续分析，无法获取物体的空间坐标信息，因此不支持对物体的高度、厚度、体积、形状、平面度的测量。对于有高对比度或对象的结构和颜色决定最终效果的应用，则适合采用2D图像处理。2D技术主要用于条形码和光学字符识别、存在缺失检测、离散对象分析以及基于边缘检测的二维几何分析等。 相比于2D视觉，3D视觉可以获取物体长、宽、高等维度的数据信息，形成物体的点云图像或位姿信息，并根据这些数据信息得出有关目标对象在空间中的位置、形状、体积、平面度等信息，以达到检测、识别、测量、定位等功能。 在分析对象的体积、形状或3D位置时，需要使用3D图像处理。在检查对象和图像的缺陷时，如果2D方面没有足够对比度，但在高度方面表现出明显差异，则可以使用深度信息处理这些任务。 第二节机器视觉产业链分析 一、机器视觉产业链结构 机器视觉产业链成熟且复杂，其上游包含光源、