2021年机器视觉行业发展战略咨询 机器视觉产业链现状分析

机器视觉是人工智能正在快速发展的一个分支，不同权威机构对机器视觉的定义略有差异，但简单说来，机器视觉就是用机器代替人眼来做检测、判断和控制。机器视觉基于仿生的角度发展而来，比如模拟眼睛是通过视觉传感器进行图像采集，并在获取之后由图像处理系统进行图像处理和识别。

由于工业自动化生产日益增长的技术需求，全球机器视觉行业60年代开始兴起，起步较早，90年代发展已趋于成熟，现阶段继续保持高速发展。中国机器视觉行业伴随中国工业化进程的发展而崛起，于90年代末起步，相对全球较晚，目前正处于快速发展阶段。

机器视觉虽然只有几十年发展时间，但随着全球新一轮科技革命与产业变革浪潮的兴起，机器视觉行业顺势迎来快速发展。机器视觉的应用已经从最初的汽车制造领域，扩展至如今消费电子、制药、食品包装等多个领域实现广泛应用。

从产业发展生命周期来看，国际机器视觉产业已经处于成熟期，预期未来几年内，欧美日机器视觉技术仍将不断有创新，国际机器视觉市场有望保持现有市场规模，并继续增长。国内机器视觉产业目前还处于成长期，从近几年的情况来看，我国机器视觉产业已积累足够技术、市场、行业经验，已步入快速发展阶段。

机器视觉产业链主要由上游原材料零部件、中游装备制造以及下游终端应用行业构成。从深度来看，机器视觉的应用覆盖产业链的多个环节。以手机的制造为例，机器视觉可应用在结构件生产、模组生产、成品组装、锡膏和胶体的全制造环节，例如IPhone生产全过程就需要70套以上的机器视觉系统。从广度上看，机器视觉的下游行业众多，包括汽车、3C电子、半导体、食品饮料、光伏、物流、医药、印刷、玻璃、金属、木材等。

机器视觉行业细分结构特征分析

计算机视觉的主要任务是赋予智能机器人视觉，利用测距、物体标定与识别等功能实现对于外界位置信息、图像信息等的识别与判断。在硬件需求上，工业视觉相对较高，需要对工业相机的帧频、分辨率等指标依据自身的需求进行筛选;而计算机视觉则除少部分特殊情况外，大部分对于相机或摄像头的要求并不高。

在算法侧重上，工业视觉的算法往往侧重于精确度的提高;而计算机视觉的算法难度相对较高，侧重于或采用数学逻辑或采用深度学习方法进行物体的标定与识别。在产业成熟度上，工业视觉已经相对较为成熟，在半导体、包装等行业的测量检测已有较为广泛的应用;而计算机视觉整体来讲还是一个刚起步的状态，初创企业层出不穷。

图表：工业视觉与计算机视觉对比

资料来源：公开资料整理

图表：常见的传感器尺寸表

资料来源：公开资料

传感器尺寸是以有效面积(宽x高)或以对角线大小(英寸)来表示的，传感器尺寸越大，一定程度上表示相机可容纳像素个数越多，成像的画幅越大。

如今，在市场消费升级的刺激下，高端商品市场占有率强势增长。为此，视觉技术也越来越多的在工厂应用。从目前的来看，自动读码器、人工智能瑕疵检测和3D测量有着强劲的增长趋势。

更多机器视觉行业调研分析，请阅读《2021-2025年中国机器视觉行业全景调研与发展战略咨询报告》。