2021中国工业视觉行业研究报告.pdf

甲子光年智库团队大变局中，万物生长 2021中国科技投资趋势报告 2021年团队甲子光年智库团队出品2021年 9月2021中国工业视觉行业研究报告 01目录 Contents行业概览02 发展驱动力03 发展现状04 2D视觉 05 3D视觉 06 重点应用行业07 重点长尾市场08 投融资分析09 市场参与者 10 关键发展要素 3 2021 / 09工业视觉行业研究报告核心观点机器视觉是千亿级别的赛道。下游应用中，消费电子市场空间可达千亿级别，半导体和汽车是两个百亿级别的市场。 3D工业机器人市场空间也在百亿级别。此外还包括物流、医药、印刷、食品包装、纺织等多个长尾市场。国产厂商的机会来自于两个方面，第一是对价格昂贵、本土化程度一般的国外巨头产品的替代，第二是借助对应用场景匹配度更高的算法和机器人部件提升渗透率。机器视觉可分为 2D和 3D。 3D是技术进步的结果，可以作为 2D的补充。 2D视觉发展时间长，市场成熟，行业上游壁垒明显，创业公司的机会主要在算法和集成解决方案；3D视觉处于行业发展初期，特征是 “ 寻找增量 ” 的逻辑强于 “ 国产替代 ” ，国内外巨头都不具备明显的技术优势，行业存在着大量新公司的机会，关键在于寻找合适的落地场景。工业机器视觉赛道目前已有红杉资本中国、顺为资本、高榕资本、君联资本、明势资本等一线基金和政府政府产业基金纷纷入局，投资热背后是对工业机器视觉前景的看好。产业链中游集成商领域的创业企业最受资本青睐。但是目前赛道上的多数企业都处于产品小批量生产或解决方案高度定制化的阶段，规模化应用尚未展开，前期高额的研发投入难以摊薄，整体成本较高，现阶段难以达到盈亏平衡。考虑到我国工业基础设施较差、自动化改造需求主要来自大客户的现状，以及国内外巨头的竞争，创业公司的最佳发展模式是找准应用场景、获取大客户资源、建立技术壁垒、提高性价比，最终提升产品和解决方案的标准化程度，实现跨应用场景、行业的规模化发展。 4 2021 / 09工业视觉行业研究报告1.1行业概述定义 &功能视觉类技术在国内人工智能市场占据最大市场份额 5 2021 / 09工业视觉行业研究报告1.1行业概述定义 &功能机器视觉结合到工厂的生产线中，可以实现识别、测量、定位和检测四种基本功能在工业应用场景中，机器视觉是指通过采用适合被测物体的多角度光源和非接触传感器获取真实物体的图像，通过计算机从图像中提取信息，进行分析、处理，最终用于检测和控制机器运动的装置。机器视觉通过模拟人类视觉系统，赋予机器 “ 看 ” 和 “ 认知 ” 的能力，是机器认识世界的基础。机器视觉的成像系统可以类比为人类的视觉器官，输入图像信息；视觉控制系统可以类比为人类的大脑，处理和解释视觉图像。功能含义识别指甄别目标物体的物理特征，包括外形、颜色、字符、条码等，其准确度和识别速度是衡量的重要指标。常见的应用场景是 OCR，读取零部件上的字母、数字、字符（例如条形码、二维码等）用于溯源。测量指把获取的图像像素信息标定成常用的度量衡单位，然后在图像中精确地计算出目标物体的几何尺寸，主要应用于高精度及复杂形态测量。定位指获取目标物体的位置信息，可以是二维或者是三维的位置信息，进而辅助执行后续操作，常用于元件对位，辅助机器人完成装配、拾取等。检测指对目标物体的表面状态进行检测，进而判断产品在生产制造状态中是否存在缺陷，内涵和种类繁多，例如检测零部件缺陷、污染物、功能性瑕疵等。机器视觉结合到工厂的生产线中，可以实现四种基本功能识别、测量、定位和检测，实现难度依次递增。机器视觉的功能机器视觉的定义机器视觉成像系统机器视觉控制系统人类视觉器官人类大脑 6 2021 / 09工业视觉行业研究报告1.2行业概述构成资料来源：奥普特招股说明书，甲子光年整理机器视觉系统主要包括成像和图像处理两大部分机器视觉的构成机器视觉系统是一个包含硬件、软件和算法等诸多单元的应用系统，主要包括成像和图像处理两大部分，前者通过硬件部分实现，后者由算法及软件构成的视觉控制系统负责，对成像进行处理分析，输出分析结果至执行机构。2D图像视觉光源光源是机器视觉系统中最关键的部件之一，其在机器视觉中的作用主要包括：照亮目标、突出特征，形成有利于图像处理的效果；克服环境光干扰，保证图像稳定性；用作测量的工具或参照物。与民用照明光源相比，机器视觉光源在照度、均匀性和稳定性三个核心指标上有较高的要求。合适的光源设备能够使被测物与背景尽量明显区分，获得高品质、高对比度的图像。在机器视觉领域的应用中，由于应用对象与检测要求的不同，尚无通用的机器视觉照明系统，需针对特定案例设计相应的照明方案，以达到最佳照明效果。典型机器视觉系统构成示意图镜头镜头相当于人眼的晶状体，是机器视觉采集和传递被摄物体信息过程的起点。镜头将目标成像在图像传感器的光敏面上，分辨率、对比度、景深以及像差等指标对成像质量具有关键性影响。与民用镜头相比，工业镜头需要更小的光学畸变、足够高的光学分辨率、丰富的光谱响应选择等，以满足不同场合视觉系统的应用需求。 7 2021 / 09工业视觉行业研究报告1.2行业概述构成 3D视觉可以满足以往 2D视觉难以满足的工业场景应用相机工业相机是机器视觉系统最核心的组件，其本质的功能就是将光信号转变成为有序的电信号，再将该信号模数转换并送到处理器后以完成图像的处理、分析和识别。与普通民用相机相比，工业相机需要更高的传输力、抗干扰能力以及稳定的成像能力。算法和软件对所获得的视觉信号进行处理是机器视觉系统的关键所在，机器视觉软件类似 “ 大脑 ” ，通过图像处理算法完成对被测物的识别、定位、测量、检测等功能。机器视觉软件分为底层算法和二次开发的软件包两类，前者是包含大量处理算法的工具库，用以开发特定应用，主要使用者为集成商与设备商。后者是封装好的、用以实现某些功能的应用软件，主要供最终用户使用。3D图像视觉 2D视觉系统的一般原理是通过摄像头拍摄平面照片，然后通过图像分析或比对来识别物体，主要依据是物体一个平面上的特征。由于 2D视觉无法获得物体的空间坐标信息，因此无法完成物体平面度、表面角度、体积等测量，同时也难以区分颜色相近的表面。同时成像的对比度对结果的分析至关重要，因此特别依赖于光照和颜色 /灰度变化，易受照明条件的影响。随着技术的进步以及工业制造对精度和自动化要求的提升， 3D视觉的应用逐渐兴起。 3D视觉可以满足以往 2D视觉难以满足的工业场景应用，对 2D视觉起到补充作用。业界认为 2D向 3D的转变将成为视觉技术继黑白到彩色、低分辨率到高分辨率、静态图像到动态影像后的第四次革命。目前主流的 3D视觉技术主要包括双目视觉、 TOF、结构光和激光三角测量四种。技术双目成像 3D结构光 TOF 激光三角法原理双摄像头投影条纹斑点编码红外光反射时间差光学三角原理弱光环境弱良好（受光源影响）良好（不受外界光源影响）良好（受光源影响）强光环境良好弱一般弱深度精确度高一般低一般分辨率良好良好一般良好响应时间一般慢快快识别距离与双摄像头距离有关短（ 5米以内）一般（ 10米以内）短软件要求高一般一般高成本高高一般一般功耗低一般低一般缺点低光环境差易受光源影响平面分辨率差易受光源影响 8 2021 / 09工业视觉行业研究报告1.2行业概述构成资料来源：甲子光年根据公开资料整理机器人视觉引导与检测是 3D视觉在工业领域的主要应用方向 3D视觉在工业的应用往往会和机器人联合形成解决方案，主要应用方向有机器人视觉引导与检测两种。视觉引导是指通过 3D视觉对工件进行定位和识别，引导机器人进行抓取，用于无序分拣与堆码，上下料，焊接等。视觉检测则是将摄像头、激光扫描器等安装在机器人末端，对工件进行轮廓检测、表面缺陷检测、三维重建等。典型机器人 3D视觉引导系统由三部分构成：软件、 3D相机、计算机。 3D相机获取待分拣工件 /堆垛的 3D点云信息，传送到计算机上的软件，进行分割和识别，获取要抓取物品空间位置信息，规划机械臂运动路径，引导机械臂完成抓取。 9 2021 / 09工业视觉行业研究报告1.3行业概述优势工业机器视觉系统可以实现比人类更高的视觉感知效率及精度虽然机器视觉相比人类视觉有相似之处，都是通过采集图像信息、对信息进行数据化处理来实现 “ 视觉 ”的传递，但是机器视觉在性能指标上具有明显的优势。随着深度学习、 3D视觉技术、高精度成像技术的持续发展，机器视觉的性能优势还将进一步加大。性能指标人类视觉机器视觉速度慢， 0.1秒的视觉暂留使人眼无法看清较快速运动的目标；人脑对图像的处理分析速度受多重因素影响，差异较大快，快门时间可达千分之一秒；处理分析图像的速度稳定并且随着技术的进步越来越快精度差， 64灰度级，不能分辨微小的目标强， 256灰度级，可观测微米级的目标环境要求高，对环境温度、湿度的适应性差，很多环境对人体有损害低，对环境适应性强，并且可根据需要添加防护装置客观性低，数据无法量化，因人而异高，数据可量化，标准统一可靠性易疲劳，受情绪波动影响强，可持续工作，效果稳定可靠人类的视觉适合定性解释复杂、无结构场景，而机器视觉因具有优异的速度、准确度和可重复性更擅长定量测量结构化场景。工业机器视觉系统可以实现比人类更高的视觉感知效率及精度，避免了人为失误发生的可能性，有助于提升产品的良品率，加快产线运转的速度。机器视觉在成本上也具有明显的优势。机器视觉不仅具备更低的总成本，而且能够全天候不间断工作，从而可以在很大程度上代替产线上的检测人员、操作人员等，帮助工厂降低成本。更重要的是，工业机器视觉系统与其他自动化装备相结合，可以支撑更大规模的工业自动化应用，包括工业机器人、数控机床、自动化集成设备等。工业机器视觉能够为智能制造提供数据支撑。通过机器视觉收集生产过程中的各种数据，通过工业以太网等通信手段上传至工业服务器，在 MES/DCS软件系统的管理下进行数据处理分析，并与企业资源管理软件（例如 ERP）结合，提供最优化的生产方案或者定制化生产，最终实现智能化生产。 10 2021 / 09工业视觉行业研究报告2.发展驱动力政策加码助力智能制造高速发展我国机器视觉的发展的驱动力主要来自三个方面，分别是政策、需求以及技术，其中下游需求是驱动行业发展的关键因素。具体需求包括人力成本上升带来企业降本增效的需求、庞大的工业体量带来的升级改造需求及高精度和柔性生产的制造需求等。政策持续加码助力智能制造高速发展为了实现我国制造业强国的战略目标，智能制造长期以来一直受到国家产业政策的支持。近年来，国家不断发布各项政策推动行业发展，充分支持行业的产品研发和市场扩展。作为率先发展起来的、实现工业制造升级转型核心技术之一的机器视觉也随之受益。时间政策发文机关机器视觉相关政策要点 2020.12 工业互联网创新发展行动规划（ 2021-2023年）工业和信息化部提出要加强工业互联网基础支撑技术攻关。支持工业 5G芯片模组、边缘计算专用芯片与操作系统、工业人工智能芯片、工业视觉传感器及行业机理模型等基础软硬件的研发突破。 2020.3 关于科技创新支撑复工复产和经济平稳运行的若干措施科技部提出要推动新技术赋能智能工厂建设。鼓励支持企业在研发设计、生产运营、运维服务、供应链管理等方面应用机器视觉、智能传感、深度学习等人工智能新技术，通过大数据挖掘分析，提高对客户需求及特征的分析能力，优化产品设计，实现生产方式向柔性化、智能化、精细化转变，建设 “ AI+智能工厂 ” 。 2017.7 新一代人工智能发展规划国务院在发展基础计算理论、研究智能系统解决方案、加快培育人工智能产业领军企业等方面的规划中都特别强调了视觉感知这一方向，提出要研究复杂环境下基于计算机视觉的定位、导航、识别等机器人及机械手臂自主控制技术。 2016.12 智能制造发展规划（ 20162020年）工业和信息化部、财政部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。和工业机器视觉直接相关的国家政策梳理 11 2021 / 09工业视觉行业研究报告2.发展驱动力数据来源：华西证券，甲子光年整理随着我国人口老龄化、劳动力成本的上升，企业降本增效需求迫切 12 2021 / 09工业视觉行业研究报告2.发展驱动力数据来源：国家统计局，甲子光年整理随着我国人口老龄化、劳动力成本的上升，企业降本增效需求迫切 13 2021 / 09工业视觉行业研究报告2.发展驱动力数据来源：国家统计局，甲子光年整理高精度和柔性生产的制造需求使得引入机器视觉检测成为必选项制造业市场活跃度持续提升。 2020年，新冠肺炎疫情对制造业 PMI的影响仅在 2月份有明显体现。随着我国对新冠疫情的有力控制和工业生产的恢复，制造业 PMI稳定在荣枯线（ 50%）以上并有持续上升趋势。制造业采购经理指数 (%) 高精度和柔性生产的制造需求使得机器视觉成为必选项下游生产制造产品结构更加精密、质量要求提高，提高检测要求，引入机器视觉检测成为必然趋势。以手机为例，更加精密的结构、对产品质量的更高要求，都提高了检测的要求，而机器视觉检测凭借相比人工检测在检测能力、效率、成本上的优势，有望从“ 可选 ” 逐步走向 “ 必选 ” 。多样化、个性化的消费需求催生出了以 “ 按需生产 ” 为主要特征的工厂组织方式，即以高度灵活为标志的 “ 柔性生产 ” 模式。柔性生产是指用同一生产单元或生产线，以及供应链组成的系统生产多种品类、不同产品的生产过程。产线适应的产品品种越多，其柔性程度就越高，其生产成本就越低，企业的市场竞争力也就越强。能够帮助企业无需进行生产线深度调整就可以适应多 SKU 生产的机器视觉的重要性日益凸显。 14 2021 / 09工业视觉行业研究报告2.发展驱动力资源来源：东吴证券，甲子光年整理技术进步推动机器视觉的应用普及随着核心零部件国产化进程的加快，将降低机器视觉应用成本，提升国内机器视觉设备企业的竞争优势，并推动机器视觉在智能装备领域的普及。供给端技术进步导致成本降低技术进步导致应用领域扩展相较于 2D视觉， 3D视觉对照明（环境光）变化不敏感，而且精度和可靠性更高，可以更好地进行多传感器融合，检测快速移动目标并获得形状、对比度、空间坐标信息等深度信息。因此， 3D视觉可以满足以往 2D视觉难以满足的更多工业场景应用，对 2D视觉起到补充作用。图像视觉检测在工业领域已经应用多年，在不少领域已经应用成熟，但仍有很多问题传统算法难以有效解决。深度学习等技术的引入，给图像检测带来了能力的提升，可以提高识别率，并在过去算法难以解决的缺陷检测和纹理检测等领域实现了应用，释放了一波新的市场机会。使用机器视觉系统和人工检测效率及成本对比检测方式企业成本检测效率人员检测每条产业线 6人，三班需要 18个人，平均年薪 5万元，一年需要 90万元效率较低，且可能出现人为失误，稳定性较差AOI设备检测每台设备平均价格 20万元，每年维护加折旧6万元，每条生产线 3台设备，初始投资 60万元，每年折旧与维护成本 18万元效率高，稳定性强，精确度更高 15 2021 / 09工业视觉行业研究报告3.发展现状数据来源： BCC Research, 赛迪顾问，西部证券，甲子光年整理我国机器视觉市场处于高速增长状态中 16 2021 / 09工业视觉行业研究报告3.发展现状我国已经成为了继美国、日本之后的第三大市场机器视觉始于西方工业强国。美、德、日等 20世纪工业强国的汽车行业、半导体行业、纺织行业等日趋成熟，生产线复杂程度提高、对精密度要求提高，同时人力成本压力愈大，生产线自动化成为必然趋势。 20世纪 80年代，工业视觉产业在国外掀起热潮，第一批工业视觉产品投产，代替生产线上需要由人工完成的重复性测量、检测环节。此时，国内制造业基于人口成本低廉的前提快速发展，国内生产线整体偏中低端，对于机器代替人力这种的发展模式需求较低，对机器视觉的认知度也较低。直到 2001年底，中国加入世贸组织。以此为契机，中国汽车、半导体、 3C等制造业迎来了高速发展时期。受到相对廉价的土地、劳动力等生产要素的吸引，外资企业纷纷在中国建立工厂，对机器视觉的认知和需求随之而来，国内出现了第一批进入工业视觉领域的企业。由于国外已形成较高的技术壁垒，初期国内企业的主要商业模式是以进口、代理为主，自研为辅，研发方向分两种，一是为从上游核心零部件、核心组成部分入手，其中光源因为技术难度相对较小、进入门槛低，在国内发展较为迅速，二是从中游质检、检测设备入手，在细分技术环节（如针对特定材质的检测、测量）内深耕。随着国内制造业体量激增，越来越多的高端生产线被引入，我国机器视觉技术水平不断提升，应用领域不断拓宽。在国内经济高速发展、产业结构逐步升级的大背景下，机器视觉下游应用场景日趋复杂，行业高速发展。我国已经成为了继美国、日本之后的第三大市场。中国机器视觉行业发展历程启蒙阶段发展阶段高速阶段 1999年 -2004年机器视觉概念在中国兴起机器视觉在工业中的高效率应用推动了产业的发展 2004年 -2010年中国机器视觉行业开启自主研发之路机器视觉的应用领域逐渐拓宽 2010年至今中国机器视觉行业进入高速发展阶段机器视觉行业政策利好，技术水平逐渐提高，行业高速发展 17 2021 / 09工业视觉行业研究报告4.2D视觉数据来源：奥普特招股说明书，甲子光年整理硬件技术成熟，创业机会主要在算法层面如前文发展历程中所述， 2D机器视觉源于西方制造业强国，我国前期以代理和模仿为主，经过 20年的发展后，行业已经比较成熟。 2D产业链上游壁垒明显，同时硬件技术已经非常成熟，鲜有技术革新，产品生命周期长，创业公司的机会主要在算法层面。机器视觉的实际应用不是硬件的简单堆积，应用场景 know how非常重要，依托在特定应用场景下领先的算法提供集成解决方案是适合创业公司的切入点。上游光源日本 CCS、美国AI 奥普特、沃德普、纬朗光电镜头美国 Navitar、德国施耐德、德国卡尔蔡司、日本CBC、日本Kowa 东正光学、蔓藤光相机德国 Basler、加拿大 DALSA、瑞士 Baumer 大恒图像、华睿科技软件和算法 MVtec、Cognex、 Adept 创科视觉、奥普特（ SciVision）、天准科技（ Vispec）中游视觉测量仪器、视觉检测设备、视觉识别设备、视觉引导设备制造商视觉解决方案集成商产品代理商、经销商下游汽车、 3C、半导体等多个行业 2D机器视觉系统中，最有价值的核心部件是视觉控制系统，价值量占比可达到 35%，其次是相机，价值量占比为 28%。光源光源控制器镜头相机视觉控制系统（算法和软件） 2017 18% 5% 9% 28% 41% 2018 19% 5% 13% 28% 34% 2019 21% 5% 14% 28% 32% 平均 19% 5% 12% 28% 35% 以奥普特为例的单个机器视觉系统中各核心部件价值量占比（收入端口径测算） 2D视觉产业链图谱 18 2021 / 09工业视觉行业研究报告4.2D视觉2D视觉行业发展时间长，市场成熟，行业格局稳定上游因为光源技术门槛不高，国内厂商凭借进入行业早、性价比高的优势在市场上占据一席之地。光源是上游硬件中国产程度较高，竞争较为充分的细分领域，国产品牌能和国外品牌展开竞争。镜头行业具有较高的技术门槛， 2008年之前国内镜头市场基本被日本、德国品牌所垄断。目前高端市场仍旧以日本、德国品牌为主，国内企业主要分布在中低端市场，性价比较高，产品能够满足视觉系统的基本需要，但是制作工艺和国外相