當前位置：
不得不看的機器視覺產(chǎn)業(yè)鏈解析！
發(fā)布時間：2019-09-25
機器視覺（Machine Vision）指的是通過光學的裝置和非接觸的傳感器自動的接收和處理真實物體的圖像，以獲得所需信息或控制機器人運動的裝置，通俗的說就是應(yīng)用在工業(yè)領(lǐng)域的視覺應(yīng)用。
目前，機器視覺的基礎(chǔ)功能主要可以分為四大類：模式識別/計數(shù)、視覺定位、尺寸測量和外觀檢測，當前的應(yīng)用也基本是基于這四大類功能來展開。
模式識別/計數(shù)主要指對已知規(guī)律的物品進行分辨，比較容易的包含外形、顏色、圖案、數(shù)字、條碼等的識別，也有信息量更大或更抽象的識別如人臉、指紋、虹膜識別等。
視覺定位主要指在識別出物體的基礎(chǔ)上精確給出物體的坐標和角度信息。定位在機器視覺應(yīng)用中是非?；A(chǔ)且核心的功能，一個軟件的好壞大概率與其定位算法的好壞密切相關(guān)。
尺寸測量主要指把獲取的圖像像素信息標定成常用的度量衡單位，然后在圖像中精確的計算出需要知道的幾何尺寸。優(yōu)勢在于對高精度、高通量以及復雜形態(tài)的測量，例如有些高精度的產(chǎn)品由于人眼測量困難以前只能抽檢，有了機器視覺后就可以實現(xiàn)全檢了。
外觀檢測主要檢測產(chǎn)品的外觀缺陷，最常見的包括表面裝配缺陷（如漏裝、混料、錯配等）、表面印刷缺陷（如多印、漏印、重印等）以及表面形狀缺陷（如崩邊、凸起、凹坑等）。由于產(chǎn)品外觀缺陷一般情況下種類繁雜，所以檢測在機器視覺中的應(yīng)用中屬于相對較難的一類。
從技術(shù)實現(xiàn)難度上來說，識別、定位、測量、檢測的難度是遞增的，而基于四大基礎(chǔ)功能延伸出的多種細分功能在實現(xiàn)難度上也有差異，目前看3D視覺功能是當前機器視覺應(yīng)用技術(shù)中最先進的方向之一。
簡單的，我們可以把機器視覺產(chǎn)業(yè)鏈可以分為底層開發(fā)商（核心零部件和軟件提供商）、集成和軟件服務(wù)商（二次開發(fā)），核心零部件及軟件又可以再細分為光源、鏡頭、工業(yè)相機、圖像采集卡、圖像處理軟件等。在目前的整個機器視覺系統(tǒng)成本構(gòu)成中，零部件及軟件開發(fā)占據(jù)了80%的比例，是產(chǎn)業(yè)鏈中絕對的核心環(huán)節(jié)和價值獲取者。
從技術(shù)壁壘來看，1）軟件是主要壁壘，底層算法庫是核心。目前是外資企業(yè)壟斷，做得好例如康耐視以及MVTec，主要是靠國外幾十年的自動化進程培養(yǎng)起來的；國內(nèi)自動化進程時間不長，軟件算法還多處于研發(fā)階段，應(yīng)用做得好的不多，2）應(yīng)用層面的技術(shù)也非常關(guān)鍵，主要是要掌握不同應(yīng)用環(huán)境的Know-How，做出適應(yīng)性的產(chǎn)品。
目前來看，國內(nèi)機器視覺行業(yè)的市場參與者主要有四種類型：國際綜合自動化公司、國際專業(yè)機器視覺公司、國內(nèi)專業(yè)機器視覺公司以及國內(nèi)自動化設(shè)備公司。其中，在底層開發(fā)商層面還是國際企業(yè)占主導地位，國內(nèi)公司更多是在附加值更低的二次開發(fā)層面布局(形式包括系統(tǒng)集成以及組裝生產(chǎn)自動化專機)，并在此基礎(chǔ)上逐漸向上游核心環(huán)節(jié)進行嘗試。
機器視覺系統(tǒng)成本構(gòu)成
1.光源
光源是國產(chǎn)化最充分環(huán)節(jié)。光源的好壞在于對比度、亮度和對位置變化的敏感程度，機器視覺行業(yè)主要采用LED 光源產(chǎn)品。目前沒有通用的機器視覺照明設(shè)備，針對每個特定的應(yīng)用實例有個性化的方案，以達到最佳效果 。目前光源行業(yè)國產(chǎn)化程度高，競爭比較激烈。
2.鏡頭
低端鏡頭國內(nèi)企業(yè)具備一定競爭力，高端鏡頭基本依賴進口。鏡頭的基本功能是實現(xiàn)光束調(diào)制，將目標成像在圖像傳感器的光敏面上完成信號傳遞。工業(yè)鏡頭主要可以分為定焦鏡頭、定倍鏡頭、遠心鏡頭、連續(xù)變倍鏡頭等，不同的鏡頭根據(jù)要求應(yīng)用于不同的工業(yè)現(xiàn)場，價格差距也較大。
3.工業(yè)相機
工業(yè)相機以歐美進口為主，國產(chǎn)品牌從低端市場開始逐步進口替代。工業(yè)相機是工業(yè)視覺系統(tǒng)的核心部件，其本質(zhì)功能完成是將光信號轉(zhuǎn)變成電信號的過程，要求更高的傳輸力、抗干擾力以及穩(wěn)定的成像能力。
4.圖像采集卡
圖像采集卡國內(nèi)發(fā)展較為完善和成熟，也稱為視頻抓取卡，這個部件通常是一張插在 PC 上的卡。這張采集卡的作用將攝像頭與 PC 連接起來。它從攝像頭中獲得數(shù)據(jù)（模擬信號或數(shù)字信號），然后轉(zhuǎn)換成PC 能處理的信息。
5. 圖像處理軟件
圖像處理軟件基本被國外企業(yè)壟斷，國內(nèi)企業(yè)在二次開發(fā)中有所布局。工業(yè)視覺軟件則對數(shù)字信號進行各種運算來抽取目標的特征，進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作，自動完成對圖像采集、顯示、存儲和處理。當前比較流行的開發(fā)模式是“軟件平臺+視覺開發(fā)包”，開發(fā)包是基于軟件平臺對常用各種圖像處理算法進行了封裝，軟件工程師可以直接調(diào)用封裝好的算法實現(xiàn)各種復雜的圖像處理功能，降低二次開發(fā)難度和工作量。
6.系統(tǒng)集成
國內(nèi)廠商在集成端發(fā)展迅速，尤其是在一些外資還沒有布局的領(lǐng)域、或者非標自動化領(lǐng)域如3C 等。國內(nèi)集成廠商單純進行二次開發(fā)利潤空間較小，在某一行業(yè)下游完成良好布局之后，會嘗試逐步向上游底層開發(fā)延伸，進行核心軟硬件的進口替代。
機器視覺最重要下游
機器視覺廣泛應(yīng)用于電子及半導體、汽車制造、食品包裝、制藥等領(lǐng)域，其中電子汽車和電子是當前機器視覺最重要的應(yīng)用領(lǐng)域。
1.下游應(yīng)用領(lǐng)域——電子
根據(jù)前瞻研究院數(shù)據(jù)，電子行業(yè)貢獻了機器視覺近50%左右的需求，主要用于晶圓切割、3C表面檢測、觸摸屏制造、AOI光學檢測、PCB印刷電路、電子封裝、絲網(wǎng)印刷、SMT表面貼裝、SPI錫膏檢測、半導體對位和識別等的高精度制造和質(zhì)量檢測。以iPhone為例，其生產(chǎn)全過程就需70套以上系統(tǒng)。未來在全球智能手機、平板電腦和可穿戴設(shè)備等消費電子領(lǐng)域的需求有望爆發(fā)。
以3C行業(yè)為例，我們判斷未來行業(yè)的機器視覺需求還會持續(xù)較快增長，主要需求來自幾個方面：1）視覺技術(shù)進步（現(xiàn)在好多玻璃、屏的缺陷檢測技術(shù)上還不能實現(xiàn)）推動適用領(lǐng)域拓寬；2）隨著國內(nèi)智能手機逐漸中高端化帶來手機廠商利潤率提升，視覺檢測在國產(chǎn)手機產(chǎn)線中的應(yīng)用有望推廣開來。
2.下游應(yīng)用領(lǐng)域——汽車
根據(jù)前瞻研究院數(shù)據(jù)，汽車行業(yè)貢獻了機器視覺15%左右的需求，主要用于車身裝配檢測、面板印刷質(zhì)量檢測、字符檢測、零件尺寸的精密測量、工件表面缺陷檢測、自由曲面檢測、間隙檢測等幾乎所有系統(tǒng)和部件的制造流程。目前一條產(chǎn)線大概配備十幾個機器視覺系統(tǒng)，未來隨著汽車質(zhì)量把控、汽車智能化、輕量化趨勢對檢測提出更高要求，對機器視覺技術(shù)的需求還會逐步提高。
例如，3D視覺系統(tǒng)可以以高精度測量間隙并對準每一輛車，并對裝配的所有車門和車身進行全面檢測。3D 視覺系統(tǒng)還能幫助底盤制造商使貨架中車身板件的上架、下架和檢測實現(xiàn)自動化，在自動設(shè)備拾取缺陷元件之前檢測貨架上是否存在缺陷元件，從而減少將缺陷元件焊接到一起。
3.下游應(yīng)用領(lǐng)域——制藥
根據(jù)前瞻研究院數(shù)據(jù)，制藥行業(yè)貢獻了機器視覺7%左右的需求，主要應(yīng)用在藥瓶封裝缺陷檢測、膠囊封裝質(zhì)量檢測、藥粒卻是檢測、生產(chǎn)日期打碼檢測、藥片顏色識別及分揀等。目前大多數(shù)企業(yè)流水線上有1-2套機器視覺系統(tǒng)，而實際需求至少應(yīng)該在5處，未來隨著制藥行業(yè)自動化升級改造提速，滲透率會持續(xù)提升。
例如，在藥品包裝后的檢測環(huán)節(jié)中，可以利用機器視覺快速、準確地檢測到對象是否完好無缺，通過設(shè)定圖像傳感器，獲取包裝后的對象圖片信息，通過預(yù)先設(shè)定的面積參數(shù)對每個藥粒或者藥瓶進行檢測對比，這樣，破損的藥?；蛘呷逼康陌b都將被檢測出來，正確的正常通過。
4 .下游應(yīng)用領(lǐng)域——食品
食品及包裝也是機器視覺應(yīng)用的重要下游領(lǐng)域，主要用于高速檢測、外觀封裝檢測、食品封裝缺漏檢測、外觀和內(nèi)部質(zhì)量檢測、分揀與色選等，單條產(chǎn)線用量在不同產(chǎn)品中差異較大。目前機器視覺在大型食品企業(yè)（如伊利、蒙牛）中應(yīng)用較多，而在行業(yè)整體的滲透率并不高。
例如，歐洲鮮貨市場廣泛使用食品分揀器，一般采用多臺攝像機捕獲產(chǎn)品整個表面影像。當產(chǎn)品基本為圓形時，在漏洞內(nèi)設(shè)有機構(gòu)，讓產(chǎn)品在攝像機下進行旋轉(zhuǎn)。形狀可以根據(jù)最大直徑和最小直徑、比例關(guān)系等進行分選。顏色一般根據(jù)已掃描的整個表面情況來決定。鑒定方法如簡單百分比、強度值直方圖、定義最大面積或最小面積等。
展望未來，機器視覺行業(yè)主要有幾個發(fā)展趨勢：
1）更多更快的圖像數(shù)據(jù)傳輸、更先進的軟件算法帶來實現(xiàn)數(shù)字化、實時化和智能化的性能提升；
2）硬件性能的提升（更高分辨率、更快掃描率等）和產(chǎn)品軟件價格的下降推動機器視覺滲透率提升；
3）產(chǎn)品向著小型化、集成化發(fā)展。
