公司新闻 热门资讯 展会活动 产品知识
当前位置:首页 > 新闻中心 > 热门资讯

机器视觉行业研究:工业之眼,国产突围

发布时间:2022-09-22
分享:

产业趋势:高端制造新军突起,机器换人大势所趋


新能源、半导体、汽车、航空航天等高端制造业占比提升,对工业智能化水平提 出更高要求

随着先进制造在我国的占比提升,工业生产线上人眼在精度、效率等方面已不能满足产业升级的要求。如何借助机器视觉等智能化技术替代传统人工操作,实现提质、降本、增效,成为制造业的共性需求。未来随着“中国智造 2025”战略的加速推进,工业制造自动化、智能化程度有望不断加深,机器视觉这一技术将得到更广泛的应用。横向跨行业拓展:目前,我国机器视觉应用以制造业的电子、平板显示、汽车、电池等行业为主,新能源、半导体、医疗等新兴产业有望加速引入这一技术。纵向深度强化:机器视觉在各行业的初始应用往往是在生产环节的检测这一步骤,随着技术的普及、成本的下降,机器视觉有望在行业应用深度上强化,进入到识别、测量、定位等其他环节。


疫情等外部因素改变工厂的生产模式,加速推动智能制造转型升级

严格的疫情防控政策不可避免会对企业的开工时间、人员稳定性、承诺交期等产生不确定性影响,直接或间接增加了企业的综合成本。今年以来疫情频发,国内用工难、用工贵的问题进一步凸显,我国纺织服装等出口产业相较越南、印度等国的优势进 一步缩小,2022H1我国出口金额 11.14 万亿,同比增长 13.2%,略低于越南 同期增速。我们认为,疫情等外部扰动因素一定程度上加速推动了工厂的无人化、智能化水平,打造智能化“黑灯工厂”将是制造业企业的当务之急,机器视觉产 业发展迎来短期加速窗口。


深度学习技术提升了机器视觉的应用落地能力,驱动产业加速发展

目前主流的机器视觉检测技术仍采用传统的机器学习训练方法,即在结构化场景下首先将数据表示为一组特征,分析特征或输入模型后,输出得到预测结果。但随着机器视觉的应用领域扩大,传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。深度学习对原始数据通过多步特征转换,得到更高维度、更加抽象的特征表示, 可以将机器视觉的高效率和与人类视觉的灵活性相结合,完成复杂环境下的检测, 特别是涉及偏差和未知缺陷的情形。通过深度学习对模型鲁棒性的提升,极大地拓展了机器视觉的应用场景,使机器视觉系统更加具备柔性,加速其在工业领域的渗透。


需求逻辑:机器之“眼”优势凸显,百亿赛道长坡厚雪


机器之“眼”替代人眼,赋能工业制造

根据美国制造工程师协会(SME)机器视觉分会等机构的定义,机器视觉工作过程是通过光学装置和非接触式传感器自动地接收、处理真实场景的图像,目的在于获得所需信息或用于控制机器人运动。 一个典型的机器视觉系统一般包括光源及光源控制器、镜头、相机、视觉控制系统(视觉处理分析软件及视觉控制器硬件)等,其中光源及光源控制器、镜头、 相机等硬件负责成像,视觉控制系统负责对成像结果进行分析、输出结果至其他执行部件。机器视觉系统的“读取信息-传输信息-处理信息”的过程与人眼的运作机制对应,可谓人类视觉在工业界的延伸。


识别、测量、定位、检测,机器视觉的四大典型应用场景

识别、测量、定位和检测等四大应用场景实现难度依次递增。

识别: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:把获取的图像像素信息标定成常用的度量衡单位,再精确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:获取目标物体的位置信息(二维或是三维),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:主要针对目标物体的表面状态,判断产品是否存在缺陷,通常用于零部件缺陷、污染物、功能性瑕疵检测等。



机器视觉检测产业链呈现“一条主线,多点开花”

上游:机器视觉产业链的上游主要包括以光源、镜头、相机为首的核心零部件和底层的软件算法库。据中商产业研究院的数据统计,上游的零部件和软件开发环节几乎占据机器视觉系统成本80%。

中游:产业链的中游主要包括视觉系统和智能视觉装备。视觉系统是光学成像模块(眼睛)与图像处理系统(大脑)的集合体,可以独立完成图像采集功能并基于图像采集的信息完成预期的处理工作(如定位、测量、检测和识别等)。智能视觉装备在系统的基础上增加了结构本体和自动控制部件,实现检测/生产工艺的控制和执行,给机器又植入了受大脑控制的“肌肉”和“四肢”。

下游:产业链下游通过系统集成商致力于将智能视觉设备与生产工艺相结合, 下游面向 3C 电子、汽车制造、新能源等众多细分行业,并随着技术渗透率的提升行业下游呈现“多点开花”的态势。


3C电子:落地机器视觉技术的行业基本盘,品类渗透加速

全球 3C 电子产业向发展中国家转移,高精度、换代快等特点助推机器视觉技术 迭代,应用场景延伸和品类拓展有望持续推动我国3C行业机器视觉渗透率提 升。

由于消费类电子行业元器件尺寸较小,检测要求高,天然适合机器视觉检测系统落地,其高精度要求也反向推动了机器视觉技术的革新。此外,消费类电子行业产品生命周期短、更新换代快,制造企业需要频繁更换产线设备,进一步增加了对机器视觉行业的需求。未来,随着机器视觉在 3C 制造中的应用场景由低精度的二维码、字符识别进一步延伸至超越人眼极限的高精度组装与加工, 叠加终端产品从手机拓展至耳机、平板、手表、VR/AR 等品类,机器视觉在3C电子行业的渗透率有望持续提升。


汽车:智能汽车向“大型电子产品”演进,视觉检测迎来新需求

电动化、智能化产业趋势带来机器视觉产业沃土。汽车制造领域中的零配件检测、 装配校验检测、涂胶检测等都离不开机器视觉技术。例如,3D视觉系统可以以高精度间隙对准每一辆车的拼接缝,并对车门和车身进行全面检测,效率和准确率都高于人眼检测。汽车产业的电动化、智能化将推动汽车向“大型电子产品” 演化,电子零部件成本占比可能超过整车 50%,雷达(激光、毫米波、超声波)、 传感器、通信(GPS、DSRC、4G/5G)、摄像头、检测、娱乐系统将会大幅提升,行业提升具备机器视觉检测技术的装备的需求。2021 年,我国新能源车销量同比大增 157.6%至 352.1 万辆,同期机器视觉的汽车行业规模已超过 10 亿元。


锂电:行业维持高景气,电池厂扩产带来视觉装备需求井喷

锂电池工艺复杂,机器视觉应用场景丰富。电芯前段工序:在涂布、辊压等环节,锂电池表面容易产生露箔、暗斑、亮斑、掉料、划痕等缺陷,机器视觉主要应用于涂布的涂覆纠偏、尺寸测量, 极片的表面瑕疵检测、尺寸测量、卷绕对齐度等环节。电芯后工序:主要应用于裸电芯极耳翻折、极耳裁切碎屑、极耳、入壳顶盖 和密封钉焊接质量检测以及电芯外观检测、尺寸测量、贴胶定位等。模组和 PACK 段:主要应用于底部蓝胶、BUSBAR 焊缝、侧焊缝、模组全 尺寸和 PACK 检测等。

新能源汽车蓬勃发展,带动锂电行业的机器视觉呈井喷态势。国家统计局的数据 显示,2021 年中国锂电池产量已达 232.6 亿只,同比增长 23.4%。据 GGII 不 完全统计,2021 年中国动力电池投扩项目 63 个(含募投项目)、投资总额(含 拟投资)超过 6,218 亿元,长期规划新增产能已经超过 2.5TWh。锂电产能的快 速增加带动机器视觉高速发展,2021 年市场规模达到 17.7 亿元,2019-2021 年 CAGR 高达 110%。


光伏:良率要求提高,推动硅片分选机放量

光伏行业发展迅猛,带来机器视觉检测需求爆发。光伏电池片的生产可能产生碎 片、电池片隐裂、表面污染、电极不良等缺陷,如何提升产品良率、电池的光电 转化效率和使用寿命是行业痛点,催生光伏硅片分选机等设备快速放量。2018- 2021 年,中国太阳能电池产量 CAGR 达 35%,2021 年同比增速达 42%,行 业迎来加速成长期,同期带动机器视觉的光伏行业应用规模由 2019 年 2.6 亿元 快速提升至 2021 年的 6.5 亿元,CAGR 高达 58%。


非工业:传媒、安防、物流、交通等消费级应用正成为新发展方向

机器视觉应用方向包含工业级与消费级,产业边界趋于模糊。根据机器视觉联盟 (CMVU)的数据,用于消费电子、半导体与新能源等板块的工业级机器视觉合 计占比 79.8%;相比之下,用于消费级机器视觉的安防与监控、物流分拣以及智 慧交通等领域占比仅 17.0%,但份额逐年提升。

随着 AI 和 5G 技术的商用落地,机器视觉不再局限于工业领域。机器视觉结合三维重建、动作/表情捕捉、渲染等技术可实现人脸、表情、动作、衣物的还原, 构建模拟逼真的人物形象,此外还可利用人脸识别、动作识别、物体追踪等技术模拟人的视觉能力。因此,机器视觉在影视、游戏、直播、文旅等领域还有施展拳脚的空间。


竞争壁垒:技术实力决定产品层次,国产替代方兴未艾

机器视觉核心价值集中于产业链上游,硬件工艺与软件算法决定产品技术天花板。机器视觉设备价值可拆分为上游零部件与软件、中游组装集成与售后维护,其中 上游占据了80%价值量,技术壁垒最高;硬件部分当中工业相机价值占比达 50% 以上,由图像传感器、图像采集卡与各类芯片组成,技术壁垒极高。


技术路径多线汇集,机器视觉公司各有所长。机器视觉系统由多个软、硬件产品 组成,基于同一技术平台的部件集成有利于系统稳定可靠,但由于其中各部件技 术路径相对独立,行业内除基恩士之外的多数企业都只专注于其中一个或几个部 件,比如康耐视的核心在于视觉软件,国内的奥普特擅长光源及控制器,自主化 领域各有不同。


硬件:光源、相机国产化率高,镜头任重道远

光源是机器视觉的照明系统,直接决定成像质量和算法效果。机器视觉光源主要 包括 LED 光源和光源控制器,用于增加对比度以分离图像目标与背景,是后期图像采集与处理的基础,因此光源的质量直接决定图像分析的难度。光源技术从传统卤素灯、荧光灯到现在普遍使用的 LED,再到 3D 视觉应用的结构光、激光光源,场景应用逐步多元化,方案针对性也逐步提升。例如在一个视觉应用的光源选型中,厂商需要根据客户提出的需求,综合考虑光源的照射角度、照射方式、光的平行性、柔和性等因素选择适合光源的型号和组合,是一个复杂的非标定制 环节。

光源是机器成像的基础,中国光源厂商进入较早份额领先。光源的国产化率较高, 市场集中度也较高,已成功进入国际市场,主要厂商有奥普特、康视达、沃德普、 乐视等。其中,奥普特是国内最早起步的光源厂商,截至公司招股书发行日已共有 38 个系列、近 1000 款标准化产品并提供定制化的光源服务,2021 年公司实现光源业务收入约 3 亿元,保持国产领先。

镜头是机器视觉图像采集部分重要的成像部件,海外厂商优势明显。与普通镜头 相比,工业镜头要求清晰度更高、透光能力更强、畸变程度更低等,需要考虑焦 距、视场角、光圈以及景深等因素。选取恰当的机器视觉光学镜不仅有助于后续 图像处理工作,而且可以降低设备成本。在工业镜头领域,海外企业进驻较早, 研发实力强劲,品牌影响力较大,在高端工业镜头市场占据竞争优势,如德国施 耐德、日本 CBC Computar 等。我国虽然起步较晚,但涌现出了优秀的镜头公 司如广州长步道、东正光学等企业。

工业相机实现光信号转换,本土品牌有望实现全面国产替代。工业相机是工业视 觉系统的核心零部件,其本质功能是将光信号转变成电信号,要求产品具有较高 的传输力、抗干扰力以及稳定的成像能力。随着设计技术和制造工艺的不断提升, 成本更低、分辨率更高、集成度更高的 CMOS 图像传感器逐渐替代早期的 CCD 传感器。目前市面上的工业相机主要有面阵相机、线阵相机、3D 相机以及智能 相机。据 CMVU 的统计,2015 年后,中国涌现出了一批有规模的、有竞争力的国产品牌,如海康机器人、大恒图像、华睿科技等年产十万颗以上的公司。2020 年,国产相机销售数量占比已超过 80%,有望在不久的未来实现对进口的全面 替代。


3D视觉前景广阔,技术迭代打开应用空间

2D 机器视觉技术具有局限性,3D 可以作为有效补充。使用 2D 机器视觉技术 可以获取二维图像,在三个自由度(x、y 和旋转)上定位被摄目标,并基于灰度、 对比度的特征进行分析。但 2D 技术存在无法提供物体高度、平面度、表面角度、 体积等三维信息、易受光照变化影响、对物体运动敏感等局限性。3D 技术增加 了旋转、俯仰、横摆三个维度,更能还原真实立体世界,通过 3D 视觉传感器采集3D 轮廓信息,形成 3D 点云,实现平面度、翘曲度、段差、曲面轮廓度等 3D 尺寸量测。

3D视觉技术主要包括双目、结构光、ToF、和激光三角测量。

双目技术:通过模仿人眼用两个摄像头观察同一景物,具有系统结构简单、实现成本低,识别距离远等特点,目前应用较为广泛,但其弊端为算法复杂,计算量大,不适合在光线较差的环境中使用。

飞行时间法成像技术(TOF,Time Of Flight):通过给目标物连续发送光 脉冲,通过探测光脉冲发射到返回的飞行时间来得到目标物距离,具有响应快、软件简单、识别距离远等特点,缺点是分辨率低、不能精密成像且成本较高。

3D结构光:从光源投射出一定结构(比如黑白相间)的光线,通过条纹/斑 点的变形计算图形的三维图像,其计算简单、精度较高,普及度较高。2017 年苹果发布的 iPhone X 就搭载了前置 3D 结构光传感器用于 Face ID 的人脸解锁。

激光三角测量:与 3D 结构光技术类似,区别是以激光作为光源来确定空间物体的三维坐标,精准度高、成本低,但不适于远距离测量。

工业控制对精度、柔性的要求高,场景还原度更好、鲁棒性更强的 3D 有望加速 渗透。尽管目前 2D 视觉可以满足绝大部分行业对检测的需求,但涉及到立体工 件、精度要求高的检测仍需 3D 视觉来配合。通过增加 3D 视觉模块,增加工业 机器人的环境感知能力,可以拓宽应用场景。例如,3D 视觉能使机器人更加精 准地定位被操作物,实现更高难度的不规则包裹抓取、非标金属部件焊接等操作, 机器人柔性大幅提升。根据 MIR 的预测,搭载 3D 视觉的工业机器人渗透率将有望从 2021 年的 4%提升至 2025 年的 10.5%,出货量 CAGR 达 46%。


3D视觉技术在消费级应用上空间广阔

消费电子:2017 年 9 月以来,苹果公司的 iPhone X、iPhone 11、iPhone 12 手机系列均搭载了前置结构光 3D 视觉传感器,并在 iPhone 12 Pro 上 同步搭载了基于 dToF 技术的后置激光雷达扫描仪;安卓端包括华为 Mate 系列、P 系列,OPPO Find X,魅族 17 Pro、18 Pro 等陆续有十余款智能手机分别在前置和后置视觉传感器中不断尝试使用结构光和 ToF 技术。通过在智能手机、平板设备、电视等智能终端设备上搭载 3D 视觉传感器可 以使其具备 3D 人脸识别解锁、沉浸式交互、体感交互等能力,从而带来更 安全、更好的用户体验。

AIoT:3D 视觉传感器可以被搭载在 3D 空间扫描设备、服务型机器人、 AR/VR设备等终端上以实现传统 2D相机无法实现的功能,例如三维重建、避障导航等;在服务机器人应用领域,3D 视觉传感器可以帮助服务机器人高效完成人脸识别、距离感知、避障、导航等功能,使其更加智能化。目前 已实现落地的应用包括扫地机器人、自动配送机器人、引导陪伴机器人等, 服务于家庭、餐厅、旅馆、医院等多个线下场景。根据 IDC 的数据,2017 年全球商务用机器人市场规模为 213.2 亿美元,预计 2022 年全球市场规模 可达 538.0 亿美元,2017-2022 年复合增长率预计为 20.3%。

3D 视觉仍处于探索初期,具备核心技术的厂商有望率先受益。随着 5G 技术的 推广普及,人工智能和物联网应用将迎来快速发展,推动视觉技术加速从 2D 成 像向 3D 视觉感知跨越。根据 2019 年 Gartner 新兴技术发展周期曲线图,3D 视觉感知概念已经突破了早期的期望膨胀期,并逐渐步入产业化前的重要发展阶 段,不断探索潜在的细分领域应用,寻找潜在的增长拐点。目前全球已掌握核心 技术并实现百万级面阵 3D 视觉传感器量产的企业仅有苹果、微软、索尼、英特 尔、华为、三星和奥比中光等少数企业。我们认为在这一新领域逐步走向成熟的 过程中,具备创新能力、掌握核心技术的公司有望率先受益。



(文章节选自:财通证券,作者:杨烨)

相关文章