一、工業(yè)視覺下游應用不斷拓展，新應用領域成長迅速

隨著人們意識到工業(yè)視覺在精確度和重復性上有人眼不可比擬的優(yōu)勢以及核心技術的不斷完善，工業(yè)視覺的下游應用領域也不斷拓展。在汽車行業(yè)，幾乎所有的系統(tǒng)和零部件制造流程均可收益；在醫(yī)療器械和制藥行業(yè)，對產品質量的高要求也需要機器視覺進行參與；在食品飲料領域，機器視覺能夠幫助企業(yè)快速實現(xiàn)產品的準確檢測，跟上生產線的速度，降本提效。無論是作為一個獨立的系統(tǒng)進行檢測還是與工業(yè)機器人配合，指引機器人的操作和行動，工業(yè)視覺在生產過程中都展示出巨大的作用。

半導體和電子產業(yè)應用較早，推動工業(yè)視覺產業(yè)整體發(fā)展?？v觀全球機器視覺的崛起，很大程度上是得益于半導體及電子產業(yè)的發(fā)展，機器視覺在半導體工業(yè)上的應用在二十年前已經開始。半導體行業(yè)元器件尺寸較小，對產品精度、柔性化有較高的要求，如錫膏印刷機、貼片機、AOI檢測這類的設備必須使用高性能機器視覺組件，因此工業(yè)視覺系統(tǒng)在半導體及電子制造、檢測等各個方面得以得到廣泛的應用。而半導體和電子產業(yè)對精細程度的高要求也反過來促進了工業(yè)視覺技術的革新。從市場規(guī)模來看，目前半導體領域工業(yè)視覺市場規(guī)模年增長率在25%左右，2018年市場規(guī)模突破20億元。

在我國市場由于起步晚，汽車等領域呈現(xiàn)出更快的增長勢頭。與國外工業(yè)視覺產品和應用多樣化相比，國內工業(yè)視覺仍在推廣普及階段，因此許多空白領域仍有待填充。在近年來工業(yè)視覺下游應用領域不斷拓展的過程中，由于不像電子制造領域應用得早，一些新的領域呈現(xiàn)出更快的增長勢頭。例如在標準化程度更高的汽車制造領域，盡管汽車是傳統(tǒng)制造業(yè)，但我國工業(yè)視覺取代人眼的趨勢在近幾年才開始爆發(fā)，市場規(guī)模增速將近30%。

二、半導體和電子設備制造最為主要，且仍將持續(xù)引領產業(yè)發(fā)展

雖然工業(yè)視覺在半導體及電子產業(yè)發(fā)展較早，已經占據工業(yè)視覺整個市場的半壁江山。但基于工業(yè)視覺的技術特點和半導體及電子產業(yè)自身的制造需求，認為未來半導體及電子產業(yè)未來較長時間內仍將引領工業(yè)視覺產業(yè)的發(fā)展。

從制造工藝來看，半導體和電子設備制造對工業(yè)視覺存在剛性需求。工業(yè)視覺具有高精度的特點，天然適合高性能、精密的專業(yè)設備制造，這也是為什么相關行業(yè)能夠帶動整個工業(yè)視覺崛起的原因。在半導體制造領域，其前、中段過程都需要工業(yè)視覺的精密定位與視覺測量，后段制程中晶圓的電器檢測、切割、AOI封裝、檢測等過程都需要大量運用工業(yè)視覺技術，工業(yè)視覺在半導體制造過程中的速度和精確性優(yōu)勢明顯。而在3C制造領域，元器件和主體的制造各環(huán)節(jié)也需要工業(yè)視覺的協(xié)助，其中70%的工業(yè)視覺單位應用在檢測環(huán)節(jié)的機器視覺單位應用在該環(huán)節(jié)。除此之外，連接器檢測、PCB底片檢查、硬盤檢測、機器人視覺引導定位、元器在線分類篩選、二維碼讀取等也需要工業(yè)視覺。由于技術工藝的高要求，半導體和電子設備制造對工業(yè)視覺技術存在剛性需求。

從應用情況來看，我國電子設備制造業(yè)自動化程度對比發(fā)達國家仍比較較低。2018年3月公布的就業(yè)人數顯示，我國3C設備制造業(yè)的就業(yè)人數達到832萬人，遠高于下游其他應用領域，但自動化程度卻不高。中國集中了全球70%的3C產品產能，但工業(yè)機器人密度不到20臺/萬人，而日韓已分別達到1180和1100臺/萬人。相比于汽車工業(yè)的工業(yè)機器人密度已接近發(fā)達國家一半，我國3C行業(yè)自動化升級空間更大，工業(yè)視覺也會得到持續(xù)發(fā)展。

三、工業(yè)視覺仍存在技術和應用瓶頸

下游應用領域的不斷拓展也對工業(yè)視覺提出更高要求，就當前的技術來看，工業(yè)視覺仍存在如下技術和應用瓶頸，導致在一些領域工業(yè)視覺商業(yè)化落地進展較慢。

1、通用性和智能性欠佳

機器視覺在通用性方面存在不足，在一些集成應用中無法搭載，一臺設備可能只適用于一家廠商或一種行業(yè)，導致開發(fā)成本過高。而在智能性方面，當庫存量單位較高時，或者移動速度較快時，工業(yè)視覺在識別準確率上就難以達到要求。例如在分揀領域，工業(yè)視覺已經能夠很好地適應小規(guī)模和品類較少的固定分揀，但對于復雜堆疊物體的識別和分揀，依然有90%以上通過人工方式完成。

2、實際應用中準確率仍不盡人意

盡管從一些算法的測試結果來看，工業(yè)視覺的圖像識別準確率已經能夠達到極高的水平，但要實現(xiàn)工業(yè)上的應用，還需要保證能夠快速完成批量化檢測，同時能夠適應多樣的環(huán)境（包括物體表面材質、工廠環(huán)境、工作距離等等）。只有在實際應用中能夠達到極小的誤檢率，工業(yè)視覺才能實現(xiàn)其應用預期，從而滿足客戶的標準而得以推廣。

3、對算法和算力的要求不斷提高

工業(yè)視覺是通過讀取和分析真實場景的圖像和視頻來實現(xiàn)其功能的，圖像和視頻包含的數據量足夠大，但也存在大量的冗余信息。單一的簡單特征提取算法難以滿足算法對普適性的要求，同時伴隨應用場景和功能的復雜化，在設計普適性的特征提取算法時對計算能力和存儲速度的要求不斷提高，這也帶來了開發(fā)成本和產品價格相對較高的問題。

以上數據及分析均來自于前瞻產業(yè)研究院《中國機器視覺產業(yè)發(fā)展前景與投資預測分析報告》。

聲明：本文為轉載類文章，如涉及版權問題，請及時聯(lián)系我們刪除（QQ: 2737591964），不便之處，敬請諒解！