机器视觉（MachineVision）是一种应用于工业和非工业领域的硬件和软件组合，其主要功能为捕获并处理图像，为设备执行提供操作指导，是智能制造的先锋力量，主要应用于制造业的前端环节如电子制造和汽车等领域。国内机器视觉行业启蒙于20世纪90年代，最初代理国外机器视觉产品，进入21世纪后少数本土机器视觉企业逐渐开启自主研发之路。根据CBInsight数据，当前中国已是继美国、日本之后的第三大机器视觉领域应用市场，包括机器视觉设备在内，2019年国内总市场规模达138亿元，国产化率约为40%，预计2022年国产化率提升至55%。作为新兴技术和产业，中国机器视觉行业规模仍较小，但增速远快于全球，处于快速成长的阶段。在人工成本压力、精密制造发展、工业生产效率等大趋势下，机器视觉在我国长期广阔的发展前景。
交易担保 行行查 查行业数据，就用行行查小程序 小程序
机器视觉系统主要包括成像和图像处理两大部分。
前者依靠机器视觉系统的硬件部分完成，后者在前者的基础上，通过视觉控制系统完成。具体来看，主要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。
机器视觉具有识别、测量、定位和检测四项重要功能，其中检测技术难度最高。这四项功能在速度、精度和适应性等方面优于人类视觉，是推进工业企业智能化的重要工具。在工业领域，机器视觉相对人眼视觉存在显著优势。相比人眼视觉，其具有图像采集和分析速度快、观测精度高、环境适应性强、客观性高、持续工作稳定性高等优势，因而可帮助终端使用者进行产品增质、成本降低以及生产数字化。
机器视觉产业链
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，iPhone生产全过程需要70套以上的机器视觉系统。
图表来源：苹果官网
当前苹果为机器视觉的主要用户，其创新大小对于行业有明显周期性影响。从单一头部客户向多客户渗透是长期趋势，随着国内智能化需求的提升，单一客户带
来的周期波动有望趋缓。
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。国际知名企业康耐视、基恩士、海克斯康的产业链布局更具深度，产品范围包括传感器、软件等零部件，涵盖上游领域。
上游：零部件原材料
机器视觉是由多个部件组成，每个部件的原材料都不同，因此产业链上游涉及的行业范围较为宽广，主要有LED、CCD、CMOS、光学材料、电子元器件等原材料。在一个典型的机器视觉系统中，光源及光源控制器、镜头、相机等硬件部分负责成像，视觉控制系统负责对成像结果进行处理分析、输出分析结果至智能设备的其他执行机构。光源的好坏在于对比度、亮度和对位置变化的敏感程度，机器视觉行业主要采用LED光源产品。目前没有通用的机器视觉照明设备，针对每个特定的应用实例有个性化的方案，以达到最佳效果。光源行业国产化程度高，竞争比较激烈，其余各环节国产化率较低，产业链国产化亟待突破。奥普特为光源环节龙头企业。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，所使用的的镜头为工业级镜头。根据赛迪顾问数据，2019年全球工业镜头市场规模约为12亿美元、中国约为7亿人民币，从增速来看，国内增速远高于全球增速。相机是机器视觉中的图像采集单元，相当于人眼的视网膜，将光信号转变为电信号。通过镜头的光学聚集于像平面、生成图像，采集图像后输出模拟或数字信号，这些信号在视觉控制系统中重建为灰度或彩色矩阵图像。工业相机以欧美进口为主，国产品牌从低端市场开始逐步进口替代。目前海康机器人（海康威视子公司）、大恒图像和华睿科技（大华股份子公司）均已具备工业相机生产能力。由于工业场景对机器视觉的精度、稳定性要求较高，无论是软件，还是光源、镜头、相机等硬件，都有较高的研发难度，且由于下游行业和需求多样化，硬件型号以及软件算法非常繁杂，全面的产品线布局需要较长时间的积累。此外，为了满足新的行业与新的需求，诸多厂商前瞻性布局3D、机器学习等创新性技术。
中游：部件制造和成套系统集成
机器视觉中游是产业链核心环节，包括部件制造和成套系统集成两个环节。国内厂商在集成端发展迅速，尤其是在一些外资还没有布局的领域、或者非标自动化领域如3C等。国内集成厂商单纯进行二次开发利润空间较小，在某一行业下游完成良好布局之后，会尝试逐步向上游底层开发延伸，进行核心软硬件的进口替代。机器视觉开发工具主要有两种类型，一种是包含多种处理算法的工具包，另一种是专门实现某一类特殊工作的应用软件。软件算法方面，车内凌云、海康、大恒、奥普特都已具备开发底层算法的能力。除了自主研发、生产并销售标准化的机器视觉核心部件，机器视觉厂商也深度结合下游实际场景，以整体解决方案的模式提供成套系统。成套系统集成环节在机器视觉中占有至关重要的地位，根据美国自动成像协会（AIA），2018年北美机器视觉行业销售额中，机器视觉成套系统（包括智能相机）占86%，机器视觉部件仅占14%。
机器视觉产业链下游：终端应用
受高精度要求机器视觉的下游需求结构相对单一，半导体及电子制造、汽车行业应用仍占半壁江山，占比分别为46.6%和10.2%。随着新能源行业的快速发展，成为新的增长极；同时医药、食品等领域的应用也在兴起。以食品行业为例，机器视觉目前应用于检测和分拣等，但主要是伊利、蒙牛等大型食品企业使用较多，在行业内整体渗透率并不高，因此未来智能制造大趋势下，渗透率逐步加深可期。
机器视觉行业竞争格局
从机器视觉市场竞争格局来看，行业内全球主要玩家有基恩士、康耐视、CCS、海康机器人、中国大恒、茉丽特株式会社、奥普特等。据中金公司报告显示，全球机器视觉龙头基恩士过去十年的毛利率、息税前利润率、净利润率平均水平为80%、50%、35%，康耐视盈利能力低于基恩士，但平均水平也高达75%、27%、26%。较强的盈利能力反映了较高的行业壁垒，这主要源于机器视觉行业具有“技术密集”与“工艺密集”这两大特性。且机器视觉厂商研发费用率较高，2019年除了基恩士仅3%外，NationalInstruments、Basler、康耐视和奥普特研发费用率均超过10%。基恩士虽然研发费用率低，但其通过“应用带动研发”的方式，仍保证每年70%的新品是全球首款或行业首推。据西部证券调研，康耐视、基恩士平均一套方案的价格在6-7万，软件价值占比超过50%，并占据高端产线。机器视觉系统中，软件以及系统是核心，能为整套方案带来更高的产品溢价。国产厂商整套方案价值较低，硬件占比较高。国内机器视觉市场仍较为分散，集中度存在提升空间。国内厂商加强在算法上的突破，有助于其向更高端、精密的工序渗透，提升单套方案的价值量。
