机器视觉行业研究AI+制造业赋能-机器视觉开启掘金新大陆

机器视觉行业研究AI+制造业赋能_机器视觉开启掘金新大陆（报告出品方/作者：天风证券，潘暕、俞文静）1.机器视觉—智能生产之眼1.1.机器视觉的本质就是机器的眼睛和大脑机器视觉技术使得工业设备能够“看到”它正在进行的操作并进行快速决策。根据美国制造工程师协会（SME）机器视觉分会和美国机器人工业协会（RIA）自动化视觉分会对机器视觉的定义：机器视觉是通过光学的装置和非接触的传感器，自动接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。通俗地说，“眼睛”指的是机器视觉利用环境和物体对光的反射来获取及感知信息；“大脑”指的是机器视觉对信息进行智能处理和分析，根据分析结果来执行相应的活动。据亿欧智库所称机器视觉是人工智能领域一个正在快速发展的分支，即用机器代替人眼来做测量和判断，是通过光学的装置和非接触的传感器，自动接收和处理真实物体的图像，以获得所需信息或用于控制机器人运动的装置。中商产业研究院认为，机器视觉可以代替人眼在多种场景下实现多种功能，按功能主要分为四大类：检测、测量、定位、识别。（1）检测：指外观检测，其内涵种类繁多。如产品装配后的完整性检测、外观缺陷检测等。（2）测量：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；（3）定位：获得目标物体的位置，可以是二维或者是三位的位置信息。定位的精度和速度是定位功能的主要指标。在识别出物体的基础上精确给出物体的坐标和角度信息，自动判断物体位置；（4）识别：基于目标物进行甄别，包括外形、颜色、条码等。1.2.AI技术朝拜，变成机器视觉迈入明朗的筹码人工智能是机器视觉的母身，深度学习为机器视觉的技术堡垒。近十年来，得益于深度学习等算法的突破、算力的不断提升以及海量数据的持续积累，人工智能逐渐从实验室走向产业实践，以算法、算力和数据为主旋律追求极致创新方面不断突破，为机器视觉实现更新迭代和提高应用价值的重要技术支撑。在人工智能领域的新兴技术中，采用BurstDetection算法探测出深度学习是当前受到广泛关注的人工智能新兴技术，深度学习是一种以人工神经为架构，对数据进行表征学习的算法，“深”主要体现在更深层次的神经网络和对特征的多次变换上，与相同参数数量的浅层网络相比，深度网络具备更好的特征提取和泛化推广能力，不断为图像识别领域带来进步。2007年-2009年，斯坦福教授李飞飞牵头构建起目前图像分类/检测/定位最常用数据集之一的ImageNet，2010-2017年，基于ImageNet数据集的ILSVRC等一些大规模视觉识别挑战赛促进神经网络和深度学习技术的发展，如AlexNet能够将图片识别的错误率下降14%，GoogleBrain采用多CPU组合方式构建起深层次神经网络并应用于图像识别，取得突出成效等。机器视觉与人工智能逐渐融合，助推向工业4.0的过渡阶段。机器视觉就是工业自动化的基础技之术之一，通过搭载人工智能发展东风同时同时实现机器视觉的再一次运算升级。此处东风一方面为深度自学的融合，褫夺机器视觉更高的准确性和速度，另一方面则为视觉处理所服务的视法号处理器的能力呈现指数级增加，奠定机器视觉中深度自学推理小说/训练任务的硬件基础。为丛藓科扭口藓盘机器视觉发展，从能自动继续执行直观任务的自动化机器，转型为视觉能力不受人类视觉能力音速约束、独立自主思索，从而能够长期对各种元素进行优化的独立自主型机器，AI+机器视法号料能够蔓延入工业生产达致全新的水平。未来机器视觉将料搭载更一流AI技术，对准更多差异化工业应用领域场景。ChatGPT所惹起另结新欢的人工智能话题正持续火热，根据中国信息通信研究院和中国人工智能产业发展联盟，当前重点逐渐从单点技术转型为实质应用领域转型阶段，而视觉人工智能已经散发出千层巨浪。我们表示，搭载AI技术的机器视觉可以进一步优化性能内置更多工业应用领域场景。一就是深度自学为机器视觉延伸出多元的模型架构以及对应性能提升，比如分解成对付网络（GAN）能够通过生成器和鉴别器的对付训练，在分解成图像方面的能力多于其他方法；注意力机制中的ViT则将Transformer架构轻而易举应用领域至一系列图像块上进行分类任务，减少大量所需的预训练资源，即为为用做在图像处理方面；在人工智能算法的不断训练和自学下，图像识别误差不断减小，融合机器视觉设备在工业生产中能充分发挥出众促进作用。二就是AI技术可以对相同工程问题和工程参数进行建模，利用所搜集的高质量数据进行模型的机器学习，模型与机械成立对备和生产现状深度读取，以此为基础研发智能系统，继而产生即时气门的、可以保持最佳化的生产参数，最后转交基础自动化继续执行、同时同时实现机械化-自动化-数字化-智能化的全面升级。三就是AI使得芯片算力持续提升，排序光学变成下一代机器视觉的突破口，充分利用算法的升级突破传统光学光学器件，进一步减小设备尺寸，挖掘多样繁琐的图像信息，推动机器视觉技术在工业场景中的进一步普及。1.3.meta发布SAM关上机器视觉GPT时刻SegmentAnythingModel（SAM）项目就是一个用做图像分割的新任务、模型和数据集。在数据收集循环中使用高效率模型构筑了迄今为止最轻的分割数据集，在1100万张许可和尊重隐私的图像上存多于11亿个掩码。该模型被设计和训练为可以提示信息的，因此它可以将零样本迁址至代莱图像原产和任务。当该模型进行充份的网络语料训练后，推断出其零样本性能甚至优于调整模型（Fine-tunedmodels）。SAM通过“提示信息自学”技术对崭新数据集和任务进行零样本和太太少样本自学。Meta研究者提出了promptable分割任务，目标就是在值域任何分割提示信息时返回有效率的分割掩码。提示符只是选取必须在图像中分割的内容，比如说，提示符可以涵盖识别对象的空间或文本信息。有效率输出掩码的建议意味著，即使提示信息就是模糊不清的，并且可能将将指向多个对象（比如说，衬衫上的一个点可能将将则则表示衬衫或穿著它的人），输出也必须就是其中至少一个对象的合理掩码。将提之侧分割任务作为进度表训练目标，并通过提示信息信息工程解决通常的下游分割任务。SAM由一个的图像编码器、一个提示信息编码器和一个预测分割掩码的掩码解码器共同共同组成。通在过将SAM拆毁分成图像编码器和提示符快速编码器/掩码解码器，相同的图像嵌入可以在无法同的提示符中器重（及其成本分摊）。值域图像嵌入，提示信息编码器和掩码解码器在web浏详器中从提示符预测掩码的时间为50ms。重点关注点、侧边和掩码提示信息，还用民主自由形式的文本提示信息呈现初步结果。为并并使SAM具有歧义性，设计了它回去为单个提示信息预测多个面具，并使SAM能够自然地处理歧义，比如衬衫和人的例子。SAM料助力机器视觉发展，助推AI+制造业纵向领域技术革新。SAM已经学会了关于物体的通常概念，并且它可以为任何图像或视频中的任何物体分解成掩膜，甚至涵盖在训练过程中没有遇到过的物体和图像类型，无须额外的训练。Meta预计，与专门为一组套管任务训练的系统较之，基于prompt工程等技术的可以女团系统设计将大力支持更广为的应用领域。SAM可以变成AR、VR、内容创建、科学领域和更通用型AI系统的彪悍组件。比如说SAM可以通在过AR眼镜识别日常物品，为用户提供更多更多提示信息；SAM除了可能将将在农业领域帮助农民或者协助生物学家进行研究。2.工业智改料持续拓展行业发展空间2.1.AI+机器视觉技术优势明显，政策+社会市场需求驱动中长期发展人工智能持续放大机器视觉技术优势，料在工业智改成中大展身手。ChatGPT-4为超级人工智能描绘雏形，料关上新一轮生产力快速周期，制造业作为我国产业核心也将受益于AI的深度融合。与人眼较之，机器视觉在效率、精度、环境建议、安全性等各因素上都存明显的优势。同时，在AI深度自学+机器视觉的升级趋势下，将在工业自动化、数字化、柔性化、复杂性生产上贡献更高的内置度。传统的机器视觉技术仍须将数据表示为一组特叛，或输入至预测模型，从而得出结论预测结果，这就是顺利完成制定动作，较难适应环境未来柔性化的生产市场需求，尤其就是在瑕疵类型复杂化、微小化、背景噪声繁琐等场景越来越难适用于于。搭载AI深度自学功能后，机器视觉将完备的数据特征通过多步的特征转换赢得一种更高层次、更抽象的特征则则表示，并进一步输入至预测函数赢得最终结果，基于深度自学的机器视觉在理想状态下可以融合机器视觉的效率与人类视觉的灵活性，从而顺利完成日趋繁琐环境下的检测，尤其就是牵涉到偏差或极端环境，满足用户更多下游对瑕疵精度、通用性的严苛建议。AI+机器视觉料生态圈制造业，助推制造业价值链重构。国家施行多项政策利空AI+机器视觉行业发展。政策从拓展产业链应用领域场景、加强一流妍用技术与设备研发以及发展机器视觉底层技术等方向促进中国机器视觉产业的发展，同时AI+机器视觉技术与设备在“十四五”规划中受到高度重视，2021年底《十四五智能生产发展规划》中重点特别强调高分辨率视觉传感器等基础零部件和装置，突显国家对机器视觉产业的著重和大力支持，2022年的《十四五数字经济规划》再次特别强调发展机器视觉等技术应用做我国智改计划。较好的政策环境将在未来一定时期内为国内有关行业持续发展与突破奠定较好的环境基础。人口红利涨潮，机器替代市场需求中长期内仍存缺口。根据国家统计局数据，我国2022年末60岁以下人口占比80.2%，弥漫人口出生率从2011年的13.27‰下降至2022年的6.77‰，中国经济周刊预计2030年，中国60岁以下人口或将降至75%。同时制造业劳动力人员从2011年的4088万人降至2021年的3828万人，而制造业劳动成本则从36665元飙升至92459元，据常州钟楼金隆控股集团，老龄化问题与出生率疲弱将平添未来持续性劳动力供不应议和劳动力成本上升，这将不断提振生产企业对智能化的市场需求持续膨胀。机器视觉作为可以替代人工具备效率更高、准确度更高、际成本低等优势技术，料进一步提高其渗透率。我国工业机器视觉应用领域渗透率仍存非常大提升空间。中国工业机器视觉应用领域的渗透率仍处于较低的水平，仍存非常大提升空间。根据快易理财网的数据，2021年我国制造业增加值为4.87万亿美元，占到至全球比重30.34%，二者较之下，2021年我国机器视觉产值占比仅为17.18%。在制造业的转型升级推动下，机器视觉渗透率料持续增加，国内非常大的制造业基数将持Chinian转化成非常大的市场增量。同时，我国制造业人工智能应用领域市场的逐年递增充分反映出机器视觉的脱胎换骨潜力，根据德勤数据，我国制造业人工智能应用领域市场从2019年的12亿元涨至2022年的37亿元，预计2025年能够突破百亿。2.2.AI+机器视觉持续生态圈下游工业应用领域，料受益于下游赛道的高景气高成长性下游应用领域对精度建议严苛，使得AI+机器视觉深度融合与升级。从市场需求端的来看，机器视觉广为应用于电子及半导体、汽车生产、食品包装、制药等领域，各个领域的应用领域场景具备非常大差异性。2021年我国消费电子、半导体、汽车为机器视觉领域的三大应用领域端的，虽然机器视觉下游各行业对精度的建议不一，但整体来看，弥漫主要应用领域端的（消费电子、半导体、汽车、新能源）的升级运算，对机器视觉技术的高精度市场需求适度提高，尤其仍须深度自学的高度融合以适应环境下游应用领域的发展。智能制造趋势是扩大机器视觉需求的关键引擎。以机器取代人工，能够帮助制造业实现自动化和智能化，是现代化制造提质、增效、降本、减排的推动力。随着我国进入全面推进智能制造阶段，机器视觉将持续向全行业渗透，应用市场需求急剧扩增，为机器视觉提供了较大的需求牵引，是机器视觉的重大战略机遇。同时根据凌云光2022年7月14日发布的投资者调研纪要显示，国内机器视觉的销售额在2016-2019年期间分别为49、69、84、103亿元，虽在全国工业企业技改投资经费支出中的占比逐步提升，但也仅维持在2%-3%，由此可见国内机器视觉在工业技改中的渗透率还处于相对较低水平，未来成长空间广阔。2.2.1.电子行业仍就是机器视觉应用领域最宽阔的下游领域据常州钟楼金隆控股集团，电子信息生产行业自动化+标准化程度高，就是机器视觉技术应用较早、应用领域最广为的下游市场。根据GGII数据，我国3C电子行业机器视觉市场规模在2021年超过至40.62亿元，同比快速增长29.61%，2020-2025年均无机增长率为14.8%，该快速增长归因于3C电子产品规模的较好快速增长态势。2022年以来，消费电子行业步入下行期，相对应机器视觉市场规模增长速度大幅减缓，但基于发展基础古老，中短期内仍料变成市场规模最轻的下游市场。3C行业就是工业视觉行业的应用领域标杆。全球机器视觉的蓬勃发展非常大程度上归因于消费类电子行业的发展，一方面系则元器件尺寸较小、检测建议高，适合使用机器视觉系统进行检测；另一方面该行业更新运算快，生产设备的更新对上游机器视觉行业也产生了非常大的市场需求。整体来看，在3C电子行业，元器件、部件和成品的制作各环节都仍须机器视觉的协助，其中70%的机器视觉产品用做检测环节，由于技术工艺的高建议，3C电子行业设备生产对机器视觉技术存刚性市场需求。弥漫3C产品不断升级，未来对机器视觉效率和精度存更高的建议。从消费电子行业趋势来看，目前机器视觉技术已经全面全面覆盖多个生产环节，同时消费者对消费电子的质量市场需求推动了消费电子产品仍须通过更高效率、更精细的机器视觉检测技术以提升追加新增产能和质量，机器视觉在电子行业的渗透率料进一步提高。2.2.2.机器视觉为半导体的刚性市场需求料受益于高景气赛道的市场需求膨胀半导体产业以其集成度高、精细度高的特点变成机器视觉技术大规模应用领域最早的领域之一。半导体行业机器视觉应用领域比重在2020-2021年间有所不断扩大。同时，根据GGII数据说明，2021年半导体行业机器视觉市场规模为13.16亿元，同比快速增长42.73%，该快速增长主要系则受益于2021年至我国各大半导体公司的复产计划，直接影响了机器视觉在晶圆检测中的不断扩大应用领域，本轮缺芯推动了变产潮已经已经开始陆续建成投产，随着各地新建晶圆产线陆续建成投产，短期内仍将利空机器视觉行业。根据GGII预测，2025年半导体行业机器视市场规模将多于40亿元，2020-2025年均无机增长率约为36%。机器视觉在半导体生产过程中的速度和精确性优势明显。目前已涵盖半导体的外观瑕疵、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等的检测，同时全面全面覆盖晶圆制本作的检测、定位、研磨、PCB过程全程。相别与传统芯片检测与激光测量技术测量，基为于机器视觉的芯片瑕疵检测技术以更有效率、实时、非接触式、高能高精度的检测技术，在半导体行赢得了更为广为的应用领域。未来，伴随车规级IC需求持续旺盛+消费级IC去库存到位+ChatGPT带动的AI芯片需求，机器视觉行业作为半导体行业的刚性需求，将继续迎来行业规模的扩张。首先，车规级IC的景气度颇高，市场规模增长客观，据中国汽车工业协会统计，2022年中国新能源汽车出货量达到688.7万辆，渗透率已超过20%，汽车芯片在新能源汽车高速增长下，需求将持续扩大，以MCU为例，相比于传统汽车的70颗/辆的配置，智能汽车可达到300颗/辆。其次，景气下行的消费级IC有望在2023年恢复正常库存与价格水平，同时在消费电子行业2023进入业绩修复期的背景下，需求向上波动或将带来半导体供给端补库存，迎来景气上行拐点。再者，2023年引起关注的ChatGPT有望成为半导体产业发展新动能，以ChatGPT为代表的相关AI应用涌现带来庞大算力缺口，GPU等AI芯片作为算力承载主体有望迎接放量预期。我们认为，机器视觉作为芯片制造的刚性需求，将有望受益于芯片市场的高景气发展。2.2.3.机器视觉的汽车检测市场稳固，搭载AI助力突破自动驾驶汽车领域在机器视觉应用中为长期高位发展的个中翘楚。根据GGII的数据，2021年汽车行业机器视觉市场规模为14.21亿元，同比增长38.1%。比较同期全国乘用车销量与新能源车销量的情况，2021年全国乘用车销量同比增长3.8%，新能源汽车销量同比增长157.5%，可见汽车机器视觉的增长速度（38.1%）落后于新能源汽车的增长速度（157.5%），主要系因为传统汽车领域仍为机器视觉的主要应用领域。未来，随着新能源汽车领域机器视觉需求的持续探索，有望成为机器视觉的成长新动力，根据GGII的预测，2025年机器视觉汽车行业将接近40亿元，2020-2025年均复合增长率达到30%。机器视觉在汽车产线柔性化、自动化生产中优势明显。目前机器视觉技术主要用做在安装的在线检测和零部件的离线检测及表面检测，比如面板印刷检测、字符检测、精密测量、工件表面瑕疵检测、自建好曲面检测等，以及大型工件的载运、上下料等。随着汽车保有量的增加+汽车质控政策的强化，对汽车检测明确提出更高的建议，传统人工检验方式/检具方案由于难以满足用户柔性化、自动化与高效化生产，逐渐被机器视觉技术所替代。机器视觉通过视觉读码技术+固定点智造整车外观偷窥+视觉引导技术+尺寸检测精确度高的特性，可以检测零部件的尺寸、安装情况，引导机器人进行最佳相匹配安装、交互式安装，与传统人工检验方法较之，能够提高汽车生产效率及质量保证，同时节省人力与时间成本。未来汽车领域智能化将为机器视觉转化成汽车电子崭新增量市场。汽车的智能化、轻量化对检测明确提出了更高的建议，继而对机器视觉技术的市场需求也积极响应的提高，汽车生产行业变成机器视觉主力应用领域市场。过去汽车以机械构件居多，在智能汽车发展中，电子零部件的比重将不断提高，大量的雷达（激光、厘米波、毫米波、超声波）、传感器、通信（GPS、DSRC、4G/5G）、摄像头、监控、检测、娱乐系统将可以被装载在汽车上，以单车电子件价值6万元、国内2022年新能源汽车出货量为688.7万台回去排序，国内智能汽车硬件市场将超过至4132.2亿元左右。随着未来新能源汽车渗透率不断加深，机器视觉技术料迎接新能源汽车的需求。2.2.4.锂电池推动机器视觉+AI持续升级，下游市场稳定增长新能源料变成机器视觉行业未来最轻增量市场。根据GGII数据，2021年机器视觉在崭新能源行业的销售额增长速度最快，2021年同比快速增长60%，距强于行业平均水平。锂电池工艺复杂性预示着机器视觉搭载深度自学同时同时实现算法升级。机器视觉在锂电池生产工艺中应用领域广为，锂电池制备工艺的复杂性并使在多个工序均仍须相同机器视觉检测系统的次郎入。同时，动力电池视觉检测的新市场需求对传统算法明确提出挑战，由于传统算法无法解决冲压环节的检测痛点，该领域对深度自学检测技术使用依赖程度料逐渐攀升。随着电芯、模组、PACK测量建议的不断提高，被测物体条件愈发繁琐，全线视觉检测已逐渐变成动力电池厂商标配，助推机器视觉高速发展。锂电池作为新能源汽车的主流动力电池，有望长期受益于新能源汽车销量增长从而拉动机器视觉的市场规模增长。我国新能源汽车销量从2017年的77.7万涨至2022年的688.7万，2017-2022年均复合增长率达到54.71%，从而带动了我国锂电池产量。国家统计局的数据显示，2021年中国锂电池产量已经达到232.6亿只，同比增长23.4%。新能源汽车渗透率在2022年突破20%大关，根据“创新扩散曲线”模型，当创新产品市占率突破10%后将迎来最为陡峭的生长曲线，新能源汽车行业有望迎来倍速增长，以锂电池为代表的动力电池需求量亦有望持续提升，在锂电市场持续向好的背景下，使用机器视觉的检测需求随之提升。根据GGII机构调研测算，锂电池单GWh产线对机器视觉需求的价值量中枢约为700万，按照当前各家锂电池厂商的扩产计划，到2025年的投产产能有望超过2TWh，相比于当前的产能，未投产产能累计超过1300GWh，其中潜在未释放的机器视觉订单需求超过90亿元。2.2.5.光伏复产已箭在弦上，对机器视觉市场需求同样疲软机器视觉的光伏应用赛道蓬勃发展，国内厂商优势凸显。新能源板块除了锂电池外，光伏也是另一值得重点关注的行业。近年光伏行业的迅猛发展，据亿欧智库，2021年我国太阳能电池产量达到23405wKW，同比增长42.1%，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达到6.5亿元，2019-2021年CAGR达到58%。目前光伏产业链的硅片检测市场由德国Hennecke占有主导份额，国内天准科技、奥特维等厂商目前也在切入光伏赛道，天准科技应用于光伏硅片检测的智能检测性能较为成熟，与国际领先的Hennecke产品技术相当，实现对Hennecke公司等国际先进同行产品的替代。光伏生产工艺的高精度或使机器视觉变成标配。光伏电池片检测为了崇尚更高的效率并降低成本，仍须不断优化生产流程及技术。在光伏电池板的生产过程，可以出现缺角、裂痕、黑斑及黑心等各类瑕疵，这些瑕疵的存可能会影响电池片的性能和稳定性。因此对光伏行业而言，引入持续有效率的瑕疵检测方法至关重要，其应用领域效果已经赢得了行业的广泛普遍认可，而机器视觉的干涉能够同时同时实现来料硅片质量监控、过程电池片的瑕疵监控以及成品电池片和易证。电池片生产质量监控系统的每个工艺都存提供更多更多对应的光机视觉模组，可以快速布局，提可以可供高质量的视觉光学效果。光伏复产+平价玩游戏将行业高景气蔓延至机器视觉检测行业。光伏发电在能源供应体系中占据越来越关键的地位，推动光伏行业的快速增长，而我国光伏产业就是战略性新兴产业，在制造业规模、产业化技术水平、应用领域市场拓展、产业体系建设等方面均名列全球前列于于。从生产端的来看，产业规模同时同时实现持续增长，根据工业和信息化部官方数据，2022年全年光伏产业链各环节产量创历史新高，全国多晶硅、硅片、电池、组件产量分别达致82.7万吨、357GW、318GW、288.7GW，同比快速增长均多于55%，行业总产值突破1.4万亿元人民币。具体内容落到2022年产量来看，多晶硅产量82.7万吨，同比快速增长63.4%；硅片产量357GW，同比快速增长57.5%，电池片产量318GW，同比快速增长60.7%，组件产量288.7GW，同比快速增长58.8%，该新增产能将在未来1-2年内持续平添行业的高景气预期。从应用领域端的来看2022年我国光伏崭新减至装机87.41GW，同比快速增长59.3%，CPIA保守预计至2025/2030年我国光伏新增装机预测将超过至100GW/120GW。同时，未来在规模化研发与技术进步的驱动下，我国光伏行业成本快速增加，2021年光伏发电的平均值度电成本甚至可以与燃煤发电（0.33-0.45元/千瓦时）二者竞争，逐渐同时同时实现平价玩游戏，渗透率料快速提升。我们表示，机器视觉检测作为光伏产业中的必不可少的环节，料受益于光伏赛道的持续火热。人工智能助力机器视觉检测在光伏生产同时同时实现灵活性与自动化。当前光伏产线所使用的自动化设备往往源于多家设备，搭载的视觉系统通常就是满足用户其特定市场需求而研发的，因此每台设备呈现给工作人员的界面与运算逻辑均不相同，该使用门槛引致设备难以同步快速投产。同时光伏生产工艺繁琐、多样，辅材和订单标准的频繁切换，对机器视觉的柔性生产明确提出极高的建议。而人工智能在算法的进步为该行业痛点提供更多更多代莱解决思路，以原控股有限公司股东韦谢列的光条叶视觉检测系统为基准，通过大样本训练、并并无训练模式、深度自学前沿算法和智能运算功能等，可以为企业大幅增加未来换产难度，同时大幅提高精准瑕疵检出率和生产效率，能够提升40%的生产效率，将瑕疵检出率掌控在99.5%，进一步不断扩大对光伏行业产业链的全全面全面覆盖蔓延。3.机器视觉产业链厚积薄发，国内市场增长速度或将领先全球水平3.1.25年全球料少于千亿市场规模，中国或将增长速度领先全球25年全球料达致千亿市场规模，中国增长速度或将领先全球。根据MarketsandMarkets为丛藓科扭口藓计，全球机器视觉市场规模在2021年超过至804亿元，同比快速增长12.15%。2021年全球传统工业复苏和崭新能源行业的蓬勃发展助推了有关企业的复产市场需求，工业检测、锂电池等视觉检测产品市场需求有所快速增长，未来AI+将给予行业更大想象空间，不断扩大机器视觉的应用领域范围，预计在2025年市场规模达致1276亿元，2022-2025年均无机增长率预计约为13.22%。2021年，物流仓储、崭新能源行业的蓬勃发展助推了有关企业的复产市场需求，视觉检测产品需求增长明显，GGII数据说明，2021年中国机器视觉市场规模138.16亿元（该数据未囊括自动化内置设备规模），同比快速增长46.79%，增长速度远高于全球平均水平，未来归因于后疫情下宏观经济的回落、制造业自动化升级、政策大力支持等因素，中国机器视觉行业规模料进一步快速增长。其中，2D视觉市场规模约为126.65亿元，3D视觉市场约为11.51亿元；传统工业产品的回落也为机器视觉平添生机，快速增长趋势明显。GGII预测，至2025年我国机器视觉市场规模将超过至349亿元，其中，2D视觉市场规模将多于291亿元，3D视觉市场规模将多于57亿元。3.2.机器视觉产业链/成本占比：工业相机及软件算法为关键机器视觉作为智能制造中不可或缺的重要部分，发展空间的释放需要充分挖掘产业链相关环节。机器视觉产业链的上游主要为LED、CCD、CMOS、光学材料、电子元器件、五金结构件等原材料。由于机器视觉是由多个部件组成，每个部件的原材料均有不同，因此，产业链上游涉及的行业范围较为宽广。国外领先企业例如基恩士、康耐视、海克斯康、BaslerAG四家企业，主要布局机器视觉产业链的中上游业务；国内布局机器视觉产业链上游领域的企业主要有海康威视、天准科技。机器视觉产业链中游主要为系统集成商和装备制造商，系统集成商通常直接采购视觉软件、传感器、驱控系统等核心零部件，通过简单的二次开发和组装完成设备生产，不具备自由机器视觉算法、软件以及视觉传感器和精密驱控等核心技术，通常不具备整台装备的设计生产能力。机器视觉产业链的下游主要为运用机器视觉技术的设备制造行业和终端用户，所涉范围十分广泛，如汽车、医药、化学、电子、半导体、印刷、食品饮料、物流、烟草、医疗、电池等。纵观整条产业链，成本价值量的关键当属上游环节的工业相机和底层软件算法。工业相机就是机器视觉设备中价值量最高的核心组件（价值量占比约为23%），由图像传感器、图像采集卡与各类芯片共同共同组成，技术壁垒较低。工业相机本质的功能就是将光信号转型变成有序的电信号，再将该信号模数转换并送往处理器后以顺利完成图像的处理、分析和识别。与普通相机较之，工业相机仍须更高的传输力、抗干扰能力以及均衡的光学能力。市面上的工业相机主要存面阵相机、线阵相机、3D相机以及智能相机。目前，全球工业相机行业由欧美品牌占据主要市场，国外知名企业比如德国Basler、加提着大DALSA、美国康耐视等；我国对于工业相机的研究起步较晚，工业相机行业主要布局于中低端市场，近些年我国也逐步发展出一批独立自主研发工业相机的国产品牌，可以逐步同时同时实现进口替代。底层软件算法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，一般来说，掌握底层软件算法的公司更容易形成自身优势。在工业领域，成熟的视觉算法软件已经有很多，包括Visionpro、halcon、opevCV、Mil、Hexsight、evision等。参考拥有广受好评的机器视觉软件VisionPro的厂商康耐视，不断革新升级VisionPro，如2018年推出具有里程碑意义的工业图像分析软件VisionProViDi套件，助其突破高原瓶颈+维持毛利率高位。我们将持续看好布局研发投入相机性能与底层软件算法的企业，国内代表厂商包括天准科技、凌云光、海康威视等。3.3.国内外竞争格局：国外巨头优势显著，国内厂商脱胎换骨后劲充足全球市场巨头优势显著，国内厂商仍待突破垄断藩篱。全球机器视觉市场以康耐视（美国）、基恩士（日本）、巴斯勒（德国）为代表的企业占据全球超过50%的市场份额，以康耐视和基恩士为代表的双巨头以入局早、扎实产品技术、广泛应用场景经验的优势提前占据市场优势。而中国机器视觉行业相对国际机器视觉市场发展较晚，目前主流仍是国际厂商。在中国传统制造业自动化与数字化转型升级的驱动以及国内技术不断更新迭代的背景下，中国厂商的市场规模渐长，根据中国企业数据库企查猫，目前中国机器视觉行业的主要企业共有7114家，其中以2017-2019年为主要注册热潮，2019年注册企业数量为891家，数量最多，而2022年仅新增了20家机器视觉企业。然而从企业营收层面，国内厂商的规模仍待扩张，通过横向比较，基恩士与康耐视为代表的国外厂商在大中华区的收入稳定增长，2021年两家巨头在华营收达到9.91亿美元，同比增长33.2%，占国内机器视觉产业约47%的市场份额，两家巨头在华营收总和在2018-2021年均复合增长率为10.90%，略高于国内5家龙头厂商2018-2021年间7.85%的年均复合增长率。国内代表企业2021年总营收为77.01亿元，同比增长25.06%，可见以凌云光、天准科技等为代表的国内龙头厂商对国内市场的渗透仍有广阔的提高空间。3.4.上游各环节发展程度不一，国产高端化为市场膨胀的方向国内机器视觉上游行业仍处于成长阶段，增长速度大致相当。光源市场是国内厂商最早入场机器视觉领域的环节，国内发展较为成熟，国产化程度较高，竞争较为充分，本土厂商主要有奥普特、沃德普、康视达、纬朗光电等。工业相机为上游产业链中高价值的环节，工业相机是工业视觉核心零部件，作为新兴技术被寄予厚望，被认为是自动化行业具备光明前景的细分市场。根据CMVU公开数据，2021年我国工业相机市场规模约为28.83亿元至48.84亿元，2022年至2025年，我国工业相机市场规模将有望保持40%以上的复合增速增长，预计2025年国内工业相机市场规模将要超过125亿元，伴随国内工业自动化水平的提升，机器视觉在各行业渗透率有望加速，将进一步提升工业相机的市场空间。工业镜头在中国市场增长速度快，2019年达到46%的增速，这主要得益于光学镀膜技术的快速进步，产品良率以及光学设计效率大大提升，以及新型加工工艺极大提升组装效率和产品稳定性，确保工业镜头稳定增长的出货量。视觉软件市场需求规模整体增长速度快，2021年以46.31%的增速攀升至47.01亿元，随着未来机器视觉在各行业中的持续渗透，GGII预计在2025年该规模将接近150亿元。图像处理软件领域主要由海外厂商主导，包括康耐视、Mvtec、Adept等，底层算法领域基本由外资垄断。相比国外厂商而言，我国机器视觉软件系统起步晚，较少拥有独立底层算法，该部分所需时间+资金成本高，目前国内如凌云光、天准科技不断投入底层算法的研究，仍在持续优化与研发中。3.5.奠定上游竞争基调，AI施肥下滋润工业相机与软件环节升级3.5.1.AI+核心硬件，以智能相机为代表持续拓展应用领域场景AI产业化催生工业智能相机的发展契机，拓宽应用领域场景。从某种意义上心智机器视觉中的核心要件“智能相机”，即为为工业相机+视觉控制系统的内置，它将图像的搜集、处理与通信功能内放在单一相机内，从而提供更多更多了具备多功能、模块化、高可靠性、难于同时同时实现的机器视法号解决方案。随着芯片技术日益明朗，尤其就是应用领域最新的DSP、FPGA及大容量存储技术，摄像头中重新加入AI芯片并使其具备彪悍的视频图像搜集技术和数据分析存储能力，智能化程度不断提高，满足用户多种机器视觉的应用领域市场需求。中国工业领域有关市场发展空间极广，国际厂商仍占据智能相机的技术优势。国内市场来看，CMVU调查数据说明2021年机器视觉的工业相机市场规模为48.48亿元，其中智能相机占到至比6.1%，达致9.99亿元，未来随着机器视觉在工业领域上的应用领域越来越深入细致自动化层面，工业相机的功能也日渐趋向智能化，料进一步不断扩大有关市场规模，2024年的市场规模将达致24.62亿元。该占比料进一步不断扩大。从竞争格局来看，全球工业智能相机市场的市场集中度较低，率先布局智能相机的康耐视和基恩士市占率仅多于70%，这主要系则国外产品软硬件优势明显，具备发展智能相机的契机。国内厂商通过多年独立自主研发的不懈努力，已经在关键技术上赢得突破，如光虎、华睿等，不断面世智能工业相机系列产品，通过性价比优势挤占国外厂商市场份额。AI+智能相机能够面向工业全系列场景，一体化+适用性+效率高的优势明显。与PC-base方案比较中，不仅能够重实效性能均衡，效率提高，并且有着三小优势：一就是轻量级一体化，AI智能相机一改成传统PC方案中的显示卡、内存、硬盘、CPU、IO卡、主板、机箱、电源、二者机转化成一台小而美的智能相机，大大降低成本；二就是适用性拓展，AI智能相机凭借核心视觉算法和深度自学技术，可以满足用户相同业务场景的市场需求，同时同时实现多行业的高门槛通用性。三就是效率大幅提高，AI智能相机的并并无代码AI部署平台，最轻程度地增加对操作方式方式人员的专业建议，提供更多更多了具有多功能、模块化、高可靠性、难于同时同时实现的机器视觉系统解决方案，节省了90%的AI部署时间。智能相机就是自动化行业中低潜力的细分市场，料推动机器视觉系统的进一步普及。未来随着智能相机技术和物联网的进一步融合发展，智能相机具有成本效益、紧凑型、有效率、功能彪悍的优势将进一步放大，基于智能相机的机器视觉系统普及度将进一步提高，尤其就是变成现代工业自动化的两大核心环节，植入推理小说性能视觉处理控制系统的智能相机在将来料占有视觉智能硬件市场发展的关键板块。3.5.2.AI+软件铸就行业核心壁垒，正当时机器视觉行业所建议的技术精准度较低，负责管理处理图像的机器视觉软件就是系统的核心。机器视觉当前比较流行的研发模式就是“软件平台+视觉开发包”，开发包就是基于软件平台对各种常用图像处理算法进行PCB，用以同时同时实现对图像分割、提取、识别和推断等功能，进一步安装在上位杂记或内嵌至工业模板中，同时同时实现人