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。