一、機器視覺產業概述
1、機器視覺的定義及分類
機器視覺為機器植入眼睛，代表著機器視覺利用環境和物體對光的反射來獲取及感知信息；為機器植入大腦，意味著機器視覺需要對信息進行智能處理與分析，并應用分析得到的結果來執行相應的活動。高精度的機器視覺的加持下，通過選用合適的相機分辨率和光學元件制造的機器視覺能夠檢測人眼難以看到的物體細節，能有效提高工業生產的產品良品率。新機器視覺主要功能可分為識別、測量、定位及檢測（難度遞增），通過機器代替人工進行測量與判斷，將圖像處理應用于工業自動化領域中。
機器視覺的應用
2、機器視覺行業發展歷程
國外機器視覺行業發展至今，走過了發展萌芽期，起步期，逐步進入穩定發展期。與國外機器視覺的發展歷程相比，中國的機器視覺行業起步較晚，1995年才開始有初步應用。2000年至2008年，在行業應用和算力的雙輪驅動下，我國機器視覺進入了起步期；隨著以蘋果手機加工制造為核心的消費電子制造產業進入100μm高精度時代，迫切需要使用機器替代人工以保障產品的加工精度。
機器視覺行業發展歷程
二、機器視覺行業發展相關政策
機器視覺可廣泛應用于智能制造、高端裝備、自動化設備等行業，近年來，國家不斷發布各項政策推動相關行業發展。伴隨AI技術發展，深度學習算法的加持為機器視覺應用場景的拓寬提供了技術支持，同時可以進一步提升機器視覺的效率及準確性；從過去簡單的標準化應用場景，過渡到更為復雜的非標檢測領域。
三、機器視覺行業產業鏈
1、機器視覺產業鏈示意圖
從機器視覺產業鏈來看，上游企業專注于與機器視覺相關的軟硬部件的生產與研發，其中，硬件包括光源、鏡頭、工業相機、圖像采集卡以及控制器及配件等；軟件包括圖像處理軟件以及底層算法平臺等構成的機器視覺軟件及算法。機器視覺行業下游主要為機器視覺設備的終端應用場景，機器視覺設備廣泛應用于3C電子、汽車、半導體等產業，發展前景廣闊。未來隨著工業智能制造的不斷升級，機器視覺設備在各個行業的滲透率將進一步提高，相關核心部件的市場需求有望迎來新一輪的爆發增長。
機器視覺產業鏈示意圖
2、機器視覺下游應用分析
目前，中國已經成為全球制造業的加工中心，中國正成為世界機器視覺發展最活躍的地區之一，應用范圍涵蓋了包括3C電子、新能源、半導體、汽車等國民經濟的各個領域。AI+機器視覺的應用，有望快速推進機器視覺在未來其他領域的應用。
2021年中國機器視覺產業下游應用領域分布
四、機器視覺行業現狀分析
1、機器視覺行業市場規模
隨著我國工業制造領域的自動化和智能化程度的加深，機器視覺將得到更廣泛的發展空間。根據數據，我國機器視覺市場規模由2018年的68.63億元上升至2022年的168.88億元。國內廠商配套不斷完善，技術進一步積累，預計到2023年我國機器視覺市場規模將達到225.56億元。
2018-2023年中國機器視覺市場規模統計
2、機器視覺行業國內外份額
國內機器視覺經過三十年快速發展，已逐步縮小與國際領先廠商的差距。國產機器視覺企業憑借優質的產品設計、工藝水平和質量控制經驗，逐漸實現進口替代。國內機器視覺市場銷售額占比逐年提升，從2018年的44%提升至2022年的60%，預計2023年將達到63%。
2018-2023年中國機器視覺國內外品牌市場占比
3、機器視覺行業應用場景
機器視覺行業屬于技術密集型行業，跨越多個學科和技術領域，需要在包括成像、算法、軟件、傳感器等領域積累大量的技術，需要持續的大量研發投入。機器視覺應用場景包括定位、識別、檢測和測量，機器視覺在2022年的應用場景中定位是占比最高的應用領域，達33%。
2022年中國機器視覺應用場景占比
五、機器視覺行業競爭格局
1、機器視覺行業競爭格局
數據顯示，2022年國產品牌機器視覺市場份額占比60%，進口替代進程開始提速，內外資品牌的競爭已開始呈現分庭抗禮的局面，甚至在某些產業鏈環節，國產的份額已絕對領先于外資。如鏡頭、光源領域，國產代表廠商：奧普特、東莞RESS、長步道等；鏡頭領域：國產代表廠商：東正光學、慕藤光、普密斯；相機領域，國產代表廠商：海康機器人、華?？萍?、大恒圖像等。
2022年中國機器視覺企業供給格局
2、機器視覺行業重點企業營收
凌云光深耕機器視覺產業將近二十年，是可配置視覺系統、智能視覺裝備與核心視覺器件的專業供應商，是我國較早進入機器視覺領域的企業之一。在機器視覺產業鏈上，凌云光一方面堅持進行智能軟件、智能算法、核心器件與視覺裝備的全面自主研發，同時，積極與清華大學等科研院校開展產學研合作。2022年凌云光的機器視覺業務實現營業收入18.3億元，同比增長17.35%。
2019-2022年行業重點企業機器視覺營業收入對比
六、機器視覺行業未來發展趨勢
機器視覺領域在AI加持下迎來底層技術突破。從算法、技術到應用，AI技術極大程度賦能機器視覺在圖像模型上的智能化應用，優化了圖像識別的復雜度及精度，實現萬物識別。隨著AI賦能以及深度學習算法的快速發展，機器視覺不僅可以用于傳統標準化檢測，也向著許多非標準化場景的新興領域橫向擴張。隨著行業進步與技術發展，2D視覺向3D視覺邁進，由此拓展出更多的新領域，如機械臂引導、AGV導航等。
