机器视觉应用场景多样：机器替代人眼，优势明显，渗透率逐渐提升

（报告出品方/分析师：东莞证券 黄秀瑜 谢少威）

1. 行业快速发展，需求不断增加

1.1 机器视觉优势明显

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)自动化视觉分会关于机器视觉的定义：机器视觉是通过光学的装置和非接触的传感器，自动地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。

机器视觉即用机器代替人眼，模拟眼睛进行图像采集，经过图像识别和处理提取信息，最终通过执行装置完成操作。

机器视觉是计算机学科的一个重要分支，综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也推动了机器视觉的发展。

机器视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS 和 CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作，是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。

机器视觉的特点是提高生产的柔性和自动化程度。在不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。可以在最快的生产线上对产品进行测量、引导、检测和识别，并能保质保量的完成生产任务。

机器视觉的灰度分辨率强，一般可使用 256 个灰度级，采集系统可具有 10bit、12bit、16bit 等灰度级，远强于人类视觉的 64 个灰度级，也弥补了人类视觉对灰度分辨率的缺陷。目前，机器视觉的空间分辨率有 4Kx4K 的面阵摄像机和 12K 的线阵摄像机，通过设备各种光学镜头，可观测小物件至微米，大物体至天体的目标。此外，机器视觉可从紫外光到红外光的较宽光谱范围，也有 X 光等特殊摄像机等配件适用于不同特殊用途。

人类视觉适应性强，可在复杂环境中识别目标，较为适合无结构化场景，而机器视觉具有速度、准确度和可重复性等优势，更擅长定量测定结构化场景。使用合适的相机分辨率和光学元件制造的机器视觉可检测人眼难以看到的物体细节。机器视觉检测可避免测试系统和待测零件发生物理接触、零件损坏、由机械组件磨损产生的维护和成本支出，同时减少制造过程中的人为干预，从而增加安全性和操作便捷性。此外，还可以避免人为污染无尘室，保护工人误入危险环境。

根据自动成像协会(AIA)，机器视觉涵盖所有工业和非工业应用，它综合使用硬件和软件的功能，根据图像的采集和处理为设备提供操作指引。虽然工业机器视觉的使用与学术、教育、政府、军事等应用相同的机器视觉算法和方法，但个别方面仍具有不同之处。与学术、教育视觉系统相比，工业视觉系统需要更高的坚固性、可靠性和稳定性，而且成本相对而言较低。机器视觉系统依靠工业相机内受保护的数字传感器和专用光学元件采集图像，使计算机硬件和软件能够处理、分析和测量各种特性以帮助制定决策。

机器视觉的用途可分为定位、识别、引导、测量、检查。

（1）定位：零件定位在机器视觉应用中是关键的第一步。

无论是简单的装配验证还是复杂的三维机器料箱拣选，所有机器视觉应用的第一步是通过模式匹配技术在相机视野中找到关注的对象或特征。

关注对象的定位决定了成功还是失败。如模式匹配软件工具无法精确定位图像中的零件，则无法进行识别、引导、检查或测量。

在实际生产中，零件外观出现差异将无法实行定位，该步骤具极具挑战性；视觉系统根据图案来识别零件，尽管严格管控元器件的制造过程，在视觉系统中的外观也会有一些差异。

视觉系统的零件定位工具必须足够智能且快速并准确地将培训模式和下移至生产线上的实际对象进行比较，从而获得更准确、可靠且可重复的结果。

（2）识别：视觉技术可以读取字母、数字、字符。

零件标识和识别机器视觉系统可以读取条码 (一维)、数据矩阵代码 (二维)、直接部件标识 (DPM) 和零件、标签与包装上印刷的字符。先由光学字符识别 (OCR) 系统在不知情的情况下读取字母、数字、字符，然后由字符验证 (OCV) 系统确认字符串的存在。此外，机器视觉系统可以通过定位具体图案来识别零件或根据颜色、形状或大小识别物品。

DPM 应用将代码或字符串直接标记到零件上，通过直接部件标记进行追溯可以改善资产追溯和零件真伪验证。通过记录成品子组件中各元件的谱系信息，它还可以提供单位级数据，从而推动出色技术支持和保修服务的提供。

（3）引导：有多种需要引导的原因。

首先，机器视觉系统可以定位零件的位置和方向，然后将其与规定的公差进行对比，并确保它位于正确的角度以便准确地验证装配。

然后可以通过引导将零件在二维和三维空间中的位置和方向报告给机器人或机器控制器，使机器人能够定位零件或让机器能够对准零件。机器视觉引导在许多任务中可以实现比手动定位更高的速度和准确性。

另外，可通过引导与其他机器视觉工具对准。这是机器视觉的一个非常强大的功能，因为生产期间零件可能会以未知的方向出现在相机视野中。

通过定位零件再将其与其他机器视觉工具对齐，机器视觉可以实现自动工具固定。这涉及定位零件上的关键特征以精确放置卡尺、斑点、边缘或其他视觉软件工具从而正确地与零件产生相互作用。这种方法使制造商能够在同一条生产线上制造多个产品并减少了对检测时需要维持零件位置的昂贵的硬件换型的需求。

引导需要几何图案搭配。图案搭配工具必须能处理对比度和照明方面之间存在的差异，以及比例、旋转和其他因素的变化，同时每次都要可靠地找到零件。这是因为其他机器视觉软件工具的对准需要图案搭配获得位置信息。

（4）测量：测量距离和位置以评估是否符合规格。

测量应用中的机器视觉系统计算测量对象上两个点、多个点或几何位置之间的距离以确定这些测量是否符合规格。如不符合标准，视觉系统向机器控制器发送失败信号，触发拒绝机制以将对象从生产线上弹出。

在实际应用中，使用固定安装的相机采集通过相机视野的零件图像，然后系统使用软件计算图像中各个点之间的距离。由于许多机器视觉系统可以测量 0.0254 毫米范围内的对象特征，所以能解决诸多手工接触测量无法处理的应用。

（5）检查：识别缺陷、异常和其他制造缺陷。

检查应用中的机器视觉系统用于检测制造的产品中的缺陷、污染、功能缺陷和其他异常。如检查药物的药片是否有缺陷，验证显示屏上的图标或确认像素的存在，或检测触摸屏以评估背光对比度的水平。机器视觉也可检查产品的完整性，如保证食品和药品行业产品和包装是否相符，以及检查瓶子的密封、瓶盖和环的安全性。

1.2 国内机器视觉行业正处于高速发展阶段

机器视觉是人工智能正在快速发展的一个分支，全球机器视觉行业发展从 20 世纪 50 年代开始，工作主要是二维图像分析与识别，包括光学字符识别、工件表面图片分析、显微图片等分析。

60 年代开始以研究及理解三维场景的机器视觉。

1965 年研究学者从数字图像中提取如立方体、楔形体等的三维结构，研究物体形状与物体空间关系，开始对三维机器视觉的研究。

受到积木世界的创造性研究的启发，对积木世界做更深入的研究，理解积木玩具组成的三维世界，以此为基础深入研究与理解更复杂的三维场景。

从边缘、角点等特征开始，再到线条、平面、曲面等要素，再深入研究至图像明暗、运动以及成像几何，并建立了各种数据结构和推理规则。

深入研究积木世界后，70 年代起，机器视觉的理念逐步清晰明了，行业发展速度极快。知名大学正式开设“机器视觉”课程，越来越多学者踊跃参与机器视觉理论、算法、系统设计的研究。

80 年代至今，机器视觉蓬勃发展，新概念、新理论相继涌现。

机器视觉全球市场规模从 2010 年的 31.7 亿美元增长至 2020 年的 107 亿美元，年复合增长率为 14.47%。从地区分布来看，机器视觉市场规模最大的为欧洲地区，占全球的 36.4%；北美和亚太地区分别占比为 29.3%、25.3%，南美、中东、非洲地区的占比为 9.1%。

受益于全球制造中心向中国转移，中国机器视觉市场发展迅速，将成为欧洲、北美和日本外另一个国际机器视觉厂商的重要目标市场。

与全球机器视觉行业相比，国内机器视觉行业起步晚，1999-2003 年是我国机器视觉发展的启蒙阶段，开始出现跨专业的机器视觉人才，2004 年后进入发展初期，机器视觉企业开始探索与研发自主技术和产品，同时取得一定的突破。

经历十年，中国机器视觉产业逐步迈向高速发展阶段。目前，中国有近百家机器视觉相关企业，从事半导体、食品、安防、医疗及金融等各个领域。

启蒙阶段（1999-2003）：国内企业主要以代理业务为客户进行服务，逐渐熟悉了解行业的标准，从而提高国内行业的标准要求。

在代理业务期间，国内机器视觉企业不断吸收消化海外机器视觉的理念和海外企业产品先进技术。国内跨专业的机器视觉人才从了解图像的采集和传输过程、理解图像的品质优劣开始，到初步的利用国外视觉软硬件产品搭建简单机器视觉初级应用系统，逐渐掌握国外机器视觉产品的使用方法。通过市场宣传和推广、技术交流、项目辅导、培训和引导中国客户对机器视觉技术和产品的理解和认知，从而启发客户发现使用机器视觉技术的场合，开启中国机器视觉行业发展进程。

特种印刷和烟草等对成本不敏感，但对品质要求较高的领域率先引进机器视觉技术，成为机器视觉技术最早的受益者。机器视觉技术提高了人民币的印刷质量和自动化水平、统一人民币印刷质量标准。作为中国优势产业的烟草领域，机器视觉技术进入烟叶异物剔除、包装检测等工序，替代人工的同时大幅提升了生产效率和产品质量。在特种印刷和烟草行业，机器视觉技术的应用令更多的企业关注机器视觉技术带来的价值和应用前景，机器视觉行业逐步进入发展阶段。

发展阶段（2004-2007）：国内本土机器视觉企业开始探索自主核心技术及提升、机器视觉软硬件研发，发现更多机器视觉设备和集成的新应用领域并取得关键性突破。

受益于制造业逐渐向国内转移，汽车、包装等行业客户对产品质量要求提升，大部分自动化领域的系统集成商开始熟悉并使用机器视觉技术，视觉技术在相关设备中的应用程度也有所提高，如 PCB 检测、SMT 检测等设备国产设备迅速兴起。国内厂商陆续推出新产品，凭借产品性价比和服务的优势填补了国内相关市场需求，逐渐占据低端市场。国内传统产业，如棉纺、农作物、纸张等行业开始使用机器视觉技术作为提升质量、效率、取代人工的工具。

高速发展阶段（2008-至今）：经历近十年的发展，中国机器视觉进入了高速发展阶段。

大批机器视觉核心零部件研发厂商涌现，努力打造了中国创造的机器视觉产品。随着机器视觉技术在半导体、LCD、烟草、印刷、汽车等多个行业的广泛应用，国内企业的产品在实践中不断成熟与完善，国内企业的机器视觉技术仍有较大的上升空间。

2015-2018 年，中国机器视觉行业市场规模增速较快，维持在 40%以上。根据中商产业研究院预测，2020 年中国机器视觉市场规模为 115 亿元，同比增速 11.65%。2015-2020年复合增长率为 37.97%，较全球机器视觉行业 2015-2020 年复合增长率高 24.31pct。

根据中国机器视觉产业联盟统计，国内机器视觉行业以中小企为主，主要集中在销售额 1-3 千万范围，占 31.80%；1 千万以下销售额占比为 19.80%，3-5 千万销售额企业占比 13.20%，5 千万-1 亿元销售额企业占比 18.70%，1 亿以上销售额企业占 16.5%。

我们认为，国外企业占据更大的市场份额与销售优势，主要以高端市场为主，国内大部分机器视觉企业需提升自主研发技术和产品，仍有巨大的上升空间。

从区域分布来看，机器视觉企业聚集较为集中，分布在广东省、江苏省、山东省、浙江省、上海市，分别占比为27.01%、15.88%、7.73%、7.63%、4.07%，5个省市共占据62.33%。

1.3 政策规划扶持，机器视觉渗透率逐渐提升

在人口老龄化严重、人工成本加重的情况下，国家越来越注重智能制造的发展，为高端装备、人工智能、自动化生产等领域发布各项政策规划支持行业发展，充分支持智能制造行业的产品研发和市场扩展。

高端装备制造、人工智能、自动化生产行业均是机器视觉技术的主要应用领域，对于精准度的严格要求需要机器视觉技术的支持。受益于国家各项政策推动，机器视觉行业得以快速发展。中国制造逐渐走出国门，迈向全球。

从2013年起，国家陆续发布相关政策与规划为机器视觉行业提供支持。2016 年发布的《智能制造“十三五”发展规划》，提出十大重点任务，加快智能制造装备发展并推动重点领域智能转型。发展规划为高端装备制造和自动化生产的发展提供大力支持，而作为配套设备的机器视觉产品需求也逐渐增加。

2019年发布的《加快培育共享制造新模式新业态，促进制造业高质量发展的指导意见》，提出要求支持平台企业积极应用人工智能技术，发展智能检测功能，不断提升制造全流程的智能化水平。机器视觉技术为智能检测提供便利，提高效率及降低人工成本。随着行业的发展，客户了解到机器视觉技术的应用广泛、增效降本等有利因素后，机器视觉在各行业的渗透率逐渐提升。

此外，随着机器视觉技术和产品不断扩张下游应用领域，客户对机器视觉的标准提出更高要求。我国在持续制定机器视觉行业相关标准，机器视觉产业联盟于 2020 年发布了《工业镜头术语》及《工业数字相机术语》两项团体标准，进一步推动国内机器视觉标准的制定。同时《智能制造机器视觉在线检测通用要求》国家标准正在征求意见，而《智能制造机器视觉在线检测测试方法》国家标准在起草当中。

2. 关注上游零部件细分领域，下游应用场景多样

机器视觉系统的成功取决于所用的关键组件。

机器视觉系统的主要组成部分包括光源照明、镜头、图像处理和视觉处理组件等。照明可以照亮要检测的零件，使其特征突出，从而可通过相机清晰地看到。镜头采集图像并以光的形式将其传送给传感器。

机器视觉相机中将此光转换为数字图像，然后将其发送至处理器进行分析。视觉处理包括检查图像和提取所需信息的算法，运行必要的检查并做出决定。最后，通过离散 I/O 信号或串行连接将数据发送到记录信息或使用信息的设备完成通信。

机器视觉行业产业链中，上游硬件部分包括光源、镜头、工业相机、图像处理器、图像采集卡；软件包括图像处理软件和底层算法。中游为设备制造商与系统集成商；机器视觉下游应用广泛，包括半导体、汽车、包装、医药、工业机器人等行业。在机器视觉产品中，上游软硬件共占总成本的 80%，分别占比为 45%、35%，组装集成和维护分别占总成本的 15%、5%。

2.1 上游高端产品仍依赖进口，国内企业加速追赶

光源

光源照明是影响机器视觉系统输入的重要因素之一，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的光源产品，以达最佳效果。

光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯、钠光灯和 LED 灯。可见光的缺点是光保持稳定的能力较弱，如何使光在一定的程度上保持稳定，是实用化过程中急需要解决的问题。

另一方面，环境光有可能影响图像的质量，可采取加防护屏的方式减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式方便安装。

结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。

机器视觉对光源的 5 个要求：

（1）高亮度：高速扫描、高速成像，要求曝光时间短的场合；

（2）高均匀性：表面检测、缺陷检测，利用灰度差异进行检测的场合；

（3）低功耗：移动设备、便携检测系统；

（4）长寿命：节约成本和维护费用；

（5）光谱特性好：利用光谱单色性检测的场合。

目前，机器视觉光源主要采用 LED 照明为主，主要是形状自由度高，使用寿命长、响应速度快、单色性好、颜色多样、综合性价比高等特点在行业内广泛应用。在国家的规划政策大力推动下，为 LED 照明产业的可持续发展奠定了坚实的基础。

随着环保意识的不断加强、LED 照明的技术进步及成本下降，叠加全球 LED 照明产业转移中国的速度加快，为中国 LED 照明产业发展提供新的发展机遇。供求方面，国内 LED 照明产品在海外的渗透率仍较低，随着海外的需求不断的扩大，LED 照明作为我国的优势行业，未来仍有巨大的上升空间。

2020 年中国 LED 照明市场规模为 8627 亿元，同比增长 14.30%，2017-2020 年复合增长率为 10.71%。从 LED 照明竞争梯队来看，年销售收入 20 亿元以上为第一梯队，分别有飞利浦、欧普照明、雷士照明、佛山照明、阳光照明等国内外企业；第二梯队为 5-20 亿元年销售收入，包括雪莱特、勤上光电等企业；第三梯队主要以国内民营企业和知名度较小企业为主。

镜头

镜头是机器视觉图像采集的重要成像部件。

镜头的主要作用是将目标成像在图像传感器的感光面上。分辨率、对比度、景深和像差等指标对成像质量有重要影响。工业镜头按焦距可分为定焦镜头和变焦镜头；按光圈可分为固定光圈和可变光圈；按视场分为长焦镜头、普通镜头和广角镜头。另外，有几种特殊用途的镜头，包括远心镜头、紫外镜头、红外镜头等。因为传统镜头存在视差现象，畸变通常大于 1-2%，使用远心镜头较为合适，可以在一定物距范围内校正视差，控制畸变系数。远心镜头因独特的平行光路设计，满足精密检测的需求，在对镜头畸变要求较高的机器视觉应用中使用率较高。

根据 QYResearch 统计，2019 年全球工业镜头市场达到 33 亿元。海外品牌经过多年在镜头领域布局、业务累积和技术升级，徕卡、施耐德、尼康、富士等领头企业已经在全球范围内形成。因为光学镜头行业需融合精密机械设计、几何光学、薄膜光学、色度学、热力学等技术，制造过程和工艺复杂，行业技术壁垒较高。

国内企业起步晚，2008 年之前国内光学镜头市场被德、日系品牌垄断。近年，中国工业镜头行业的国内企业迅速发展，主要以低端市场为主，以高性价比与海外品牌竞争。高端市场方面，国内仍依赖进口高端产品，主要以日本、德国等老牌制造商的产品为主。

工业相机

图像分析的前提是镜头捕捉光信号并将其转换成有序的电信号。与民用相机不同，工业相机具有更高的图像稳定性、传输能力和抗干扰能力，是机器视觉系统的关键组成部分。目前，市场上的工业相机产品主要类型有线阵列相机、面阵相机、3D 相机和智能相机。智能相机将图像采集、处理和通信功能集成到单个相机中，成为工业相机的发展趋势。

图像传感器是相机的核心，按芯片类型可分为 CCD（电荷耦合器件）和 CMOS（互补金属氧化物半导体）图像传感器。两者均使用光电二极管进行光电转换，但工作原理和产品特性差异较大。

CCD：由光电二极管和存储区组成的矩阵。每个感光元件将光转换成电荷后，直接输出到下一个感光元件的存储单元，传输至最后一个感光元件形成统一输出。放大器将放大电信号，一个特殊的模数转换芯片将模拟信号转换成数字信号。

CMOS：每个光敏元件都直接集成了一个放大器和模数转换逻辑。当光敏二极管接收照明并产生模拟电信号时，电信号将被光敏元件中的放大器放大，转换成相应的数字信号。机器视觉应用早期，CMOS 传感器在处理快速变化的图像时，电流变化频繁导致易热、难以控制噪声，在图像质量要求不高的低端产品的使用率较高；而 CCD 具有更高图像质量、抗噪声能力更强等优势，多使用于高端产品中。

受益于 CMOS 传感器在消费电子器件中的应用率提高，推动了 CMOS 技术的发展，性能得到了显著提高，制造成本也有所降低。

CMOS 传感器的分辨率和图像质量逐渐向 CCD 传感器靠近。CMOS 传感器在高帧率、高像素、低功耗、改善的噪声系数等优势助力下，确立了稳定的市场地位。在图像处理的诸多领域逐步取代 CCD 传感器。

工业相机行业在全球和中国市场增速较快，全球工业相机行业规模从 2011 年的 15.2 亿元增长至 2018 年的 40.3 亿元，年复合增长率为 14.95%；中国工业相机产业规模从 2011 年的 8000 万元增长至 2018 年的 7.3 亿元，复合增长率为 37.14%。中国工业相机市场正在快速扩张，以 2 倍以上速度超越全球市场增速。

目前，全球工业相机行业以欧美品牌为主，2018 年北美品牌占全球工业相机市场的 62%，欧洲品牌占 15%。我国工业相机细分领域起步较晚，较海外市场落后。

近年，中国工业相机行业逐步发展，涌现出一批自主研发工业相机的国产品牌，行业的研发技术得到提升。

我国工业相机行业主攻低端市场，高端工业相机产品仍以进口品牌为主。

图像采集卡

图像采集卡（Image Capture Card），又称图像捕捉卡，是一种可以获取数字化视频图像信息，并将其存储和播放出来的硬件设备。

很多图像采集卡能在捕捉视频信息的同时获得伴音，使音频和视频在数字化过程中同步保存、同步播放。图像采集卡的功能是将图像信号采集到电脑中，以数据文件的形式保存在硬盘上，是进行图像处理必不可少的硬件设备。图像采集卡可以把摄像机拍摄的视频信号从摄像带上转存到计算机中，利用相关的视频编辑软件，对数字化的视频信号进行后期编辑处理，如剪切画面、添加滤镱、字幕和音效等。

在电脑上通过图像采集卡可以接收来自视频输入端的模拟视频信号，对该信号进行采集、量化成数字信号，然后压缩编码成数字视频。大部分图像采集卡都具备硬件压缩功能，在采集视频信号时首先在卡上对视频信号进行压缩，再通过 PCI 接口把压缩的视频数据传送到主机上。一般的 PC 视频采集卡采用帧内压缩的算法把数字化的视频存储成 AVI 文件，高级视频采集卡能把采集到的数字视频数据压缩成 MPEG-1 格式的文件。

由于模拟视频输入端可以提供不间断的信息源，视频采集卡要采集模拟视频序列中的每帧图像，并在采集下一帧图像之前把这些数据传入电脑系统。因此，实现实时采集的关键是每一帧所需的处理时间。如每帧视频图像的处理时间超过相邻两帧之间的相隔时间，将会出现数据的丢失，即丢帧现象。采集卡是把获取的视频序列先进行压缩处理后存入硬盘，即视频序列的获取和压缩是同时完成的，免除了再次进行压缩处理的不便。不同档次的采集卡采集压缩性能质量也将有所不同。

图像采集卡主要有两种类型，分别为 PCI/PCIe 和 USB 采集卡，而业内企业以生产 PCI/Pcle 采集卡为主，PCI/PCIe 采集卡使用率较高，市场占比约为 80%。中国、欧洲和北美为图像采集卡主要生产地区，中国占比约为 36%。图像采集卡技术含量高，2020 年 CR5 市场占比约为 42%，市场集中度相对较高。2020 年全球图像采集卡市场规模为 3.31 亿美元，同比下降 0.06%。目前，北美是全球最大的图像采集卡市场，2020 年市场占比 达到 32%。国内图像采集卡市场规模为 3.9 亿元。

2.2 下游应用领域广泛，三大制造业领域领头

制造业是目前机器视觉应用中比重最大的领域之一。

由于制造业竞争加剧，成本压力迫使企业重视生产效率并促进了机器视觉技术的应用。

为了提高生产效率，降低人力成本、减少生产过程中的错误，工业生产和管理中的某些人工环节逐渐被机器替代。

机器视觉系统的特点是提高生产的柔性和智能化程度。此外，机器视觉易于实现信息集成， 是实现计算机集成制造的基础核心技术之一。

在制造业领域之外，机器视觉技术也应用于农业、医药行业、包装印刷业等其他领域。制造业细分领域中，消费电子、汽车、半导体是机器视觉行业应用最广泛的三大领域。

近十年，中国工业机器人密度高速增长。

2020 年，中国工业机器人密度为 246 台/万人，较 2019 年增加 59 台/万人，从全球第 15 名提升至第 9 名。中国工业机器人密度已高于全球水平，但仍低于发达水平国家，其中韩国、新加坡、日本长期霸占全球各国工业机器人密度榜首，分别为 932 台/万人、605 台/万人、390 台/万人；德国和美国工业机器人密度分别为 371 台/万人、255 台/万人。对比发达国家，中国的工业机器人密度仍有较大的上升空间，将拉动自动化生产设备需求，细分领域机器视觉需求也将增加。

消费电子&半导体行业

消费电子产业在二十年前开始应用机器视觉技术，目前仍是机器视觉最主要应用领域之一，也是带动全球机器视觉市场发展最主要的动力。受益于消费电子行业的发展，全球机器视觉技术得以崛起。消费电子行业元器件尺寸较小、检测要求高，使用机器视觉系统进行检测能起到降本增效的作用。同时，由于消费电子行业对精细程度的要求较高，促进了机器视觉技术的革新。

消费电子行业存在产品生命周期短、更新换代快的特征，智能手机等消费电子产品更新周期约为一年。频繁的型号和设计变更导致制造企业需要频繁采购、更新其生产线设备，对其上游的机器视觉行业产生巨大需求。同时，随着产品的不断更新换代，产品不断精密化，对作业精度的要求逐步提高，以苹果公司为首的知名消费电子企业不断增加对机器视觉技术的应用，预计消费电子行业对机器视觉产品的需求将持续增加。

在消费电子行业制造领域，元器件、部件和成品的制造各环节需要机器视觉的协助，其中约 70%的机器视觉产品应用在检测环节。此外，连接器检测、PCB底片检查、硬盘检测、机器人视觉引导定位、元器在线分类筛选、二维码读取等也需使用机器视觉产品。由于技术工艺的高要求，消费电子行业设备制造对机器视觉技术存在刚性需求。

半导体产业具有集成度、精细度高的特点，是机器视觉技术最早大规模应用的领域之一，机器视觉在半导体行业中的应用涉及到半导体外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等的检测，尤其是晶圆制作中的检测、定位、切割、封装过程全程都需应用机器视觉技术。

近年，半导体行业的技术水平持续提升，晶圆越做越大，而内部线路越做越细，连接体体积越做越小，需要机器视觉精密识别、定位的器件越来越多，对生产效率和次品率的要求也越来越严格，半导体行业对机器视觉产品的需求持续扩张。

机器视觉技术在半导体生产的硅片制造、晶圆制造、封装测试阶段应用广泛。

在硅片制造阶段，机器视觉主要用于对硅片的检测和分选；在晶圆制造阶段，机器视觉主要用于精密定位和最小刻度检测；在封装测试阶段，机器视觉技术的重要性更加凸显，晶圆在切割过程中需要利用机器视觉系统进行精确快速定位，如定位出错，整个晶圆将会报废，在整个切割过程中也需要机器视觉系统的全程定位引导，目前的机器视觉产品在引导过程中已兼具焊线掉线检测功能；晶圆切割完成后将继续利用机器视觉产品识别出非缺陷品进入贴片流程；在贴片过程中，核心构架为视觉加运动—需通过机器视觉产品识别晶片位置及角度，并引导电机对晶片角度进行校正后，拾取到 PCB 上的指定位置贴放。

根据中商产业研究院数据，2018 年消费电子和半导体行业机器视觉市场规模能够突破 20 亿元，同比增长约为 24%。主要是消费电子需求量大、更新换代速度快，将拉动机器视觉需求。2019 年市场规模将接近 30 亿元。

汽车行业

工业视觉下游应用领域不断拓展的过程中，新的领域呈现出更快的增长势头，如标准化程度更高的汽车制造领域。2021年中国汽车累计销量为2627.5万辆，同比增长3.81%。我国汽车行业作为传统制造业，机器视觉替代人眼趋势在近几年逐渐渗透，2019 年汽车领域机器视觉市场规模突破 10 亿元，同比增长约为 35%。

2020 年末中国人均汽车保有量为 173 辆/千人，而美国 837 辆/千人、澳大利亚 747 辆/千人、意大利 695 辆/千人、加拿大 670 辆/千人、日本 591 辆/千人。

国内人均汽车保有量远低于发达国家，国内汽车保有量仍有巨大提升空间。

同时，以电子化、信息化为基础，以驾驶者及车内乘客驾驶安全、维修、娱乐等方面多样化、个性化需求为目标，充分融合现代电子技术、传感技术、机械技术、控制技术、通信技术、数据挖掘、人工智能等诸多技术的智能汽车也在蓬勃发展。国内积极推动车联网、新能源汽车、智能汽车的高速发展，未来机器视觉产品在汽车销量中的占比将快速提高。

过去汽车以机械结构为主，而新能源和智能汽车中，电子零部件的成本占比将达到整车的一半以上，传感器、通信（GPS、DSRC、4G/5G）、摄像头、监控、检测、娱乐系统将会被装载在汽车之上。

随着汽车行业的电子化、智能化发展，汽车产业链对生产精度、智能化的要求均不断提高。汽车行业对采用机器视觉技术检测设备以及智能制造装备的需求量将不断提高。

3. 国外企业遥遥领先，国内企业逐渐崛起

3.1 国内外企业业务对比

基恩士

基恩士成立于1974年，2001年设立中国子公司，进入中国市场。

公司为传感器、测量系统、激光刻印机、显微系统以及单机式影像系统的国际化综合供应商，不断推动工厂自动化的创新与发展。

公司一直致力于开发优质可靠的产品，从而满足各类制造业中客户的需求。除创新的产品外，公司还提供全方位的服务，从而进一步为客户提供帮助。

专业的顾问式团队不仅能解决难以处理的客户应用问题，还能为客户提供更有效的解决方案。

公司的交货服务迅速，可以帮助客户尽快改善他们的工作流程。公司专注于通过将优异的技术与突出的技术支持相结合来为客户提供附加值。

公司的营销方式为直销，由公司受过专业培训、具备广泛知识以及丰富应用和行业经验的工程师为客户提供一体化的服务。

由于公司设立多家海外子公司和办事处，客户能快速预约本地技术工程师到作业现场做技术支持，能迅速的为客户解决问题，节省客户时间。公司已掌握机器视觉的核心技术，机器视觉系统、图像处理系统、镭射标记器、条码读取器等产品受到客户较好的评价。

公司在产品生产方面提供充足的安全措施，保证员工在生产过程中避免受到不同的伤害。产品生产在保质和保量的原则上加以研发创新，着重提高产品在客户作业现场使用时的安全性能，提高效率，减少作业人员的受伤几率。

公司一直致力于为客户创造最大的价值的同时减少对环境的负担。公司对环境保护提出一系列的措施，也要求供应商遵守相应的材料使用及环境保护的规则。公司在碳排放量上有显著的减少，从 2015 年的碳排放 4136t 减少至 2019 年的 2671t；在水源和电量使用、工业浪费上也有明显的改善。

奥普特

奥普特是一家主要从事机器视觉核心软硬件产品的研发、生产和销售的国家高新技术企业。公司定位于智能制造核心零部件供应商，以“打造世界一流视觉企业”为目标，致力于为下游行业实现智能制造提供具有竞争力的产品和解决方案。

公司成立于 2006 年，是我国国内较早进入机器视觉领域的企业之一。在成立之初，以机器视觉核心部件中的光源产品为突破口，公司进入了当时为国际品牌垄断的机器视觉市场。

在十几年的发展过程中，公司坚持“深耕优势、以点带面、以面促点、逐个突破”的发展路径，将产品线逐步拓展至其他机器视觉部件。

公司自主产品线已覆盖光源、光源控制器、镜头、视觉控制系统等机器视觉核心部件，并在相机产品方面完成布局并取得了先期的研发和销售成果。

公司以光源技术、光源控制器技术、镜头技术、视觉分析技术为核心，在硬件和软件方面，分别建立了成像技术和视觉分析技术两大技术平台。

公司重点发展深度学习技术、3D 处理与分析技术、图像感知和融合技术、图像处理分析的硬件加速等视觉前沿技术，并继续在光源及其控制技术、镜头技术、智能相机技术、视觉处理分析软件方面进行强化，巩固公司在光源、光学成像方面的优势。

结合多年积累的机器视觉在各下游行业应用的专有技术（Know-How），公司构造了包括基础核心技术、技术平台、应用技术在内的多层次的技术体系。以此为基础，公司能够向下游客户提供各种机器视觉解决方案，协助客户在智能装备中实现视觉功能，提高机器视觉系统的准确性、稳定性和可靠性，从而带动公司产品的销售。

公司的销售模式为买断式销售，主要依托向客户提供解决方案带动产品的销售，主要客户类型包括设备制造商、设备使用方、系统集成商/贸易商等。

机器视觉是智能装备的“眼睛”和视觉“大脑”，是实现智能制造的重要核心部分。而机器视觉在我国兴起和发展的时间较短，客户对于机器视觉能够实现的功能和能够达到的效果有一定的疑虑；且机器视觉功能的实现受到多种变量的影响，一套高效的机器视觉解决方案的设计需要大量的经验数据，而机器视觉的使用者往往较难积累足够的机器视觉应用经验数据库。

因此，在销售机器视觉部件过程中，为客户提供技术服务和支持尤为重要。通过对行业特点的分析，结合公司自身的优势，公司建立起了以向客户提供机器视觉解决方案，从而带动产品销售的业务模式。

矩子科技

矩子科技主营业务为智能设备及组件的研发、生产和销售，主要产品包括机器视觉设备、控制线缆组件、控制单元及设备。产品主要应用于电子信息制造、工业控制、金融电子、新能源、食品与包装、汽车等多个国民经济重要领域。

公司坚持以技术研发和产品性能为核心竞争能力，主要产品具有自主知识产权和自主品牌，已成功实现进口替代或远销海外，部分产品为国内突破性的高端智能装备。在机器视觉检测领域，公司参与全球市场竞争，累计已服务超过 700 家海内外知名客户，已成为多家知名企业或其代工厂商的重要机器视觉设备供应商。

公司拥有自主研发的 3D SPI, 2D/3D AOI 机器视觉检测全系列产品，凭借可提供整体检测解决方案的平台化优势，公司能够充分发挥各产品间的联动效应，在提升现有客户群体粘性、客户采购品类的基础上，开发更多客户资源。

公司主要产品包括机器视觉设备、控制线缆组件、控制单元及设备。公司机器视觉设备主要为自动光学检测设备（Automatic Optic Inspection，简称 AOI）和高端自动化生产设备。该产品的核心是公司自主研发设计并拥有自主知识产权的软件算法、光学设计以及软硬件相结合的 2D/3D 机器视觉系统，包括公司自主开发的图像处理底层算法、高精度光学成像系统及其核心零部件、多角度彩色照明系统等。

近年，随着国际市场机器视觉检测呈现 3D 化的发展趋势，公司布局多年并已成功进入 3D 检测领域。

公司采用 3D 数字投影相位差测量技术自主研发并推出了一系列 3D 自动光学检测设备。3D 自动光学检测设备能够测量元件、焊点、引脚等测量目标的高度与轮廓信息，大幅度提升检 测的稳定性与精确性，突破了 2D 检测的瓶颈。

截至目前，公司在线全自动光学检测设备主要有 2D AOI、3D AOI、3D SPI 等产品，在研产品包括针对医药、半导体、锂电、纺织等行业的自动光学检测设备。在线全自动生产设备主要有镭雕机、选择性波峰焊等产品。公司机器视觉产品具有智能化、自动化程度高、精密度高、信息化程度高、产品质量好等特点。

公司采取直销和代理商经销相结合的销售模式销售机器视觉设备。一方面，公司通过在全国范围内建立营销网络，采取直接销售方式，建立长期、稳定的客户渠道，有效管控公司产品销售价格体系，实现公司效益最大化，降低公司经营风险；另一方面，公司采取代理商经销模式有利于公司开拓市场。

3.1 国内外企业财务分析

基恩士

2017-2020年营收呈倒挂趋势，2018年营收触顶后回落，年复合增长率为0.76%。2020年营收为321.61亿元，同比下降9.00%。

奥普特 2017-2020 年营收规模增速相对较快，年复合增长率为 28.52%。2020 年营收为 6.42 亿元，同比增长 22.46%，仅为基恩士营收的 2%。

矩子科技营收规模逐渐追赶奥普特，相比基恩士仍有距离。2020年营收为4.82亿元，同比增长13.94%。

奥普特业务以机器视觉和配件为主，2020 年机器视觉业务营收为 5.85 亿元，占总营收的 91.11%；配件业务营收为 0.56 亿元，占总营收的 8.87%。

矩子科技主营业务为机器视觉设备、控制线缆组件、控制单元及设备，2020 年机器视觉设备营收为 2.08 亿元，占总营收的 43.18%；控制线缆组件营收为 1.59 亿元，占总营收的 33.06%；控制单元及设备营收为 1.07 亿元，占总营收的 22.23%。

与营收情况相同，基恩士归母净利润远高于奥普特、矩子科技。三家企业 2018-2020 年归母净利润同比增速均呈下降趋势。

2020 年基恩士扣非归母净利润为 117.90 亿元，同比下降 7.08%，主要受疫情影响日本国内销售情况有所下降。

奥普特和矩子科技 2020 年归母净利润分别为 2.44 亿元、0.89 亿元，分别同比增长 18.27%、3.13%。

2017-2020年基恩士与奥普特的毛利率趋势基本一致。

2020年基恩士和奥普特的毛利率分别为81.93%、73.04%，分别同比提升0.12pct、0.35pct。

2017-2020年矩子科技毛利率呈下降趋势，2020年毛利率为35.73%，同比下降4.14pct，主要是机器视觉业务毛利率下降导致。机器视觉企业毛利率相对较高，而矩子科技毛利率在业内相对较小，主要是矩子科技涉及其他业务。

2017-2020年基恩士净利率呈小幅下降趋势。

2020年基恩士净利率为36.66%，同比提升0.76pct。

2016-2020年奥普特净利率有较大的提升，2019年奥普特净利率超越基恩士。

2020年奥普特净利率为38.01%，同比下降1.35%。矩子科技2020年净利率为19.14%，同比下降 2.70pct。

基恩士海外收入来自于美国、中国以及非洲等国家和地区，2020年海外收入为186.82亿元，占总营收的58.09%。

海外收入中，来自美国营收为52.23亿元，占海外营收的16.24%；来自中国营收为40.91亿元，占海外营收的12.72%；来自其他国家地区营收为93.66亿元，占海外营收的29.12%。2017-2020年奥普特波动较大，2020年海外营收为0.37亿元，同比下降76.81%，占总营收的5.77%。

2017-2020年矩子科技海外营收较为波动，2020年海外营收为1.19亿元，同比下降10.41%，占总营收的24.82%。2020年奥普特和矩子科技的海外营收均有不同程度的下降，主要受疫情影响，海外企业停工停产，需求有所下降。

基恩士2019-2020年研发费用较大，2020年为9.61亿元，同比下降7.8%。

2020年基恩士的研发费用约为奥普特的 12 倍、约为矩子科技的 33 倍。奥普特2020年研发费用为0.76亿元，同比增长31.39%，主要是研发投入加大，研发人员增加，职工薪酬大幅增加。矩子科技2020年研发费用为0.28亿元，同比下降2.84%。

4. 报告总结

在国家的政策规划支持下，叠加人口老龄化问题不断深化和人工成本增加等因素，智能制造细分领域机器视觉产品的使用率将提升。

与人眼相比，机器视觉从效率、速度、可靠性、灰度分辨率以及空间分辨率等的优势较为明显。随着机器视觉逐渐被客户了解和认可，在各行业的渗透率逐渐提升。

产业链上游零部件成本占总成本的80%，主要以低端市场为主，仍未能打破海外企业在高端市场的垄断局面。随着各细分领域企业不断成长，自主核心研发技术的精进，未来有望逐步向中端市场迈进。产业链下游应用领域广泛，主要以制造业为主。在消费电子、汽车制造和半导体行业使用率最高。

目前，机器视觉行业迅速发展，逐步扩大下游应用领域，未来市场规模仍有巨大上升空间。

随着智能制造领域的不断发展，制造业转型自动化生产为必然趋势，机器视觉行业将受益，将拉动机器视觉产品需求。行业公司：奥普特（688686）、矩子科技（300802）。

5. 风险提示

（1）宏观经济下滑风险。（2）下游行业发展不及预期，对所处行业需求下行风险。（3） 市场竞争加剧风险。

—————————————————————

请您关注，了解每日最新的行业分析报告！

报告属于原作者，我们不做任何投资建议！

如有侵权，请私信删除，谢谢！

获取更多精选报告请登录【远瞻智库官网】或点击：远瞻智库|文库官网-为三亿人打造的有用知识平台