鑫鼎晟觀察發現，觀點速覽機器視覺行業規模穩步提升，汽車、光伏等新興應用領域景氣快速上行。伴隨全球製造升級需求與中國製造業的高質量發展，機器視覺市場規模穩步增加。數據顯示，中國工業機器視覺2022年市場規模爲184億，到2025年將達到470億，行業整體發展增速快，汽車、紡織、光伏等新興領域提供主要增長動力。汽車製造行業已成爲機器視覺主力應用市場。視覺檢測技術及各類視覺產品正在向汽車產業鏈的各個環節迅速拓展。在智能化、輕量化的發展趨勢下，汽車行業對機器視覺的需求度有望繼續提升。新能源汽車需求持續高增，汽車檢測行業受益。新能源汽車新車型數量持續增加，車企加大研發投入將會爲相關汽車檢測行業帶來利好發展機會。搭載先進AI技術的機器視覺未來有望切入更多應用場景。ChatGPT引爆了人工智能話題，當前機器視覺重點逐漸從單點技術轉化爲實質應用轉化階段，未來搭載了更先進AI技術的工業視覺可以進一步優化性能適配更多工業應用場景。機器視覺正由基礎模式匹配向深度學習方向縱向“超越式”發展。隨着工業機器視覺應用越來越廣泛，被檢測對象越來越複雜，未來機器視覺應用也會從傳統工業視覺向基於深度學習的AI工業視覺過渡。技術自主可控，能夠率先取得AI智能檢測技術驗證的企業將具備先發優勢。工廠質量控制體系極大影響着產出產品的質量和產品產出速度，而數字化和智能化機器視覺質檢系統能夠爲工業企業提供高效率、高速度、高精度、低成本的質量檢測解決方案，減少質控成本，提升生產效率。一、機器視覺主力應用市場1、機器視覺應用領域機器視覺檢測具有廣泛的應用領域，目前可以應用於工業、醫療、軍事、安防、交通等衆多領域。其中，消費電子、製造工業、新能源市場是其應用最廣泛的領域。①消費電子行業消費電子行業一直是機器視覺的主要應用領域，消費電子生產過程中需要大量種類繁多、小尺寸、高精度的元器件，因此不可避免地需要面對複雜的生產工藝、高精度的檢測要求、高成本的人力等問題，而機器視覺在高精度引導定位貼合、產品二維碼識別、組裝檢查等工序中發揮其超越人眼的巨大優勢。②新能源行業發展光伏行業是我國能源結構低碳化轉型的重要舉措。在太陽能電池板的生產製造過程中，可能出現微裂紋、斷柵、污染、電池劣化、擴散不均、虛印等問題，這些缺陷的存在可能會影響光伏電池的光電轉換效率，降低電池使用壽命，影響光伏系統穩定性。傳統的成像系統較難識別出這些缺陷問題，需要採用EL（電致發光）或PL（光致發光）機器視覺定位生產環節中出現的問題，爲產品質量提供可靠的保證。③製造工業行業在工業生產中，機器視覺技術可以用於自動檢測和自動化加工，通過對工件進行檢測和測量，使得整個生產過程更加智能化和高效化。例如在汽車生產質檢中，機器視覺技術可以用於識別零件，檢測生產線上的缺陷和故障，從而提高了整個生產過程的可靠性和質量。2、汽車質檢行業的市場現狀汽車涉及人身安全，所以汽車行業特別重視生產質量。一批零部件中發現1個有質量瑕疵就有可能整批報廢，已出售車輛發現極少數有質量瑕疵也可導致整批車輛召回。今年中央廣播電視總檯3·15晚會上，寶馬“傳動軸異響”問題被曝光。隨後寶馬中國發表聲明，針對“傳動軸異響”問題，已經進行過技術覈查，確認該現象不會影響行駛安全。事實上，2022年至今，寶馬在兩年多時間裏，發佈了19則召回信息，“質量關”已成爲車企首先要解決的問題。近年來，隨着汽車行業的持續發展，汽車的數量也在持續增加，因汽車問題而引發的各類交通事故頻發，爲了更好地規避交通事故的發生，保障人們的出行安全，各大主機廠商對於對於汽車生產過程中的質量檢測標準達到新的高度。目前國內企業中，菲特檢測已實現了從智能“自動化”到智能“無人化”的全方位質檢服務，和汽車工業在線產品100%全檢測。隨着時間的推移，汽車質檢行業逐漸得到了規範和完善，成了一個重要的行業。其檢測設備也在不斷升級和更新，從最初的人工目檢到現在依靠工業機器視覺設備的數字化和自動化檢測，檢測的準確性和效率都得到了極大地提高。3、汽車質檢市場分析①市場需求持續增長從2016年開始，中國汽車行業質量控制市場規模每年超過6000億元，其中生產過程質控（PQ）市場規模超過2000億元。根據中汽協數據，2021年國內汽車銷量2627萬輛，當年生產過程質控市場規模超過2600億元。純電動車（BEV）採用全自動化生產線，生產過程質控要求更嚴格。根據小鵬汽車的數據，2021年純電動車市場佔有率10.9%，對應新增的生產過程質控市場規模約77億元，即每輛純電動車比傳統燃油車增加生產過程質控成本約2700元。按照中信證券的預測，2030年全國汽車銷售量3500萬輛，當年純電動車銷售量約1800萬輛。因此，2030年生產過程質控市場規模將達到4000億元（3500萬輛*10萬元/輛*10%+1800萬輛*2700元/輛）。②行業競爭日趨激烈隨着汽車質檢行業的發展，行業競爭也日趨激烈。一方面，政策法規對汽車質檢行業提出了更高的要求和標準，對汽車檢測機構的資質、設備、人員、流程等方面進行了嚴格的規範和監管，提高了行業准入門檻和退出成本，促使行業向規範化、標準化、專業化方向發展。另一方面，消費者對汽車檢測服務的需求也越來越多樣化和個性化，對汽車質檢服務的質量、效率、價格、便利性等方面有了更高的期待和要求，推動了行業向多元化、差異化、細分化方向發展。4、機器視覺助推汽車質檢發展傳統的汽車零部件檢測方法採用人工目檢的方式，但由於汽車零部件的結構非常複雜，一個產品上存在的檢測點通常多達數十個，這樣會花費大量時間，而且這種檢測模式存在自動化程度低、測量效率低、採樣頻次低、精度低、產品質量缺乏數據支持等問題。數據顯示，一臺汽車所用的緊固件佔汽車總零件的40%，一臺輕型車或者轎車用到的緊固件至少5000個，每類汽車零件具體的結構形狀都不相同，缺陷檢測要點也有所不同。毫無疑問，以傳統的“人工目檢”方式進行汽車質檢，需要耗費大量人力資源，不僅效率低下，而且容易引起檢查員的視覺疲勞，缺陷檢出率低，產品質量明顯得不到保證。“人工目檢”已明顯不適用於現代汽車生產檢測的要求。同時這種測量也不適用於現代化的管理，已不能滿足如今高效高速的生產要求，所以汽車零部件檢測逐步利用機器視覺代替人工檢測，以提高工作效率、準確率，還可以降低人工成本。將機器視覺系統應用於汽車零部件成型產品的內徑尺寸測量、外徑尺寸測量、外觀缺陷檢測等，工業相機和工業鏡頭的完美配合所帶來的高精準度、高穩定性、高通用性大大提高了工作效率，幫助用戶縮短了產品的檢測時間，提高了檢測結果精確度。目前汽車生產製造過程已成爲機器視覺主力應用市場。視覺檢測技術及各類視覺產品將分佈於整條汽車製造流水線，覆蓋整個車身的製造過程，並向汽車產業鏈的各個環節迅速拓展。從國家政策角度來講，汽車質檢行業未來的發展趨勢肯定是朝着智能化、規範化、專業化方向發展的。在信息化時代，汽車檢測機構也將把數字化服務和大數據技術應用到檢測中，提高檢測的準確性和效率，並且在國家加強對汽車行業的監管和標準下，汽車質檢行業市場規模也必然會逐漸擴大。新能源整車製造工序更加複雜，所需精密零部件將明顯增多，對檢測的效率和精準度均提出更高要求；在智能化、輕量化的發展趨勢下，汽車行業對機器視覺的需求度有望繼續提升。隨着技術的不斷進步和發展，機器視覺技術將會更加成熟和完善，爲汽車製造業乃至更多行業帶來更多的好處和機遇。二、工業機器視覺行業概覽1、工業機器視覺工業機器視覺是將硬件如光源，傳感器，相機等集成綜合性儀器同時輔以底層算法用於工業製造方向，協助製造業實現引導、識別、檢測和測量功能，最終促進工業製造智能化，是自動化到智能化的關鍵拼圖，兼具狀態感知（視覺）和自主決策（邊緣控制和AI）的能力。工業機器視覺作爲人類視覺的延伸，具有精確性高、速度快、成本低、易於信息集成等多重優勢，能夠在各種生產環境中替代人工進行高強度連續精準作業，大幅提高工作效率及質量。機器視覺作爲人工智能的一個分支，將是智能工廠中自動化和智能化的重要手段，將是促進社會各行業進入智能時代的關鍵技術、是智能製造的重要支撐，也被稱爲“工業之眼”。①工業視覺的算法技術機器視覺系統的算法軟件部分是利用計算機視覺算法對獲取圖像進行分析，進而爲進一步決策提供所需信息。根據集成程度和開發難度的不同，可以細分爲供集成商和設備商開發使用的底層算法和供最終客戶使用的二次開發的算法包，由於不同工業應用場景之間的差異性以及對精度的高要求，往往需要專門設計對應的軟件算法以滿足工業場景下的視覺需求。②工業視覺的核心功能工業視覺的功能主要有識別、測量、定位、檢測。機器視覺的功能主要分爲四大類，從技術實現難度上來說，識別驗證、引導定位、尺寸測量、外觀檢測的難度是遞增的，而基於四大基礎功能延伸出的多種細分功能在實現難度上也有差異。2、工業機器視覺產業鏈從機器視覺產業鏈角度來看，產業鏈環節較長且下游應用領域衆多。機器視覺產業鏈的上游爲光學設備等硬件和圖像處理軟件是機器視覺產業的基礎；中游製造是機器視覺產業鏈的核心，分爲設備製造環節和系統集成環節；下游應用領域主要爲包裝、人工智能、交通、醫藥、半導體、金屬加工等行業。機器視覺產業鏈上游爲硬件和軟件，目前國內在鏡頭、工業相機等硬件和圖像處理、算法等方面已經成熟，但仍缺少擁有完整產業鏈的機器視覺企業。3、工業機器視覺及其應用機器視覺在工業生產中應用廣泛，常用於遍佈整個生產環節的四類業務應用：視覺引導與定位、模式有無識別檢測、精準測量測距、產品外觀檢測等。概括地說，工業機器視覺系統的特點是提高生產的柔性和自動化程度，主要在一些不適合於人工作業的危險工作環境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；同時在大批量工業生產過程中，用人工視覺檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。而且機器視覺能夠實現自動化集成，軟件集成，是實現智能製造的基礎技術。在不同的應用場景中，機器視覺系統所採用的圖像採集設備、處理方式、架構組成有所不同，主要包括以下三種系統架構：①一體化智能工業相機機器視覺系統：應用於某些特定的如二維碼/條碼識別、溫度紅外識別、視覺引導定位等場景；②基於工業相機和本地算力的機器視覺系統：目前主流的應用方案，分離式的圖片採集系統與基於工控機的處理系統架構使得該方案能廣泛適用於各類工業視覺應用場景；③基於IPC攝像機和雲端算力的工業監控系統：工業應用場景包括安全巡檢、裝配動作合規、倉庫物料盤點計數等。4、利好政策助力工業視覺產業蓬勃發展工業機器視覺是人工智能產業和製造業轉型升級的重要環節，是國家政策重點關注和發展的行業；2016年以來，在人工智能產業和智能製造業升級相關的政策文件中被多次提及，2020年的《工業互聯網創新發展規劃》和2021年的《“十四五”智能製造發展規劃》等文件中均提出重點突破計算機視覺、視覺傳感相關技術，爲工業視覺產業發展提供了政策助力。5、工業機器視覺的市場規模目前全球機器視覺市場趨於穩定，年複合增長率爲9.2%，2023年市場規模達200億美元。中國機器視覺市場起步較晚，但正處於高速增長狀態中，近6年平均增長率接近16%。從中國製造業增加值來看，2017年至2022年持續上升，並且在GDP的比重持續上升。從中國智能製造業產值規模來看，2022年中國智能製造業產值447億元，預計2026年可達1000億元，持續迎來高於20%的增長。而工業機器視覺迎着政策“東風”，搭上智能製造產業“快車”，近年來該市場伴隨全球製造升級需求與中國製造業的高質量發展，規模穩步增加。數據顯示，中國工業機器視覺2022年市場規模爲184億，到2025年將達到470億，行業整體發展增速快。實際情況中，各行各業極多的場景無法用傳統算法及簡單光學場景解決。以汽車行業爲例，衆多的零配件組件都是不規則且凹凸不平的，該類場景傳統的機器視覺或簡單的光學搭建+AI算法根本無法處理。根據調研，用簡單光學方案+傳統算法（或簡單AI算法）可以解決的場景佔不到六成，需要較難光學方案+AI算法解決的場景佔四成。三、AI智能加碼工業機器視覺1、算法、數據成AI智能質量檢測技術影響因素光學場景搭建、AI算法、工業指標、數據是AI智能質量檢測系統的重要組成。光學場景搭建是實現在線質量管理的關鍵點，光學場景搭建難度極高；對於在線智能質量檢測，AI算法的難度在於模型層的搭建；工業指標決定要檢測哪些特徵，並據此搭建光學場景和優化算法。數據在一定程度上決定着檢測結果的準確性，檢測的高精確率和場景落地是AI質檢追求的目標。其中AI算法和數據成爲影響智能檢測系統最重要的因素。①優質數據助力實現質檢高標準在汽車行業中，若是有大量的數據積累，再加之對汽車智能檢測細節的全過程的嚴格把控，就能夠以零差錯的高標準將客戶生產線產品的合格率最大化提升，從而實現汽車企業質量檢測的高標準、高目標。目前菲特檢測已設立“汽車行業生產製造質量控制與管理大數據分析平臺”項目。該項目主要通過光學、AI、人機交互等技術爲汽車製造智能數轉提供了綜合的智能解決方案。②AI算法提升視覺檢測的應用潛力從底層技術來看，AI算法的發展進一步提升視覺檢測的應用潛力。AI算法的快速成熟，將加速視覺檢測應用快速拓展。AI算法是根據產品上的缺陷進行專業標註和深度學習，優點在於：1）可擴展性更強：能夠自動學習和調整算法模型，減少誤判和漏檢；2）自適應性強：能夠自適應環境和場景的變化；3）檢測精度更高：採用深度學習人工智能技術，能夠進行更精確的圖像分析和檢測，檢測精度更高；4）檢測速度更快：採用GPU等並行計算技術，能夠進行快速的圖像處理和分析，提升檢測效率；5）兼容性高：當出現新的缺陷時只需要根據缺陷圖片進行學習訓練，無需修改算法，操作比較便捷。2、AI智能工業機器視覺的價值①助力企業質控提升工廠質量控制體系就是爲滿足產品的質量要求，而實時進行的質量測量和監督檢查系統。特別是在汽車零部件、3C產品零部件與外殼、芯片、紡織品、光伏等行業，外觀質量檢測是非常重要的一個環節，極大影響着產出產品的質量和產品產出速度，受限於大量的質檢人員個體差異和生理限制，測量工具不能將結果及時數字化和智能化等，經常導致了生產質量事故頻發，管理人員難以準確地判斷質量管控運行狀態。②助力企業安全管理生產安全巡檢包含廠區管理、安全生產、環境監控三個方面內容，以及在這些場景中對於人、車、設備等安全狀態的檢查，排查異常情況，及時解決問題和安全隱患。其中安全監控儀表數據的採集和監控是企業數字化管理的基礎，AI工業機器視覺的構建可以將設備數據進行實時採集，大幅提升整體管理效率，並對於異常情況進行及時報警。3、先進AI技術有望切入更多應用場景ChatGPT引爆了人工智能話題，當前AI智能機器視覺重點逐漸從單點技術轉化爲實質應用轉化階段，未來搭載了更先進AI技術的工業視覺可以進一步優化性能適配更多工業應用場景。①功能檢測功能檢測爲智能製造的重要組成部分。AI 智能機器視覺功能檢測主要通過對計算機軟件、算法、機構設計、控制理論、物理學、化學等學科及工藝的運用，利用軟件算法配合自動化設備的使用對產品的各項待測參數進行讀取，從而驗證待測產品，確認產品的特性可以滿足設計需求，實現生產效率的提升，爲客戶達到提質降本增效的效果。具體來看，功能檢測主要包含對待測產品各類物理和化學屬性的測試，已被廣泛應用於消費電子、汽車電子、醫療電子、工業電子及相關電子零部件產品的電學、信號（無線射頻）、聲學、光學、傳感、恆壓力、磁性等方面的性能檢測。以消費電子產品爲例，其產品檢測種類繁多、精度要求高，各類功能檢測廣泛應用在生產環節中。②質量檢測以汽車行業爲例，汽車檢測包括新車下線及在用車檢測兩大類，其中新車下線分爲研發性檢測和強制性檢測。完整的整車開發通常分爲戰略/概念階段、開發階段、產品成熟/生產準備階段，其中研發性檢測集中於開發階段，強制性檢測發生於生產準備階段，從戰略階段到產品成熟一般需要3年時間；強制性檢測指車型導入大批量生產線前，需經由國家授權的檢測機構對新上市車型執行的強制性定型試驗，檢驗合格後可批量生產及上市銷售。新車檢測包括整車－系統－零部件檢測，研發類檢測需求主要受車企研發支出影響。新車檢測項目由整及零涉及整車試驗、系統檢測、零部件試驗三大板塊，其中整車試驗項目包括整車可靠性、NVH、HVAC、EMC、化學分析、整車道路性能六大部分；系統檢測項目包含發動機、車身、剎車、懸掛、電氣等；零部件試驗一般指動力總成、底盤、車身、內外飾、電子電器五大類。③新能源汽車催生新質檢需求汽車質檢作爲汽車產業鏈中的重要一環，其發展趨勢與汽車產業的發展趨勢密切相關。當前，我國汽車產業正處於轉型升級的關鍵時期，新能源汽車、智能網聯汽車等新技術、新產品、新模式不斷湧現，給汽車質檢行業帶來了新的挑戰和機遇。數據顯示，2022年，我國新能源汽車市場呈現爆發式增長，產量和銷量均超過700萬輛，同比增幅均接近100%，佔乘用車市場的四分之一，預計到2025年我國新能源汽車保有量將達到8000萬輛左右。新能源汽車的發展給汽車質檢行業帶來了新的需求和機遇。一方面，新能源汽車的技術特點和使用特性決定了其在安全性、環保性、綜合性能等方面有着不同於傳統燃油汽車的檢測需求。例如，新能源汽車的電池、電機、電控等部件需要進行電氣安全、電磁兼容、電池性能等方面的檢測。另一方面，新能源汽車的市場規模和保有量的增長也爲汽車檢測行業帶來了巨大的市場空間。數據顯示，2023年全年我國新能源汽車質檢市場規模預計達到50億元，佔整個汽車質檢市場規模的7.7%；預計到2025年我國新能源汽車質檢市場規模將達到150億元，佔整個汽車質檢市場規模的15.8%。在新能源汽車、智能網聯汽車等新技術、新產品、新模式不斷湧現的背景下，新能源汽車更新換代速度快，且其生產製造過程往往需要大量的高科技電子設備和其他與燃油車不同的零部件，因此，傳統的機器視覺已經無法滿足新能源汽車產品質檢需求，而搭載先進AI智能技術的機器視覺檢測系統終將成爲未來機動車質檢市場變革的重要力量。四、“工業AI之眼”的前景與挑戰1、未來工業機器視覺發展中國工業視覺發展分爲四個階段，當前處於階段四，科技自主化成爲國家戰略，工業視覺應用的廣度與深度實現快速發展，廣度體現在2D向3D遞進，並且隨着AIGC技術在2023年的飛速發展，應用滲透率提高，國產化應用需求逐漸增加，自研比例不斷提升。目前來說，2D應用仍佔主導，中國由基礎模式匹配向深度學習方向縱向“超越式”發展。①我國機器視覺有較大提升空間整體來看，作爲全球第一大製造國，我國機器視覺滲透率偏低，仍有較大提升空間。1）隨着全球製造中心向中國轉移，2020年亞太區已成爲繼歐洲、北美之後的第三大機器視覺應用市場，佔全球市場份額的25.3%，仍具備較大成長空間。2）從微觀層面來看，若以全球機器視覺龍頭康耐視的收入結構爲參考，2022年康耐視對大中華區收入佔比爲22.6%，明顯低於歐美地區，再次側面反映我國機器視覺滲透率依舊較低。3）細分下游應用來看，我國機器視覺應用仍以消費電子行業爲主，應用領域拓展空間較大。一方面，隨着寧德時代等龍頭客戶對機器視覺應用愈發重視，機器視覺在鋰電行業具備較大增長空間；另一方面，汽車作爲我國智能製造第一大應用場景，機器視覺滲透依舊較低，隨着新能源汽車需求放量，機器視覺應用有望快速增長。此外，機器視覺在半導體、醫藥、物流等領域需求同樣在快速拓展，有望成爲機器視覺行業發展的重要驅動力。②滲透率提升&應用領域拓展據GGII數據，2022年我國機器視覺市場規模約171億元，同比增長24%，2017—2022年CAGR達到25%，2023年有望達到216億元，同比+27%，2027年預計可達566億元，2023—2027年CAGR約27%，穩健增長，可見機器視覺是製造業中少數具備中長期增長潛力的黃金賽道。2、中國AI工業機器視覺市場面臨的挑戰痛點1：數據能力不⾜導致數據閉環⽆法建立汽車、3C、半導體行業規模化程度較高，基本實現從工業2.0向3.0轉換，半導體、3C行業由於零部件規則程度更高更新迭代快等因素，信息化程度更高於汽車行業。其他傳統行業如紡織、食品、化工、機械製造等行業中仍有不少企業停留在電氣化階段，甚至機械化階段。目前，國內進軍工業大數據的企業中不乏巨頭，如百度、華爲、字節、阿里，但是很多場景都受制於工業場景信息化轉化困難（或有限），導致實際通過已有數據來實現智能化的效果不理想。痛點2：工業場景中的檢測、質量管控的信息化和智能化程度低以前工業檢測基本是作業後抽檢，如不達標的產品後續被查驗出來，一方面大概率無法溯源追查出哪個環節發生問題，不僅極爲耗時耗力，而且面臨整批產品被召回的風險。因此，想要實現真正的信息化和智能化，實現各個生產製造環節的在線檢測極爲重要。3、AI工業機器視覺是行業發展趨勢隨着人工智能、計算機視覺等技術的不斷成熟，以及德國“工業4.0”、日本機器人新戰略、美國先進製造夥伴計劃、中國製造2025等政策的不斷驅動，促使工業機器人市場持續增長，也大大促進了機器視覺產業發展。數據顯示，在2018年，全球用於工業自動化領域的機器視覺技術市場規模達44.4億美元，預計2023年將達122.9億美元，年複合增長率高達21%，市場需求巨大。隨着工業機器視覺應用越來越廣泛，被檢測對象越來越複雜，未來機器視覺應用也會從傳統工業視覺向基於深度學習的AI工業視覺過渡。五、總結機器視覺主要具有識別、測量、定位和檢測四類功能，相比人眼優勢明顯，預計至2025年全球機器視覺市場規模將超過1200億元，預計2027年我國機器視覺市場規模將超560億元。從機器視覺產業鏈角度來看，產業鏈環節較長且下游應用領域衆多。機器視覺產業鏈的上游爲光學設備等硬件和圖像處理軟件是機器視覺產業的基礎；中游製造是機器視覺產業鏈的核心，分爲設備製造環節和系統集成環節；下游應用領域主要爲包裝、人工智能、交通、醫藥、半導體、金屬加工等行業。目前國內在鏡頭、工業相機等硬件和圖像處理、算法等方面已經成熟，但仍缺少擁有完整產業鏈並搭載先進AI技術的機器視覺企業。隨着技術的不斷成熟，國內AI視覺市場在未來10年將保持比整體機器視覺市場更加高速的增長，而未來能夠做到技術自主可控，並且率先取得AI智能檢測技術驗證的企業將更具競爭力。