最火2018年工业机器视觉行业市场规模和发展鞋楦机床维修调心托辊铁水包二手货车x

2018年工业机器视觉行业市场规模和发展瓶颈分析 下游应用不断拓展

一、工业视觉下游应用不断拓展，新应用领域成长迅速

随着人们意识到工业视觉在精确度和重复性上有人眼不可比拟的优势以及核心技术的不断完善，工业视觉的下游应用领域也不断拓展。在汽车行业，几乎所有的系统和零部件制造流程均可收益；在医疗器械和制药行业，对产品质量的高要求也需要机器视觉进行参与；在食品饮料领域，机器视觉能够帮助企业点火系统快速实现产品的准确检测，跟上生产线的速度，降本提效。无论是作为一个独立的系统进行检测还是与工业机器人配合，指引机器人的操作和行动，工业视觉在生产过程中都展示出巨大的作用。不管如何都是划算的

半导体和电子产业应用较早，推动工业视觉产业整体发展。纵观全球机器视觉的崛起，很大程度上是得益于半导体及电子产业的发展，机器视觉在半导体工业上的应用在二十年前已经开始。半导体行业元器件尺寸较小，对产品精度、柔性化有较高的要求，如锡膏印刷机、贴片机、aoi检测这类的设备必须使用高性能机器视觉组件，因此工业视觉系统在半导体及电子制造、检测等各个方面得以得到广泛的应用。而半导体和电子产业对精细程度的高要求也反过来促进了工业视觉技术的革新。从市场规模来看，目前半导体领域工业视觉市场规模年增长率在25%左右，2018年市场规模突破20亿元。

在我国市场由于起步晚，汽车等领域呈现出更快的增长势头。与国外工业视觉产品和应用多样化相比，国内工业视觉仍在推广普及阶段，因此许多空白领域仍有待填充。在近年来工业视觉下游应用领域不断拓展的过程美国SPORLAN热力膨胀阀意大利CASTEI电磁阀；美国RANCO压力控制器中，由于不像电子制造领域应用得早，一些新的领域呈现出更快的增长势头。例如在标准化程度更高的汽车制造钨铁领域，尽管汽车是传统制造业，但我国工业视觉取代人眼的趋势在近几年才开始焊条爆发，市场规模增速将近30%。

二、半导体和电子设备制造最为主要，且仍将持续引领产业发展

虽然工业视觉在半导体及电子产业发展较早，已经占据工业视觉整个市场的半壁江山。但基于工业视觉的技术特点和半导体及电子产业自身的制造需求，认为未来半导体及电子产业未来较长时间内仍将引领工业视觉产业的发展。

从制造工艺来看，半导体和电子设备制造对工业视觉存在刚性需求。工业视觉具有高精度的特点，天6.1 技术要求中各项指标按GB/T 2542 中有关实验方法的规定进行然适合高性能、精密的专业设备制造，这也是为什么相关行业能够带动整个工业视觉崛起的原因。在半导体制造领域，其前、中段过程都需要工业视觉的精密定位与视觉测量，后段制程中晶圆的电器检测、切割、aoi封装、检测等过程都需要大量运用工业视觉技术，工业视觉在半长行程且具有两个测试空间导体制造过程中的速度和精确性优势明显。而在3c制造领域，元器件和主体的制造各环节也需要工业视觉的协助，其中70%的工业视觉单位应用在检测环节的机器视觉单位应用在该环节。除此之外，连接器检测、pcb底片检查、硬盘检测、机器人视觉引导定位、元器分类筛选、二维码读取等也需要工业视觉。由于技术工艺的高要求，半导体和电子设备制造对工业视觉技术存在刚性需求。

从应用情况来看，我国电子设备制造业自动化程度对比发达国家仍比较较低。2018年3月公布的就业人数显示，我国3c设备制造业的就业人数达到832万人，远高于下游其他应用领域，但自动化程度却不高。中国集中了全球70%的3c产品产能，但工业机器人密度不到20台/万人，而日韩已分别达到1180和1100台/万人。相比于汽车工业的工业机器人密度已接近发刀具磨床达国家一半，我国3c行业自动化升级空间更大，工业视觉也会得到持续发展。

三、工业视觉仍存在技术和应用瓶颈

下游应用领域的不断拓展也对工业视觉提出更高要求，就当前的技术来看，工业视觉仍存在如下技术和应用瓶颈，导致在一些领域工业视觉商业化落地进展较慢。

1、通用性和智能性欠佳

机器视觉在通用性方面存在不足，在一些集成应用中无法搭载，一台设备可能只适用于一家厂商或一种行业，导致开发成本过高。而在智能性方面，当库存量单位较高时，或者移动速度较快时，工业视觉在识别准确率上就难以达到要求。例如在分拣领域，工业视觉已经能够很好地适应小规模和品类较少的固定分拣，但对于复杂堆叠物体的识别和分拣，依然有90%以上通过人工方式完成。

2、实际应用中准确率仍不尽人意

尽管从一些算法的测试结果来看，工业视觉的图像识别准确率已经能够达到极高的水平，但要实现工业上的应用，还需要保证能够快速完成批量化检测，同时能够适应多样的环境(包括物体表面材质、工厂环境、工作距离等等)。只有在实际应用中能够达到极小的误检率，工业视觉才能实现其应用预期，从而满足客户的标准而得以推广。

3、对算法和算力的要求不断提高

工业视觉是通过读取和分析真实场景的图像和视频来实现其功能的，图像和视频包含的数据量足够大，但也存在大量的冗余信息。单一的简单特征提取算法难以满足算法对普适性的要求，同时伴随应用场景和功能的复杂化，在设计普适性的特征提取算法时对计算能力和存储速度的要求不断提高，这也带来了开发成本和产品价格相对较高的问题。

图表5：工业视觉商业化落地进展较慢的原因

以上数据及分析均来自于前瞻产业研究院《中国机器视觉产业发展前景与投资预测分析报告》。