1.产业趋势：高端制造新军突起，机器换人大势所趋
1.1.智能制造国之重器，先进制造占比提高
高端装备制造助力步入工业 4.0 新时代。工业 4.0 的概念最早由 2013 年德国提 出，重点强调“通信”和“连接”，包含了“智能工厂”、“智能生产”和“智能 物流”三大主题，标志着在新一代信息技术的引领下，大数据、云计算、人工智 能、物联网等技术成为新的生产力，在制造业转型升级的过程中提供重要助力。 区别于前三次工业革命，工业 4.0 的根本变化是通过物理技术和数字技术的融合 实现生产系统的有机整合，“数据信息”成为了工业生产中的关键原材料，制造 业最终将成为信息产业的一部分。
在全球范围内，自动化设备替代人力劳动生产的趋势不断推进，自动化设备销售 量逐年提高。根据美国市场研究公司 Transparency Market Research 的数据 显示，2018 年全球工业自动化市场规模达 2,272.9 亿美元，到 2027 年底，全 球工业自动化市场的价值预计将达到 4,380.8 亿美元，CAGR 达 7.56%。国内 方面，中国工控网的数据显示 2004 年-2019 年我国自动化及工业控制市场规 模也已从 652 亿元增长至 1,865 亿元。
助力产业升级，政策驱动“中国制造”向“中国智造”转型。2015 年 5 月，国 务院正式印发《中国制造 2025》， 部署全面推进实施制造强国战略。2021 年 底，工信部等八部门联合印发了《“十四五”智能制造发展规划》（以下简称“《规 划》”），明确提出到 2025 年转型升级成效显著、供给能力明显增强、基础支撑 更加坚实，到 2025 年 70%的规模以上制造业企业普及数字化，到 2035 年全 面普及数字化网络化，重点行业骨干企业基本实现智能化。《规划》还提出智能 制造装备和工业软件技术水平和市场竞争力显著提升的要求，2025 年市场满足 率分别超过 70%和 50%，研发数字化非接触精密测量、在线无损检测、激光跟 踪测量等智能检测装备等。作为数字经济的重要组成部分，“十四五”期间制造 业与人工智能等信息技术的融合将加速，我国智能制造的发展将进入高景气时期。
新能源、半导体、汽车、航空航天等高端制造业占比提升，对工业智能化水平提 出更高要求。随着先进制造在我国的占比提升，工业生产线上人眼在精度、效率 等方面已不能满足产业升级的要求。如何借助机器视觉等智能化技术替代传统人 工操作，实现提质、降本、增效，成为制造业的共性需求。未来随着“中国智造 2025”战略的加速推进，工业制造自动化、智能化程度有望不断加深，机器视觉 这一技术将得到更广泛的应用。
1.2.人口红利逐步衰减，自动化降本刻不容缓
人口红利逐步衰减，劳动力成本压力倒逼企业智能化转型。根据经济学家索洛提 出的新古典经济增长模型，“人口增长”和“技术进步”是经济增长的两大源泉， 但我国人口结构于 2011 年到达刘易斯拐点，劳动力从过剩转为短缺，人口老龄 化现象严峻。据国家统计局数据显示，中国 15-64 岁劳动年龄人口比重自 2011 年开始下降。我国城镇制造业人数也自 2015 年已经步入负增长，人口红利逐步 消失。
与此同时，我国制造业平均工资从 2015 年的 55,324 元攀升至 2021 年 的 92,459 元，企业的劳动力成本压力凸显。中国企业—劳动力匹配调查（China Employer-Employee Survey，CEES）则显示，“劳动力成本”已经成为妨 碍企业发展的头号因素，超过了市场需求、技术人才、创新能力等。因此，我国 制造业摆脱“人口红利”旧模式、拥抱“智能化红利”新模式将成为不可逆的产 业路径选择。
疫情等外部因素改变工厂的生产模式，加速推动智能制造转型升级。严格的疫情 防控政策不可避免会对企业的开工时间、人员稳定性、承诺交期等产生不确定性 影响，直接或间接增加了企业的综合成本。今年以来疫情频发，国内用工难、用 工贵的问题进一步凸显，我国纺织服装等出口产业相较越南、印度等国的优势进 一步缩小，2022H1 我国出口金额 11.14 万亿，同比增长 13.2%，略低于越南 同期增速。我们认为，疫情等外部扰动因素一定程度上加速推动了工厂的无人化、 智能化水平，打造智能化“黑灯工厂”将是制造业企业的当务之急，机器视觉产 业发展迎来短期加速窗口。
日韩经验提供他山之石，我国机器换人正处于黄金成长期。亚洲是全球最大的工 业机器人市场，日本和韩国作为智能制造强国，在电子、汽车等高端离散制造产 业具有举足轻重的地位。我们以工业机器人密度作为衡量一个国家自动化程度的指标，根据 IFR 的数据，韩国自2010 年以来一直位列全球工业机器人密度最高的国家，超过全球平均水平的 7 倍；日本作为全球自动化制造大国，独占全球工业机器人四大家族中的两席，2020 年供应了全球近一半的工业机器人产量。
而我国的自动 化渗透率程度较低，2020 年我国工业机器人密度仅为 246 台/万人，虽然相较 2015 年的 49 台/万人已有明显提升，但仍远低于韩国的 932 台/万人和日本的 390 台/万人。2021 年，中国工业机器人市场在疫情反复、全球缺芯、限电停产 等诸多扰动下仍实现出货 256,360 台，同比增长 49.5%。此外，《“十四五”机 器人产业发展规划》提出“2025 年工业机器人密度将增长至 450 台/万人以上”， 可见我国机器换人正处于黄金时期。
1.3.AI技术持续迭代，机器视觉加速落地
深度学习算法持续进化，拉开人工智能新时代。人工智能的迅速发展正在深刻改 变人类社会生活、改变世界。2016 年 AlphaGo 打败人类顶尖棋手李世石，开 启了人工智能发展的新纪元。随后，Google 团队在 2017 年提出的 Transformer 模型横空出世，成为了日后自然语言学习（NLP）、计算机视觉（CV）的架构标 准；基于 Transformer 的预训练模型 BERT 更是将 NLP 模型的精准度和泛化 能力带上了新的台阶；2020 年拥有 1750 亿参数的 GPT-3（Generative Pretrained Transformer 3）的诞生，标志着“大模型”正在成为迈向强人工智能 的重要一步。
深度学习技术提升了机器视觉的应用落地能力，驱动产业加速发展。目前主流的 机器视觉技术仍采用传统的机器学习训练方法，即在结构化场景下首先将数据表 示为一组特征，分析特征或输入模型后，输出得到预测结果。但随着机器视觉的 应用领域扩大，传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。 深度学习对原始数据通过多步特征转换，得到更高维度、更加抽象的特征表示， 可以将机器视觉的高效率和与人类视觉的灵活性相结合，完成复杂环境下的检测， 特别是涉及偏差和未知缺陷的情形。通过深度学习对模型鲁棒性的提升，极大地 拓展了机器视觉的应用场景，使机器视觉系统更加具备柔性，加速其在工业领域 的渗透。
本土人工智能研发投入如火如荼，中国机器视觉厂商正弯道超车。早在 2017 年国务院颁布的《下一代人工智能发展计划》中就有提出，到 2030 年我国人工智 能核心产业将实现规模一万亿元，《规划》已把发展人工智能上升到了国家战略 的高度。在工业机器视觉领域，国内企业对 AI 算法的研发投入高度重视。
根据 中国机器视觉产业联盟 2021 年度企业调查，AI 驱动的解决方案方向的研发投 入占全行业研发比例的 21.8%，为所有研发方向中最高。以凌云光自研的 VisionWare 为例，该算法库已经迭代至 5.0 版本，尽管其算法处理精度与国际 巨头康耐视仍存在差距，但效率略有优势，算法识别率已基本持平。因此，我们 认为随着国内企业在 AI 算法上重点发力，将少样本、无监督学习等新技术融入 到深度学习中，提高算法的泛化能力，将机器视觉应用于复杂度更高的场景，有 望进一步缩小和海外巨头的技术差距，甚至弯道超车。
2.需求逻辑：机器之“眼”优势凸显，百亿赛道长坡厚雪
2.1.AI赋能工业制造，多重优势替代人眼
机器之“眼”替代人眼，赋能工业制造。根据美国制造工程师协会（SME）机器 视觉分会等机构的定义，机器视觉工作过程是通过光学装置和非接触式传感器自 动地接收、处理真实场景的图像，目的在于获得所需信息或用于控制机器人运动。 一个典型的机器视觉系统一般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，其中光源及光源控制器、镜头、 相机等硬件负责成像，视觉控制系统负责对成像结果进行分析、输出结果至其他 执行部件。机器视觉系统的“读取信息-传输信息-处理信息”的过程与人眼的运 作机制对应，可谓人类视觉在工业界的延伸。
机器视觉相比人眼具备明显优势。人眼能力所及：机器视觉无疲劳感，可以 7 x 24 小时运转，不会受到情绪 的干扰，在适应性、重复性、可靠性方面优于人类，使得工业视觉系统可以 提升产品的良品率，加快产线运转的速度。人眼能力不及：机器视觉镜头与相机统具有较宽的光谱响应范围，例如使用 人眼不可见的红外光进行测量，可扩展人眼的视觉范围，分辨细微管脚与裂 纹，辨识微弱的色差区别，在精确性、客观性、速度与效率方面优于人类。
2.2.识别、测量、定位、检测，机器视觉的四大典型应用场景
识别、测量、定位和检测等四大应用场景，实现难度依次递增。识别：甄别目标物体的物理特征，包括外形、颜色、字符、条码等，其准确 度和识别速度是衡量的重要指标。常见的应用场景是 OCR，读取零部件上 的字母、数字、字符（例如条形码、二维码等）用于溯源。测量：把获取的图像像素信息标定成常用的度量衡单位，再精确计算出目标 物体的几何尺寸，主要应用于高精度及复杂形态测量。定位：获取目标物体的位置信息（二维或是三维），进而辅助执行后续操作， 常用于元件对位、辅助机器人完成装配、拾取等。检测：主要针对目标物体的表面状态，判断产品是否存在缺陷，通常用于零 部件缺陷、污染物、功能性瑕疵检测等。
机器视觉产业链呈现“一条主线，多点开花”。上游：机器视觉产业链的上游主要包括以光源、镜头、相机为首的核心零部件和底层的软件算法库。据中商产业研究院的数据统计，上游的零部件和软件开发环节几乎占据机器视觉系统成本80%。中游：产业链的中游主要包括视觉系统和智能视觉装备。视觉系统是光学成像模块（眼睛）与图像处理系统（大脑）的集合体，可以独立完成图像采集功能并基于图像采集的信息完成预期的处理工作（如定位、测量、检测和识别等）。智能视觉装备在系统的基础上增加了结构本体和自动控制部件，实现检测/生产工艺的控制和执行，给机器又植入了受大脑控制的“肌肉”和“四肢”。
下游：产业链下游通过系统集成商致力于将智能视觉设备与生产工艺相结合， 下游面向 3C 电子、汽车制造、新能源等众多细分行业，并随着技术渗透率 的提升行业下游呈现“多点开花”的态势。
2.2.1.3C电子：落地机器视觉技术的行业基本盘，品类渗透加速
全球 3C 电子产业向发展中国家转移，高精度、换代快等特点助推机器视觉技术 迭代，应用场景延伸和品类拓展有望持续推动我国 3C 行业机器视觉渗透率提 升。2021 年，我国电子信息制造业收入同比增长 14.7%，逐步成为全球最大的 电子信息产品制造基地，全球电子信息制造业从发达国家向新兴发展中国家转移 趋势明显。
由于消费类电子行业元器件尺寸较小，检测要求高，天然适合机器视 觉系统落地，其高精度要求也反向推动了机器视觉技术的革新。此外，消费类电子行业产品生命周期短、更新换代快，制造企业需要频繁更换产线设备，进一步 增加了对机器视觉行业的需求。根据 CMVU 统计，2019-2021 年中国机器视 觉在 3C 电子销售增速高达 34%。未来，随着机器视觉在 3C 制造中的应用场 景由低精度的二维码、字符识别进一步延伸至超越人眼极限的高精度组装与加工， 叠加终端产品从手机拓展至耳机、平板、手表、VR/AR 等品类，机器视觉在 3C 电子行业的渗透率有望持续提升。
2.2.2.汽车：智能汽车向“大型电子产品”演进，视觉检测迎来新需求
电动化、智能化产业趋势带来机器视觉产业沃土。汽车制造领域中的零配件检测、 装配校验检测、涂胶检测等都离不开机器视觉技术。例如，3D 视觉系统可以以 高精度间隙对准每一辆车的拼接缝，并对车门和车身进行全面检测，效率和准确 率都高于人眼检测。汽车产业的电动化、智能化将推动汽车向“大型电子产品” 演化，电子零部件成本占比可能超过整车 50%，雷达（激光、毫米波、超声波）、 传感器、通信（GPS、DSRC、4G/5G）、摄像头、检测、娱乐系统将会大幅提 升，行业提升具备机器视觉检测技术的装备的需求。2021 年，我国新能源车销 量同比大增 157.6%至 352.1 万辆，同期机器视觉的汽车行业规模已超过 10 亿 元。
2.2.3.锂电：行业维持高景气，电池厂扩产带来视觉装备需求井喷
锂电池工艺复杂，机器视觉应用场景丰富。电芯前段工序：在涂布、辊压等环节，锂电池表面容易产生露箔、暗斑、亮 斑、掉料、划痕等缺陷，机器视觉主要应用于涂布的涂覆纠偏、尺寸测量， 极片的表面瑕疵检测、尺寸测量、卷绕对齐度等环节。电芯后工序：主要应用于裸电芯极耳翻折、极耳裁切碎屑、极耳、入壳顶盖 和密封钉焊接质量检测以及电芯外观检测、尺寸测量、贴胶定位等。模组和 PACK 段：主要应用于底部蓝胶、BUSBAR 焊缝、侧焊缝、模组全 尺寸和 PACK 检测等。
新能源汽车蓬勃发展，带动锂电行业的机器视觉呈井喷态势。国家统计局的数据 显示，2021 年中国锂电池产量已达 232.6 亿只，同比增长 23.4%。据 GGII 不 完全统计，2021 年中国动力电池投扩项目 63 个（含募投项目）、投资总额（含 拟投资）超过 6,218 亿元，长期规划新增产能已经超过 2.5TWh。锂电产能的快 速增加带动机器视觉高速发展，2021 年市场规模达到 17.7 亿元，2019-2021 年 CAGR 高达 110%。
2.2.4.光伏：良率要求提高，推动硅片分选机放量
光伏行业发展迅猛，带来机器视觉检测需求爆发。光伏电池片的生产可能产生碎 片、电池片隐裂、表面污染、电极不良等缺陷，如何提升产品良率、电池的光电 转化效率和使用寿命是行业痛点，催生光伏硅片分选机等设备快速放量。2018- 2021 年，中国太阳能电池产量 CAGR 达 35%，2021 年同比增速达 42%，行 业迎来加速成长期，同期带动机器视觉的光伏行业应用规模由 2019 年 2.6 亿元 快速提升至 2021 年的 6.5 亿元，CAGR 高达 58%。
2.2.5.非工业：传媒、安防、物流、交通等消费级应用正成为新发展方向
机器视觉应用方向包含工业级与消费级，产业边界趋于模糊。根据机器视觉联盟 （CMVU）的数据，用于消费电子、半导体与新能源等板块的工业级机器视觉合 计占比 79.8%；相比之下，用于消费级机器视觉的安防与监控、物流分拣以及智 慧交通等领域占比仅 17.0%，但份额逐年提升。
随着 AI 和 5G 技术的商用落地，机器视觉不再局限于工业领域。机器视觉结 合三维重建、动作/表情捕捉、渲染等技术可实现人脸、表情、动作、衣物的还原， 构建模拟逼真的人物形象，此外还可利用人脸识别、动作识别、物体追踪等技术 模拟人的视觉能力。因此，机器视觉在影视、游戏、直播、文旅等领域还有施展 拳脚的空间。
2.3.全球市场空间广阔，国内市场渗透率低，对标欧美成长性高
2.3.1.对标欧美成长性高，2025年全球达147亿美元市场空间
全球机器视觉市场稳健增长，下游市场空间近千亿美元。根据 Markets and Markets 的数据，全球机器视觉器件市场规模保持稳健增长态势，预计 2025 年 将达到 147 亿美元。我们认为，未来传统制造业机器视觉渗透率提升叠加新兴 行业催生的市场需求，有望推动全球机器视觉行业持续稳健增长。此外，考虑到 机器视觉下游的智能视觉装备单位价值量更高，市场空间约为产业链中上游器件 市场的 6-7 倍，我们预计全球机器视觉系统市场空间将接近千亿美元。
欧美机器视觉市场成熟度高，中国市场发展势头强劲。欧美国家得益于深厚的工 业基础，在高端制造领域广泛使用机器视觉设备，市场成熟度高，2015-2020 年市场增速 CAGR 仅 13.83%。而中国市场发展势头强劲，根据中国机器视觉 产业联盟的数据，中国机器视觉行业规模从 2018 年的 101.80 亿元增长至 2020年的 144.20 亿元，CAGR 达 19.02%，2023 年有望达到 296.00 亿元，2021- 2023 年 CAGR 高达到 28.0%。不过根据 Wind 数据，2021 年中国的制造业 增加值占全球比例达 30%，高于美、日、德、韩的总和，但机器视觉市场全球占 比仅 24.6%。我们认为，随着产业升级和制造业高端化，中国机器视觉市场全球 规模占比有望超过逐步超过前述 30%的数据，提供国产机器视觉厂商迭代行业 Know-how、参与全球竞争的舞台。
2.3.2.3D视觉方兴未艾，全球规模2025年将突破百亿美元
3D 视觉作为机器视觉的重要发展方向，预计在 2025 年达到全球 150 亿元美元 的市场规模。根据法国市场研究与战略咨询公司 YOLE 发布的全球 3D 成像和 传感市场研究报告，2019 年全球 3D 视觉感知市场规模为 50 亿美元，且市场 规模将快速发展，预计在 2025 年达到 150 亿美元，2019-2025 年 CAGR 达 20%。。目前，消费电子占比 40%，是最大的应用领域，工业紧随其后排名第二， 占比达 21%，其次为航天航空和汽车。YOLE 预计随着汽车智能化的渗透加速， 用于自动驾驶、座舱内摄像头的 3D 视觉将是未来五年增长最快的细分。根据高 工产业研究院的数据， 2025 年我国机器视觉市场规模将达到 415.92 亿元，其 中，3D 视觉市场规模将达到 104.35 亿元。占比超过 25%。
2.4.竞争格局：欧美、日本占据龙头，国内格局较为分散
基恩士和康耐视为全球龙头，合计全球市场份额达 64%。国际领先的机器视觉 公司康耐视 2021 财年和基恩士 2021 财年的营业收入分别约为 66.91 亿元和 323.42 亿元。结合 Markets and Markets 对全球中国市场的估计，2021 年日 本基恩士全球市场份额为 55%，中国市场份额为 38%；美国康耐视全球市场份 额为 9%，中国市场份额为 7%。两大龙头体量远大于国内的奥普特、天准科技 等一流厂商，国内仍以中小规模企业为主，相比国外龙头有较大的成长空间。
国产化进程加速，自主产品销售占比持续提升。尽管我国机器视觉行业起步较晚， 最开始主要从事国外产品代理，但随着本土厂商技术和经验的积累，国内机器视 觉企业开始凭借更定制化的本土服务和显著的成本优势参与市场竞争，自主研发 产品比例不断扩大。2019-2021 年，自主产品销售额从 85.9 亿元增长至134.7%，CAGR 达 25.2%，自主产品销售占比也从 79.2%提升至 82.2%。 2020 年中国机器视觉专利达 3124 项，是美国的 18 倍，行业技术格局已发生 根本性的变化。根据 CMVU 调查数据，2021 年中国机器视觉销售额排名前五 分别是凌云光、大恒集团、奥普特、宝视纳和华睿科技。在细分领域， 2021 年 本土领军企业凌云光在消费电子领域市场份额已达 22.4%，位列国内第三，仅次 于康耐视和基恩士。此外，公司在印刷包装领域已经占据 21.1%的行业第一份 额。
国内竞争格局相对分散，集中度下降，国产厂商加速追赶。机器视觉的下游应用 呈现碎片化和定制化，行业的集中度较低，单个企业也呈现多型号、小批量的业 务结构特征。根据机器视觉产业联盟（CMVU）2021 年度企业调查结果，机器 视觉的市场集中度呈下降趋势。2019-2021 年，销售额 CR5 从 37.7%下降至 31.3%，销售额 CR10 从 51.3%下降至 43.1%。考虑到较成熟的国外市场相 比，我国机器视觉行业仍处于生命周期的早期，市场远未饱和，我们认为短期内 中国机器视觉市场规模会随自动化水平的提高而增加，行业集中度将保持较为分 散。
3.竞争壁垒：技术实力决定产品层次，国产替代方兴未艾
机器视觉核心价值集中于产业链上游，硬件工艺与软件算法决定产品技术天花板。 机器视觉设备价值可拆分为上游零部件与软件、中游组装集成与售后维护，其中 上游占据了80%价值量，技术壁垒最高；硬件部分当中工业相机价值占比达 50% 以上，由图像传感器、图像采集卡与各类芯片组成，技术壁垒极高。
技术路径多线汇集，机器视觉公司各有所长。机器视觉系统由多个软、硬件产品 组成，基于同一技术平台的部件集成有利于系统稳定可靠，但由于其中各部件技 术路径相对独立，行业内除基恩士之外的多数企业都只专注于其中一个或几个部 件，比如康耐视的核心在于视觉软件，国内的奥普特擅长光源及控制器，自主化 领域各有不同。
3.1.硬件：光源、相机国产化率高，镜头任重道远
光源是机器视觉的照明系统，直接决定成像质量和算法效果。机器视觉光源主要 包括 LED 光源和光源控制器，用于增加对比度以分离图像目标与背景，是后期 图像采集与处理的基础，因此光源的质量直接决定图像分析的难度。光源技术从 传统卤素灯、荧光灯到现在普遍使用的 LED，再到 3D 视觉应用的结构光、激光 光源，场景应用逐步多元化，方案针对性也逐步提升。例如在一个视觉应用的光 源选型中，厂商需要根据客户提出的需求，综合考虑光源的照射角度、照射方式、 光的平行性、柔和性等因素选择适合光源的型号和组合，是一个复杂的非标定制 环节。
光源是机器成像的基础，中国光源厂商进入较早份额领先。光源的国产化率较高， 市场集中度也较高，已成功进入国际市场，主要厂商有奥普特、康视达、沃德普、 乐视等。其中，奥普特是国内最早起步的光源厂商，截至公司招股书发行日已共有 38 个系列、近 1000 款标准化产品并提供定制化的光源服务，2021 年公司 实现光源业务收入约 3 亿元，保持国产领先。
镜头是机器视觉图像采集部分重要的成像部件，海外厂商优势明显。与普通镜头 相比，工业镜头要求清晰度更高、透光能力更强、畸变程度更低等，需要考虑焦 距、视场角、光圈以及景深等因素。选取恰当的机器视觉光学镜不仅有助于后续 图像处理工作，而且可以降低设备成本。在工业镜头领域，海外企业进驻较早， 研发实力强劲，品牌影响力较大，在高端工业镜头市场占据竞争优势，如德国施 耐德、日本 CBC Computar 等。我国虽然起步较晚，但涌现出了优秀的镜头公 司如广州长步道、东正光学等企业。
工业相机实现光信号转换，本土品牌有望实现全面国产替代。工业相机是工业视 觉系统的核心零部件，其本质功能是将光信号转变成电信号，要求产品具有较高 的传输力、抗干扰力以及稳定的成像能力。随着设计技术和制造工艺的不断提升， 成本更低、分辨率更高、集成度更高的 CMOS 图像传感器逐渐替代早期的 CCD 传感器。目前市面上的工业相机主要有面阵相机、线阵相机、3D 相机以及智能 相机。据 CMVU 的统计，2015 年后，中国涌现出了一批有规模的、有竞争力 的国产品牌，如海康机器人、大恒图像、华睿科技等年产十万颗以上的公司。2020 年，国产相机销售数量占比已超过 80%，有望在不久的未来实现对进口的全面 替代。
3.2.软件和数据：沉淀数据构建壁垒，新兴产业划定“新起跑线”
软件是机器视觉产业的核心中枢，机器视觉为机器植入“眼睛”和“大脑”，其 背后的本质是数据的积累和算法的迭代。机器视觉的普及为海量数据的获取提供 了便捷的途径；而深度学习算法、新型计算成像技术等前沿工具的普及又拓宽了这双眼睛的适用范围，由此形成“数据->算法->更多的数据->更优的算法”的 飞轮效应。
与简单的传感器不同，视觉传感器生成大量图像数据，在 AI 和深度 学习算法的帮助下可不断学习并优化，提取出更丰富的特征信息，推动模型迭代， 新一步提升效率和准确率。机器视觉下游应用场景纷繁复杂，需要借助大量的数 据积累优化算法库，提升行业 Know-how。国内视觉处理分析软件一般建立在 OpenCV 等开源视觉算法库上做二次开发，或直接采购 Halcon（德国 MVTec 公司）、 Vision Pro（美国康耐视公司）等经历了二十多年数据沉淀的第三方商 业付费算法库。 图 52. 国内算法以二次开发为主，AI 算法
新能源行业自动化的普及和深入，为本土机器视觉企业带来了弯道超车的机遇。 在汽车、3C 等传统制造业，虽然国产机器视觉企业在工艺数据积累、打通关键 客户上存在差距，短期内较难获得快速发展，但是在新兴行业，本土企业迎来了 前所未有的发展机会。例如，2021 年中国的动力电池出货量已达全球的一半， 我国光伏新增装机已持续 7 年位居全球首位，光伏产业链的本土化率更是达到 70%以上。我们认为，在具有本土优势的新兴行业中，国内企业与国外的龙头公 司在行业 know-how 的积累上基本处于同一起跑线，且没有传统行业历史上紧 密的客户绑定关系，有望在新兴产业的机器视觉领域弯道超车。
3.3.创新能力：3D视觉前景广阔，技术迭代打开应用空间
2D 机器视觉技术具有局限性，3D 可以作为有效补充。使用 2D 机器视觉技术 可以获取二维图像，在三个自由度（x、y 和旋转）上定位被摄目标，并基于灰度、 对比度的特征进行分析。但 2D 技术存在无法提供物体高度、平面度、表面角度、 体积等三维信息、易受光照变化影响、对物体运动敏感等局限性。3D 技术增加 了旋转、俯仰、横摆三个维度，更能还原真实立体世界，通过 3D 视觉传感器采 集 3D 轮廓信息，形成 3D 点云，实现平面度、翘曲度、段差、曲面轮廓度等 3D 尺寸量测。
3D 视觉技术主要包括双目、结构光、ToF、和激光三角测量。双目技术：通过模仿人眼用两个摄像头观察同一景物，具有系统结构简单、 实现成本低，识别距离远等特点，目前应用较为广泛，但其弊端为算法复杂， 计算量大，不适合在光线较差的环境中使用。
飞行时间法成像技术（TOF，Time Of Flight）：通过给目标物连续发送光 脉冲，通过探测光脉冲发射到返回的飞行时间来得到目标物距离，具有响应 快、软件简单、识别距离远等特点，缺点是分辨率低、不能精密成像且成本 较高。3D 结构光：从光源投射出一定结构（比如黑白相间）的光线，通过条纹/斑 点的变形计算图形的三维图像，其计算简单、精度较高，普及度较高。2017 年苹果发布的 iPhone X 就搭载了前置 3D 结构光传感器用于 Face ID 的 人脸解锁。激光三角测量：与 3D 结构光技术类似，区别是以激光作为光源来确定空间 物体的三维坐标，精准度高、成本低，但不适于远距离测量。
工业控制对精度、柔性的要求高，场景还原度更好、鲁棒性更强的 3D 有望加速 渗透。尽管目前 2D 视觉可以满足绝大部分行业对检测的需求，但涉及到立体工 件、精度要求高的检测仍需 3D 视觉来配合。通过增加 3D 视觉模块，增加工业 机器人的环境感知能力，可以拓宽应用场景。例如，3D 视觉能使机器人更加精 准地定位被操作物，实现更高难度的不规则包裹抓取、非标金属部件焊接等操作， 机器人柔性大幅提升。根据 MIR 的预测，搭载 3D 视觉的工业机器人渗透率将有望从 2021 年的 4%提升至 2025 年的 10.5%，出货量 CAGR 达 46%。
3D 视觉技术在消费级应用上空间广阔。消费电子：2017 年 9 月以来，苹果公司的 iPhone X、iPhone 11、iPhone 12 手机系列均搭载了前置结构光 3D 视觉传感器，并在 iPhone 12 Pro 上 同步搭载了基于 dToF 技术的后置激光雷达扫描仪；安卓端包括华为 Mate 系列、P 系列，OPPO Find X，魅族 17 Pro、18 Pro 等陆续有十余款智 能手机分别在前置和后置视觉传感器中不断尝试使用结构光和 ToF 技术。 通过在智能手机、平板设备、电视等智能终端设备上搭载 3D 视觉传感器可 以使其具备 3D 人脸识别解锁、沉浸式交互、体感交互等能力，从而带来更 安全、更好的用户体验。
AIoT：3D 视觉传感器可以被搭载在 3D 空间扫描设备、服务型机器人、 AR/VR设备等终端上以实现传统 2D相机无法实现的功能，例如三维重建、 避障导航等；在服务机器人应用领域，3D 视觉传感器可以帮助服务机器人 高效完成人脸识别、距离感知、避障、导航等功能，使其更加智能化。目前 已实现落地的应用包括扫地机器人、自动配送机器人、引导陪伴机器人等， 服务于家庭、餐厅、旅馆、医院等多个线下场景。根据 IDC 的数据，2017 年全球商务用机器人市场规模为 213.2 亿美元，预计 2022 年全球市场规模 可达 538.0 亿美元，2017-2022 年复合增长率预计为 20.3%。
3D 视觉仍处于探索初期，具备核心技术的厂商有望率先受益。随着 5G 技术的 推广普及，人工智能和物联网应用将迎来快速发展，推动视觉技术加速从 2D 成 像向 3D 视觉感知跨越。根据 2019 年 Gartner 新兴技术发展周期曲线图，3D 视觉感知概念已经突破了早期的期望膨胀期，并逐渐步入产业化前的重要发展阶 段，不断探索潜在的细分领域应用，寻找潜在的增长拐点。目前全球已掌握核心 技术并实现百万级面阵 3D 视觉传感器量产的企业仅有苹果、微软、索尼、英特 尔、华为、三星和奥比中光等少数企业。我们认为在这一新领域逐步走向成熟的 过程中，具备创新能力、掌握核心技术的公司有望率先受益。
