中国机器视觉技术发展现状分析及工业级和消费级机器视觉对比分析[图]

    机器视觉技术是属于人工智能的重要分支。人工智能的研究核心围绕在如何使机器具备人类智能，其架构可分为基础支持层、技术层、应用层。基础支持层包括大数据、计算力和算法，基础支持层中的数据可以比作人工智能的燃料、算法可以比作人工智能的发动机，数据量、运算能力提升以及深度学习算法促进了人工智能技术的应用发展；技术层侧重人类智能的某一方面，包括视觉类技术（机器视觉、计算机视觉）、语音类技术（语音识别、机器翻译等）、自然语言处理类技术、人机交互等；应用层则是人工智能技术的具体落地，可以是具体的产品、装备（如智能检测装备），也可以是一类解决方案（如人脸识别）。从机器视觉的架构来看，从底层的传感、到算法集成应用，隶属于人工智能在工业领域的应用。

    为什么机器视觉技术可以广泛应用于工业制造生产领域。我们认为有两点重要原因：（1）可靠性原则，机器视觉技术是基于人工智能的架构，其底层是以数据传感和核心算法作为支撑的，机器视觉设备自身集成了自动化定位、识别、判定的软硬件平台，对于标准批量化产品，可以做到较高的可靠性；（2）经济性原则，机器视觉产品的应用对人工的替代性具备明显的成本优势，而且具有更高的一致性要求。

    根据调查数据显示，机器视觉是通过光学装置和非接触式的传感器，自动地接受和处理一个真实物体地图像，以获得所需信息用于控制机器人运动的装置。机器视觉技术主要采用适合被测物体的多角度光源及传感器获取检测对象地图像，通过计算机从图像中提取信息，进行分析、处理，最终用于实际检测和控制。总的来看，机器视觉是一门涉及机械、电子、光学、自动控制、人工智能、计算机科学、图像处理和模式识别等诸多领域的交叉学科。

    机器视觉在国外人工智能应用技术中占比

数据来源：公开资料整理

    机器视觉在国内人工智能企业应用技术中占比

数据来源：公开资料整理

    机器视觉技术在国内外人工智能企业应用技术中占比超过40%，是各类应用技术中应用最广的一类。视觉占据人类信息获取超过80%，是人类最重要的感觉器官，而机器视觉技术将人类强大、复杂的视觉感官赋予机器，能够实现计算机系统对于外界环境的观察、识别以及判断等功能，是人工智能范畴最重要的前沿分支之一。

    机器视觉算法、软件以及视觉传感器和精密驱控是机器视觉行业的核心技术，是天准科技作为装备制造商区别于系统集成商的关键。机器视觉产业链包括上游零部件供应商、中游装备厂商以及下游应用行业构成。其中机器视觉的核心零部件包括视觉软件、各类传感器，以及光源、镜头等其他与传感器相关的零部件，产业链利润多集中在上游零部件领域。那些具有零部件核心技术的企业在产业链中占据较高的行业地位，往往享受高利润率，同时产品覆盖面广泛，具备发展成大型企业的潜力。此外，除了提供上游零部件产品，这些企业自身还可以提供机器视觉装备，或者通过系统集成商完成装备生产，从而在中游领域亦具备一定影响力。

    系统集成商通常直接采购视觉软件、传感器、驱控系统等核心零部件，通过简单的二次开发和组装完成设备生产，不具备自由机器视觉算法、软件以及视觉传感器和精密驱控等核心技术，通常不具备整台装备的设计生产能力，一般是在客户要求下在自动化生产线上集成机器视觉机构，或者形成简单的工业视觉装备。

    二、工业级和消费级机器视觉比较

    除了以机器视觉为代表的视觉技术广泛应用于工业制作外，在消费级领域，随着数据量上涨、运算力提升和深度学习算法的发展，计算机视觉技术越来越多地被应用在各类消费级应用场景中，典型的如人脸识别服务，具体包括人脸检测、人脸关键特征点、人脸对比、人脸搜索、人脸属性、人脸聚类、人力活体检测等。计算机视觉是指用计算机实现人的视觉功能，对客观世界的三维场景的感知、识别和理解。计算机视觉与研究人类或动物的视觉不同，它借助于几何、物理和学习技术来构筑模型，从而用统计的方法来处理数据。

    从学科上，机器视觉（MachineVision,MV）与计算机视觉（ComputerVision,CV）都被认为是人工智能的下属科目。两者既有联系又有区别。首先，机器视觉与计算机视觉有很多相似之处，在架构上都是基础层+技术层+应用层；并且两者的基本理论框架、底层理论、算法等是相似的，因此机器视觉与计算机视觉在技术和应用领域上会有一定重叠。

    计算机视觉产业链

数据来源：公开资料整理

    计算机视觉是采用图像处理、模式识别、人工智能技术相结合的手段，着重于一幅或多幅图像的计算机分析。图像可以由单个或者多个传感器获取，也可以是单个传感器在不同时刻获取的图像序列。

    机器视觉则偏重于计算机视觉技术工程化，能够自动获取和分析特定的图像，以控制相应的行为。具体的说，计算机视觉为机器视觉提供图像和景物分析的理论和算法基础，机器视觉为计算机视觉的实现提供传感器模型、系统构造和实现手段。二者共用一套理论系统，只是发展的方向不同，机器视觉侧重于在工业领域的实际应用，而计算机视觉侧重理论算法的研究。

工业级机器视觉和消费级计算机视觉的区别和联系

数据来源：公开资料整理

    从应用领域上，机器视觉大多应用在工业领域上，具体应用包括计量与检测、智能制造等；除了在工业领域应用外，在消费领域的众多场景中，多是计算机视觉的具体应用。由于理论的研究发展速度往往快于实践应用，即计算机视觉的发展远远超过了其时间实践。目前掌握的具体计算机视觉任务的方法，也仅仅适用于狭隘的人脸识别、指纹识别等简单任务，无法广泛的应用于不同场合。

    从组成上看，机器视觉系统包含硬件和软件诸多元素，除了算法与软件是系统核心内容外，如传感器、控制器等也是核心组成部分。以天准科技为例，其成本90%以上是原材料，而原材料中，传感器类（镜头、相机、传感器）、机械类成本分别占41.5%、37.1%。在机器视觉产业链中，除了视觉系统、传感器、光源、镜头等零部件厂商外，中游还包括具备核心技术的装备制造商、以及其他众多的系统集成商。

    由于机器视觉侧重工程的应用，因而强调实时性、高精度和高速度，以及算法的可靠性、系统的稳定性。从技术变革趋势来看，3D视觉、多光谱成像、高速成像与处理、深度学习是机器视觉持续改善性能的重要方向。当前机器视觉输入的图像仍以2D信息为主，后续结合新型传感器的3D视觉技术有望大幅提升机器视觉的应用范围。其次，高光谱和多光谱成像能够同时处理多个不同品类的产品检测，也是未来机器视觉演进的重要方向。另外，以线扫描为代表的高速成像技术能够提升成像速度，进而提升检测效率。最后，深度学习+机器视觉能够不断优化检测参数、增加检测灵活性，也是后续机器视觉创新的重要方向。

    工业级机器视觉和消费级机器视觉有本质的区别，在应用侧重点、结构上有着明显的差别，但是工业机器视觉和消费级机器视觉都源自人工智能的技术，感知和算法是核心技术，也就意味着产品和技术在各个领域的可延展性是比较强的。机器视觉是比较通用的底层技术，可以广泛应用在工业和非工业领域，对当前制造业的改造和升级，起到了至关重要的作用。机器视觉，以其可靠性和经济性正在广泛应用各个工业制造场景，未来的增长前景广泛。

    相关报告：智研咨询发布的《2020-2026年中国机器视觉行业市场供需形势及未来前景规划报告》