（报告出品方/作者：长江证券，赵智勇、宗建树、曹小敏）
机器视觉：应用广泛+持续高盈利铸就高景气赛道
为机器植入“眼睛”和“大脑”，融入工业基础
机器视觉的本质是为机器植入“眼睛”和“大脑”，基于捕获并处理的图像为设备执行功 能提供操作指导，通常机器视觉系统包含软件和硬件部分，具体可分为三大环节：1）成 像单元（光源、镜头、相机、图像采集卡、控制器和配件）；2）图像分析与处理单元（信 息处理平台、机器视觉算法库）；3）智能决策与执行单元（AI 能力平台、现场应用软件）。
机器视觉技术将“机器代替人眼”的理念应用于工业制造中，相比于人眼观测，机器视 觉在精度、速度、适应性、客观性、重复性、可靠性、信息集成等方面具有显著优势， 是工业制造数字化、网络化、智能化的未来发展方向。
因此机器视觉在诸多场景下可以代替人眼视觉并取得更优异的效果，其基础功能可以归 纳为四种：定位、识别、测量与检测。
1）定位。机器视觉定位是将零件的位置和方向与指定的空间公差进行比较的过程。在 2D 或 3D 空间中，零件的位置和方向被传输给机器人或机器元件，以便于它对齐或将目 标放置在适当的位置和方向。相比手动检查、对齐和定位，机器视觉定位系统具有更高 的精度和速度，实际的定位应用包括机器人拾取和放置传送带上的零件、玻璃基板的定 位、检查条形码和标签对齐、检查 PCB 中的 IC 放置以及排列包装托盘中的零件。
2）检测。缺陷检测是制造业中最基本的质量控制方法之一，也是机器视觉系统最常用 的功能。在缺陷检测中，机器视觉会搜索零件表面存在的裂纹、划痕、瑕疵、间隙、污 染物、变色和其他不规则等缺陷。这些缺陷随机出现，因此机器视觉算法会寻找图案变 化、颜色或纹理变化、不连续性或连接结构。机器视觉系统可以将缺陷按类型、颜色、 纹理和大小进行分类，并筛选出不符合标准的缺陷部分。相比人眼检测，机器视觉系统 可以快速有效地检测人眼看不见的微小缺陷，并且可以长时间运行。缺陷检测广泛用于 检查半导体和电子元件、电器、食品及其包装、连续卷材生产的材料（例如纸张、塑料、 金属）等。一旦检测到来自流程的故障部件，流程将立即停止并进行纠正，故障部件将 与其批次分开。缺陷检测通常与存在性检查、测量和定位功能一起集成到机器视觉系统 中。
3）测量。机器视觉测量主要用于检查零件的尺寸精度和几何公差。机器视觉系统通过 计算两个或多个点之间的距离以及对象上目标特征的位置，以确定测量值是否符合规格。 要获得高度准确、精确和可重复的测量，必须优化机器视觉系统的照明和光学系统。测 量通常与缺陷检测结合使用，用于测量零件中检测到的不规则性，另外还可用于计算零 件的体积。
4）识别。机器视觉识别主要用于扫描和读取条形码、二维码、零件标记以及在零件、标 签和包装上的字符，这些标记包含产品名称、制造商、日期代码、批号和有效期等，标 识有助于提升零件的可追溯性、库存控制和产品验证系统。识别系统包括光学字符识别 （OCR）或光学字符验证（OCV）系统，在 OCR 系统中，机器视觉在事先不知道待查 字符的情况下读取目标上打印的字符；在 OCV 系统中，机器视觉在已知待查字符的情 况下验证字符串的存在。
机器视觉在工业领域应用广泛，其中检测功能难度最大、应用最广。在实现难度方面， 识别相对最简单，检测相对最难，尽管如此，检测仍然是机器视觉在工业领域的最主要 应用，应用占比达 50%，识别、定位和测量功能分别占比 24%、16%和 10%。
下游应用广泛，赛道具备长期高盈利属
在机器视觉领域，可以把各个部件划分为光源，镜头，相机，采集卡，算法等。各个部 件都是系统的有机组合，均有各自的重要性。从系统上来说，机器视觉是一套图像处理 系统。机器视觉具有定位、识别、测量与检测四大功能，其中检测功能难度最大、应用 最广。由于机器视觉具备通用属性，是工业领域的“眼睛”，因此其下游应用广泛，涵盖 3C 电子、汽车、半导体等众多行业。
机器视觉属于技术密集型行业，具备持续且稳定的高盈利属性。从毛利率来看，基恩士 和康耐视作为机器视觉全球两大龙头企业，1997-2021 年平均毛利率分别高达 79%、 72%，远超一般行业水平，近 5 年更是高达 82%、74%，奥普特近 5 年平均毛利率也达 到 71%，说明机器视觉行业不仅具备长期高盈利的特点，而且还处于成长期。 从净利率来看，基恩士维持增长态势，自 1997 年的 23%稳定增长至 2021 年的 40%， 康耐视尽管在 2001、2009 年陷入亏损，但整体仍然保持较高毛利率，1997-2021 年平 均净利率达 25%，5 年视角来看，基恩士与奥普特基本处于同一净利率水准，均略高于 康耐视。整体来说，机器视觉行业具备持续且稳定的高盈利属性。
行业空间星辰大海，细分赛道多点开花
市场容量不断扩大，全球龙头持续成长
机器视觉具有长坡厚雪的属性，特点是成长期长、天花板高。2021 年全球机器视觉器 件市场规模超 800 亿元，中国市场已成为市场容量扩大的主要驱动力。根据 GGII 数据， 2021年全球/中国机器视觉市场规模分别为804亿元/138亿元，同比增长12.1%/46.8%， 2016-2021 年 CAGR 分别为14.0%/24.1%，中国机器视觉市场规模增速显著快于全球， 2021 年中国贡献了全球一半的市场规模增量。 根据 GGII 预测，预计 2025 年全球/中国机器视觉市场规模分别达 1276 亿元/469 亿元， 21-25 年 CAGR 分别为 12.2%/35.7%，中国市场有望继续作为全球市场增量的主要贡 献者。从细分产品来看，3D 视觉在中国仍处起步阶段，2021 年市场规模约为 11.5 亿， 预计 2025 年将达 104.4 亿元，2021-2025 年 CAGR 为 73.5%。
从市场成长来看，中国市场重要性日益凸显。在机器视觉发展早期，主要消费市场集中 在欧美和日本，2012 年，康耐视在美国、欧洲和日本的销售额占比分别为 31%、31% 和 13%，基恩士日本和美国的销售额占比分别为 61%、13%。随着全球制造中心向中 国转移以及中国市场对机器视觉的接受度日渐提高，中国已经逐渐成为美国和欧洲之后 的机器视觉第三大市场，2015 年基恩士、康耐视分别开始单独披露中国、大中华区销售份额。2021 年，基恩士在中国的销售额占比已经达到其总营收的 17%，康耐视在大 中华区的销售额占比达到其总营收的 19%。
美国成熟市场仍在持续扩张，为中国市场发展提供借鉴目标。以全球最主要的机器视觉 市场之一美国为例，尽管已经发展了数十年，美国机器视觉市场仍保持增长。基恩士的 美国地区收入在 2012-2021 年（自然年）的复合增速约为 16.7%，康耐视的美国地区收 入在 2012-2021 年的复合增速约为 16.4%，说明机器视觉的成长期较长，中国作为机 器视觉全球新兴市场，有望复制美国等机器视觉成熟市场的发展路径。
细分行业多点开花，顺应趋势遍地掘金
中国机器视觉主要应用于制造业，其中消费电子占比最大。根据机器视觉产业联盟 （CMVU）统计数据，2021 年中国机器视觉销售额的 79.8%应用于制造业，包含消费 电子、锂电、半导体（含 PCB）、电气/电子（除半导体）、汽车、印刷和纸张、光伏等细 分行业，其中消费电子领域用机器视觉占全行业的比例为 21.9%，为目前机器视觉最主 要的下游应用行业；其次为锂电行业，全行业占比约为 10.8%。
新能源（锂电）成为中国机器视觉行业新支撑。根据 CMVU 统计数据，在中国制造业 中，除了最大下游消费电子之外，锂电行业的机器视觉应用随着新能源汽车行业高速发 展而持续增长，2019-2021 年，机器视觉在锂电行业的销售额 CAGR 达 110.4%，在光 伏行业的发展与锂电行业类似，均实现销售额占比三连增，但光伏应用的体量目前还较 小，2021 年光伏领域机器视觉销售额占全行业的比例为 4.0%。
3C 电子：从组装向非组装拓展
在消费电子行业，工业机器视觉在主板、零部件组装、整机组装这三大生产环节均有应 用。随着近年来中国经济快速发展、居民收入水平提升、以及全球电子制造中心向发展 中国家转移，中国逐渐成为全球最大的消费电子产品市场之一。电子产业的自动化水平 较高，也是当前中国市场机器视觉最主要的下游行业。消费电子行业的产品主要包括平 板电脑、笔记本、台式机、传统手机（淘汰中）、智能手机、电视和相机等 7 大类。其 中，智能手机凭借越来越多的消费应用，市场占比逐步攀升，目前已接近 50%。 消费电子产品的发展趋势是逐渐精密化，同时也伴随着元器件尺寸越来越小和质量标准 日渐提高。以智能手机为例，每一代产品与技术升级，几乎都需要对机器视觉工具进行 更新。因此，行业整体对于机器视觉的需求呈放大趋势。目前在主板和零部件端，2D 视 觉仍是主要的机器视觉应用，3D 视觉为辅，未来具有较大发展空间。在整机组装端， 机器视觉已应用于定位、测量、检测和识别。在成品端，机器视觉由于其高精度、高速度的检测能力，可以出色完成对划痕、破损、斑点、色差等的外观检测，且随着客户要 求提升及机器视觉技术进步，机器视觉的外观检测应用将越来越多。
锂电：中国机器视觉市场新增长极
目前机器视觉还没有应用到锂电池所有生产工艺中，前中段（涂布、分切、模切、卷绕、 叠片等）应用较多，后段（密封钉焊后检测、包蓝膜前后的外观检测等），以及模组段 （底部蓝胶检测、BUSBAR 焊缝检测、侧焊缝检测、模组全尺寸外观检测、PACK 检测 等）应用相对较少，随着技术的不断成熟，未来机器视觉产品在各环节的应用有望实现 快速渗透。
随着电芯、模组、PACK 测量要求日益提升，被测物体条件愈发复杂，3D 视觉可解决传 统 2D 视觉无法精准检测高度特征的缺陷，且对外部环境依赖度低，可作为锂电机器视 觉的有效补充。
受益于锂电行业持续高景气，中国锂电市场规模快速增长，2017-2021 年中国锂电池产 量 CAGR 为 20.3%。目前机器视觉在锂电行业仍处加速渗透阶段，预计锂电机器视觉 检测系统市场规模将保持快于锂电池行业整体的增速。根据 GGII 预测，锂电行业机器 视觉未来 5 年 CAGR 有望达到 40%+，有望得益于：1）应用场景的增加，未来机器视 觉在锂电池制造环节渗透率有望逐步上升；2）过去锂电池质量主要依靠人工检测为主， 视觉替代人工检测的趋势有望加快；3）早期锂电企业扩产不会考虑很多AI场景的铺设， 后期预计加装视觉检测系统。
半导体：高精度需求驱动 3D 视觉发展，国产占比持续提升
工业机器视觉应用最早的领域是半导体行业，发展已经较为成熟，其高端市场基本被海 外厂商占据。在半导体领域，机器视觉已被应用于半导体外观缺陷、尺寸、数量、平整 度等检测环节，并广泛应用于晶圆制造和封装测试中的检测、定位、切割和封装过程， 晶圆在切割前必须使用机器视觉系统检测出瑕疵，并打上标记。在随后的切割过程中需 要利用机器视觉系统进行快速精准定位，机器视觉技术相比之下具备显著精确度及速度 优势。2020-2022H1，半导体行业维持高增，2022H2 由于行业高库存进入调整期，后 续随着库存消化，半导体行业有望继续成为工业机器视觉的重要支撑。
随着终端应用需求的持续发展，全球半导体产能持续扩张，半导体设备市场规模稳步提 升。2016-2021 年，全球半导体设备销售规模由 412 亿美元提升至 1026 亿美元，CAGR 达 20%。基于下游市场需求的快速增长和半导体产业链向我国的转移，我国的半导体产 业规模快速扩张。2016 年至 2021 年，中国大陆的半导体设备市场规模由 65 亿美元增 长至 296 亿美元，CAGR 达到 35.6%；中国大陆占全球半导体设备市场规模的比例由 16%快速增长至 29%。
传统的半导体封测设备，精度普遍要达到微米（0.001mm）到亚微米（1.0μm）之间， 速度大约在每秒 40~50 平方厘米，误报率 5%~10%，在此环节，2D 机器视觉已完全被 3D 取代。先进封装更因小尺寸、轻薄化、高引脚、高速度，大幅缩减芯片尺寸。因此， 3D 机器视觉在其中发挥着巨大作用，3D 视觉检测设备市场正处在高速增长中。中国机 器视觉行业对于 3D 视觉解决方案的研发投入由 2019 年的 2.28 亿元增长至 2021 年的 6.46 亿元，占全行业研发投入的比例由 2019 年的 15.6%增长至 2021 年的 20.8%。
汽车：产销量上行带动机器视觉需求持续增长
如今的汽车行业已实现高度自动化，工业机器视觉发挥着生产高效、质量保障、安全可 靠的巨大作用。机器视觉已贯穿整个汽车制造过程，包括从初始原料质检到汽车零部件 100％在线测量，再对焊接、涂胶、冲孔等工艺过程进行把控，最后对车身总成、整车 质量进行把关。 机器视觉检测系统可以完成工艺检测、自动化跟踪、追溯与控制等，包括通过光学字符 识别（OCR）技术获取车身零件编码以保证零件在整个制造过程中的可追溯性，通过识 别零件的存在或缺失以保证部件装配的完整性，以及通过视觉技术识别产品表面缺陷或 加工工具是否存在缺陷以保证生产质量。如汽车总装和零部件检测、焊接质量检测、电 器性能检测、发动机检测等。此外，视觉引导技术负责引导机器人进行最佳匹配安装、 精确制孔、焊缝引导及跟踪、喷涂引导、风挡玻璃装载引导等操作。随着新能源和智能 汽车的电子零部件占比提升，工业机器视觉有望发挥越来越重要的作用。
据中汽协数据，2022 年我国汽车总销量达到 2686.4 万辆，同比增长 2.2%；新能源汽 车销量达到 688.7 万辆，同比增长 95.6%，新能源车渗透率达 25.6%，说明新能源汽车 市场已从政策驱动转向市场拉动。由于机器视觉技术在新能源汽车领域应用范围更广， 技术水平要求更高，新能源汽车行业高速发展有望助推汽车工业制造领域的机器视觉应 用需求持续快速扩张。
技术持续迭代，深度学习孕育新机
传统的机器视觉技术一般需要先将数据表示为一组特征，然后将这些特征进行分析，或 输入到预测模型，从而得出预测结果。如果能够配置正确的光学成像系统，则传统方式 对结构化场景下的定量检测将具有速度、准确性和可重复性上的优势，例如在一条生产 线上，可以以每分钟成千上万个的速度快速检查人眼无法观测的极小的物体，并且具有 高可靠性和低错误率。 传统工业机器视觉基本是完成指定动作，很难适应随机性强、特征复杂的工作任务。随 着机器视觉在不同行业应用的扩展，尤其是在外观检测的应用中，需要应对缺陷类型复 杂化、细微化、背景噪声复杂等场景。传统算法处理这类应用时，呈现端侧算力成本越 来越高、单点系统维护成本过高、数据孤岛、通用性/智能性欠佳等缺点。因此，目前机 器视觉正由传统工业视觉向深度学习工业视觉转变。
深度学习是将原始的数据特征通过多步的特征转换得到一种更高层次、更抽象的特征表 示，并进一步输入到预测函数得到最终结果。基于深度学习的机器视觉在理想状态下可 以结合机器视觉的效率、鲁棒性与人类视觉的灵活性，从而完成复杂环境下的检测，特 别是涉及偏差和事先未能预测缺陷的情形。并且，通用机器视觉，以及工业机器视觉的 应用场景的不断丰富，将解决成本难题，不仅降低总成本，而且 24 小时不间断工作， 使得成本大大降低。一旦可批量代替产线检测人员、操作人员等，便具备生产成本优势。
部件选型决定系统性能，环节不同要求各异
机器视觉系统成本与盈利剖析
机器视觉是由图像摄取装置将被摄取目标转换成图像信号（即机器视觉产品），再将图 像信号，结合特定需求，根据像素分布和亮度、颜色等形态信息，转变成数字化信号。 如果仅以获取数据为目的，至此已经完成，但是如果要根据获取数据调动设备执行任务， 则需要对数字信号进行运算，针对目标特征（如涂装中的色差）进行对比，指令设备将 会继续工作，或者转入另一道工序。 从成本角度来看，目前中游零部件环节的占比超过 60%，底层软件系统开发占比达到 19.88%。其中，元器件成本中，相机占比最大，达到 27.11%。这主要是由于目前中国 的高端机器视觉核心组件设备（如高端镜头、高端 CCD 和 CMOS、智能相机、高速图 像处理软件等）大多来自进口，高端核心技术被国外巨头牢牢把控，国内企业当前主要 还是集中在生产光源、板卡、图像软件、相机和机器视觉集成系统方面。
在机器视觉产业链中，掌握核心零部件的公司毛利率处于上游位置，且具备持续、稳定 的高盈利属性。目前基恩士、康耐视以及公司均掌握核心零部件技术，近 5 年毛利率中枢分别达 82%、74%和 71%，其中基恩士与康耐视的高毛利已经维持了数十年。而国 内视觉装备公司的毛利率在 38%-48%左右，下游系统集成业务的毛利率则在 40%以下。 基恩士、康耐视虽然也有视觉设备业务，但主要为代工厂模式，整体呈轻资产运营，因 此并不影响整体的高盈利水平。
核心零部件：品质与非标决定系统性能
相机：机器视觉核心部件，性能稳定可靠为首要目标
工业相机具有高图像稳定性、高传输能力和高抗干扰能力等，其功能是将光信号转变成 为可解释的电信号，再将电信号模数转换并交由处理器进行分析和识别。 机器视觉相机按照扫描方式分为线扫描相机、面扫描相机和 3D 扫描相机。线扫描相机 一次可以精确快速地捕捉一行数字图像。相机仍然可以看到整个物体。完整的图像是在 软件中逐像素线构建的。在检查过程中，零件或相机必须在移动。线扫描相机可以在一 条线上检测多个物体。它们是高速输送系统和连续过程的理想选择。它们适用于连续的 材料卷材，例如纸张、金属和纺织品、大型部件和圆柱体。
面扫描相机使用矩形图像传感器来捕获单帧图像。生成的数字图像的高度和宽度基于传 感器上的像素数。视觉处理单元逐幅分析场景。面扫描相机几乎可以执行所有常见的工 业任务，并且更易于设置和校准。与线扫描相机不同，面扫描相机更适合检测静止物体。 物体可以在面扫描相机前暂时暂停以进行检查。 3D 扫描相机可以在 X、Y 和 Z 平面进行检测，并计算物体在空间中的位置和方向。他 们使用单个或多个摄像头和激光位移传感器。在单摄像头设置中，必须移动摄像头以生 成由激光在物体上的位置位移产生的高度图。物体的高度及其表面平面度可以使用校准 的偏移激光计算。在多相机设置中，部署激光三角测量以生成物体形状和位置的数字化 模型。 3D 扫描相机非常适合检查 3D 成型零件和机器人引导应用。这种类型的机器视觉相机 可以容忍轻微的环境干扰（例如，光线、对比度和颜色变化），同时提供精确的信息。因 此，它们广泛应用于计量、工厂自动化和零件缺陷分析。
通常来说，工业相机要求在性能上更为稳定可靠；在使用上要便于安装，且不易损坏； 在工作强度上，要连续工作更长时间；在工作环境上，要适应更恶劣的环境；在反应速 度上要更快，便于抓拍高速运动中的物体。总体上，机器视觉对工业相机的要求主要在 于稳定、实用，反而对其个性化需求不高，因此，相机在机器视觉核心零部件中基本属 于标准件。
镜头：与相机共同决定系统分辨率
机器视觉系统最重要的参数是系统分辨率，一个设备的系统分辨越高，价值越大。一般 使用像素精度来表示系统分辨率，像素精度即单个像素代表的物理尺寸，理论上，提高 系统精度的方法就是尽可能提高单位面积的像素比例。 光学系统的精度不可以无限提高，这是因为光学系统的分辨率（光学分辨率）和相机的 图像分辨率符合“木桶理论”。在相机分辨率越来越高的时代背景下，成像系统分辨率的 “压力”也就落在了镜头上，所以更高分辨率的镜头在成像系统中的作用越来越重要。 因此，工业镜头与普通的照相机镜头相比，在分辨率、对比度、景深以及像差等指标上， 有着更高的要求。需要更小的光学畸变、足够高的光学分辨率、丰富的光谱响应选择等， 以满足不同生产环境的应用需求。要提升镜头分辨率，技术关键主要在于设计和制造水 平的打磨。
在机器视觉镜头选型时，需要考虑视野范围、光学放大倍数、期望工作距离、景深以及 与光源的配合等要素，具备一定非标属性。例如：1）光源。在设计研发时，一般会对特 定波段优化镜头的分辨率。使用特定波长以外的光源，镜头分辨率下降。一般来说，使 用特定波段单色光，镜头分辨率会提升。2）工作距离。对工业定焦镜头而言，多数产品 的最佳工作距离是 300mm-600mm，其他工作距离，分辨率表现可能会下降。而安防镜 头的最佳工作距离为远距离和无穷远。微距镜头的最佳工作距离为近距离。3）光圈。减 小镜头的光圈，分辨率会提高。但是光圈越小，衍射极限的限制也越明显。
光源：制备技术相对成熟，组合应用考验非标设计能力
光源是机器视觉中基础的部件之一，光源的作用主要是增强物体检测部分与非检测部分 的对比度，需要根据具体应用场景进行不同程度的非标设计。由于相机无法检查它“看不到”的物体，因此需要光源发挥着照亮目标、突出特征，便于图像处理的作用。同时， 要具备克服环境光干扰、保证图像稳定性的能力，以及作为测量或作为参照物的工具性 能。特殊情况下，对物体特定部位予以亮度增强。 光源自身照明参数（强度、亮度、形状、大孝颜色）以及其与物体的距离、角度均会 影响照明效果，此外，在光照优化过程中还需要考虑物体的表面属性。以国内龙头奥普 特为例，其非标光源方案达 3 万余种。总体来说，光源以及照明技术并不是一成不变的， 而是需要根据具体应用场景进行不同程度的非标设计，例如光源种类包括 LED、石英卤 素灯、荧光灯、氙气频闪光源等，照明技术又包括明场照明、暗场照明、背光照明、漫 射照明、轴向扩散照明、平面扩散照明等。
总体上，核心零部件中，相机、镜头、光源的标准化程度依次降低，非标属性依次增强。
图像采集卡：关键在于分辨率和灵敏度的平衡
机器视觉相机内的图像采集卡将镜头捕获的光转换为数字图像，通常依据 Camera Link、 CoaXPress 等协议标准收取前端工业相机数据，在板载内存中进行处理，然后通过 PCI、 PCIe、USB 等接口写入计算机内存，一般为支持客户进行二次开发的标准品。它通常 利用电荷耦合器件（CCD）或互补金属氧化物半导体（CMOS）技术将光子转换为电信 号。图像采集卡的输出是由像素组成的数字图像，显示镜头观察到的区域中是否存在光。 分辨率和灵敏度是图像采集卡的关键参数。分辨率是采集卡在数字图像中产生的像素数。 “具有更高分辨率的采集卡产生更高质量的图像”意味着可以在被检查的物体中观察到 更多细节，并且可以获得更准确的测量结果。分辨率还指机器视觉感知微小变化的能力。 灵敏度是指检测图像中可区分的输出变化所需的最小光量。分辨率和灵敏度彼此成反比， 因此提高分辨率会降低灵敏度。
视觉处理单元：底层算法为核心竞争力
机器视觉系统的视觉处理单元使用算法来分析传感器产生的数字图像。视觉处理涉及一 系列步骤，在外部（通过计算机）或在内部（对于独立机器视觉系统）执行。首先，数字图像从图像传感器中提取出来并传送到计算机。接下来，通过突出图像上的必要特征 来准备用于分析的数字图像。然后分析图像以定位需要观察和测量的特定特征。完成对 特征的观察和测量后，会将它们与定义和预编程的规范和标准进行比较。最后，做出决 定，并传达结果。 具体说，机器视觉软件类似人的“大脑”，通过图像处理算法完成对目标物的识别、定 位、测量、检测等功能。机器视觉软件分为底层算法和二次开发的软件包两类。前者是 包含大量处理算法的工具库，用以开发特定应用，主要使用者为集成商与设备商。后者 是封装好的、用以实现某些功能的应用软件，主要供最终用户使用。
产业链格局分化，国产厂商蓄势突围
各环节参与企业众多，未来将迎百花齐放格局
目前机器视觉各环节龙头呈现良性错位竞争，国内企业产品相对局限。机器视觉厂商可 以分为三大类：1）核心零部件供应商，目前龙头公司集中在欧美、日本和美国，且呈现 龙头联合研发的趋势；2）软件及 AI 服务商，主要以集成了通用算法的软件开发包和 AI 加速平台服务商为主，龙头公司几乎来自海外；3）视觉系统及解决方案集成商，我国本 土的机器视觉企业大多属这一类，以工业自动化非标设备及方案为主要业务，对机器视 觉核心零部件的把控能力较弱，全产品线运营能力亟待提高。
中国机器视觉行业起步较晚，早年主要依靠代理国外品牌产品，随着技术经验的积累， 部分代理商逐步推出自主品牌，目前中国机器视觉企业销售自主品牌已经成为主流，且 销售自主产品的比例仍在持续扩大，由 2019 年的 79.2%提升至 2021 年的 82.2%。此 外，随着参与企业增多，中国机器视觉市场集中度在 2019-2021 年呈下降趋势，CR5 市 占率由 37.7%降至 31.3%，CR10 由 51.3 降至 43.1%。预计随着国内市场扩容、国内 企业自主研发能力增强、技术与资金逐渐积累等，中国机器视觉行业集中度将继续呈下 降趋势，未来将迎来百花齐放格局。
当前与国际巨头基恩士相比，国产企业的市场规模仍有差距，但在国内密集的科研资源 和资本投入的推动下，中国的机器视觉技术和市场正在快速成长。随着核心部件和系统 集成方案的更新迭代，国际巨头在中国市场的惯性优势将不断被削弱，以奥普特等为代 表的一批中国机器视觉企业将有望成长为行业领头羊。
始于系统集成，兴于核心部件，国产厂商奋起直追
国产机器市场厂商起初主要进行系统集成，核心零部件基本依靠进口及代理，部分领先 公司如奥普特自研突破了核心零部件技术，并由硬件向软件延伸。整体上，目前工业机 器视觉领域的国产品牌市占率持续提升，2020 年首次超过外资份额，达到 52%。随着 国内厂商逐步完善产业链布局，结合国产性价比及国内行业发展的助力，有望实现国产 突围。
在机器视觉核心部件中，光源非标定制属性最强，国内厂商也进入较早，目前国内市场 基本由国产企业主导，其中奥普特市占率领先。镜头市场国产企业逐鹿低端，高端产品 仍需进口。目前我国工业镜头市场主要由国外老牌镜头厂商主导，包括美国 Navitar、德 国 Zeiss 等，但其产品价格较高，国内镜头厂商主要从中低端市场切入，也已经占据相 当的市场份额。 工业相机国外品牌在高分辨率、高端工业相机领域仍占据主导地位，如瑞士 Baumer、 德国 Basler、德国 AVT、加拿大 PointGrey 等，市场份额方面国内企业也已经取得一定 突破。
视觉软件方面，国外研究学者较早地开展机器视觉算法的研究工作，并在此基础上开发 了许多较为成熟的机器视觉软件，包括有 OpenCV，HALCON，VisionPro，HexSight， EVision，SherLock，Matrox Imaging Lipary 等，这些软件具有界面友好、操作简单、 扩展性好、与图像处理专用硬件兼容等优点，从而在机器视觉领域得到了广泛的应用。 HALCON 是德国 MVTec 公司开发的机器视觉算法包，支持多种语言集成开发环境， 应用领域涵盖医学、遥感探测、监控以及工业应用，被公认是功能最强的机器视觉软件 之一。视觉分析软件国外知名厂家除了德国 MVTec，还有美国康耐视（Cognex）、加拿 大 Adept 等。
国产品牌的产品性能不断趋近外资品牌，同时，国内企业更加贴近国内客户需求，在综 合解决方案定制化服务方面相比外资品牌更具优势。在视觉软件与算法的性能方面，根 据凌云光招股说明书的比较，奥普特研发的 SciVision 在定位算法效率上已实现追赶甚 至超过外资一流品牌。根据奥普特招股说明书，公司的 2D 视觉算法处理精度已达到业 内一流水平，例如，找边+几何测量精度可达 1pixel、图像检测精度达 1pixel、二维码识 别的每模块最小像素达到 1.68pixel。
可配置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）。2022 年上市科创板的国内企业凌云光已经构建了可配置视觉系统的产品矩 阵，应用于消费电子、智慧交通、立体视觉、科学图像、其他制造业等领域，在产品最 大分辨率等部分性能上已经比肩甚至超越国际同行。
智能视觉装备除了可配置视觉系统的软硬件外，还包括自动化工作台、PLC 控制器、I/O 卡、机械手臂、设备驾驶舱等部分。相比于可配置视觉系统主要为小型模块化产品，需 要安装到客户的产品或自动化机台上才能工作，智能视觉装备是由光学成像硬件、图像 处理软件算法、自动化平台（机台/机械手）等部分组成的大型生产装备。简单来说，可 配置视觉系统只做了“眼睛”和“大脑”，而智能视觉装备除了“眼睛”和“大脑”，还做了“四肢”， 从而可以形成直接面向下游客户应用场景的定制化系统解决方案。
经过多年技术沉淀，国产品牌逐渐具备生产多种机器视觉硬件产品、提供整体解决方案 的能力。根据奥普特、凌云光招股说明书及各公司年报，当前，奥普特与凌云光已具备 光源和光源控制器、镜头、相机、视觉控制系统四大机器视觉产品的生产能力，并可设 计硬件方案及整体解决方案，根据不同客户的实际应用场景提供定制化服务。
基于上述系统的产品优势，国内企业的客户资源明显优化。3C 及电子领域的产品迭代 迅速，对机器视觉的需求更新时间也较短。奥普特作为业内领先公司，与苹果、华为等 龙头 3C 客户开展合作，并积极入局对电子器件与设备拥有高需求的新能源汽车领域，导入宁德时代、比亚迪等头部客户，持续发展竞争能力、扩大领先优势。根据年报披露， 2021 年奥普特在 3C 和新能源领域的营收占比分别达到 59.1%和 29.5%。 奥普特早在 2010 年就通过富士康进入苹果供应链，顺利切入 3C 赛道，并于 2016 年正 式成为苹果直接供应商，2019 年开始，苹果公司逐步调整下单方式，从以往的直接采 购变为直接采购和指定第三方采购两种合作模式共存，其中指定第三方采购模式是指由 苹果公司直接主导、验证、定型的设备涉及的相关视觉部件，在获得苹果公司认可后， 转由相应的设备供应商按照苹果公司确定的型号从公司采购。2019 年奥普特来自苹果 及其子公司的收入同比增长 79.7%至 2.07 亿元，占主营收入的比重达到 39.4%。
凌云光在消费电子领域长期服务苹果、华为和小米产业链，与鸿海精密、歌尔股份等领 先制造商建立长期合作关系；新能源领域广泛服务于福莱特、宁德时代、信义集团等行 业龙头；新型显示领域拥有京东方、华星光电、天马等行业领先客户。2021 年，凌云光 前 5 大客户的销售额占比 22.92%，客户均集中在电子等快速发展的科技领域，为公司 带来持续的发展动力。
积极扩产+行业助力，国产有望弯道超车
随着下游需求持续增长、客户对国产品牌认可度不断提升，我国机器视觉市场代表企业 开启募投扩张时代。2019-2022 年，矩子科技、奥普特及凌云光先后提交 IPO 申请，通 过上市募集资金来投资产能扩张、技术研发项目。3 家企业合计募集资金超 30 亿元， 其中产能扩张项目拟使用资金约 22 亿元。
总体上，当前机器视觉行业技术迭代升级快，下游应用场景新需求不断涌现，形成技术 供给和应用需求双频共振的良好发展趋势，有利于维持行业未来的持续高增长。此外， 国内的锂电、光伏行业发展处于国际头部水平，国产厂商有望借助下游景气行业实现对 外资品牌的弯道超车。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：【未来智库】。
