最新消息:首页公告!

基于深度学习的机器视觉应用场景

浏览 共有条评论 关键词:深度学习,机器视觉
后台-系统设置-扩展变量-手机广告位-手机广告位-内容广告位一

工业机器视觉产业链

c81ee5f8-09d2-11ee-962d-dac502259ad0.png

1. 高技术壁垒赛道,产业链上游价值量高。工业机器视觉是集光学成像、人工智能、自动化控制等多方面技术于一体的行业。工业机器视觉产业链上游为零部件及软件算法,中游为视觉装备及方案,下游为具体的应用场景与行业。上游的零部件及软件算法占机器视觉80%的价值量。

2. 技术、产业、政策三重利好,助推我国机器视觉产业发展。

3. 国产厂商技术逐渐成熟,国产替代正当时。2021年国产厂商占据了近50%市场份额,康耐视在中国的机器视觉业务呈现出增速放缓趋势,2020/2021/2022的同比增速分别为46%/19%/13%。

4. 下游应用需求明确,3C电子是最主要机器视觉市场,新能源涨势迅猛逐步成为主要增长市场。2021-2025的中国锂电机器视觉市场规模CAGR达到45.11%。

✓ 工业机器视觉是软硬件一体化的应用系统

工业机器视觉是软硬件一体化的集成系统,它的目的是代替人眼对被测物进行观察和判断。从组成上,机器视觉系统硬件设备主要包括光源、镜头、相机等,软件主要包括传统的数字图像处理算法和基于深度学习的图像处理算法。系统工作时首先依靠硬件系统将外界图像捕捉并转换成数字信号反馈给计算机,如下图深灰色方块所示过程,然后依靠软件算法对数字图像信号进行处理,如下图中灰色方块所示过程。

机器视觉系统构成

c84d648c-09d2-11ee-962d-dac502259ad0.png

✓ 机器视觉的“眼睛”:由光源/镜头/相机组成的成像系统

机器视觉成像系统示意图

c868fe86-09d2-11ee-962d-dac502259ad0.png

✓ 机器视觉的“大脑”:算法+软件平台

机器视觉系统的算法软件部分是利用计算机视觉算法对获取图像进行分析,进而为进一步决策提供所需信息。根据集成程度和开发难度的不同可以细分为供集成商和设备商开发使用的底层算法和供最终客户使用的二次开发好的算法包。

机器视觉相关底层算法

c88284b4-09d2-11ee-962d-dac502259ad0.png

主要机器视觉软件开发包及其特点

开发包 优/缺点 适用场景
Vision  Pro 入门容易、lisence费用低;
无法GPU加速、图像处理算法工具少
需要快速开发的通用视觉类项目
HALCON 支持视觉图像采集设备、环境及平台兼容性好;开发周期长、费用高 较为复杂的,拥有较长开发周期的项目
OpenCV 开源且可用于商用、便于定制化算法开发;代码能力要求高、周期长 有算法基础且项目周期长、预算有限的项目
eVision 基于灰度相关性的模板匹配效果好、基于图像比对的图像质量检测效果好;
几何形状的匹配能力较差
适用于基于图像比对的图像质量检测
HexSight 定位和零件检测效果较好、恶劣环境适应性好;软件开发费用高 适用于恶劣工业环境的点位和检测项目
NI  Vision 入门简单、开发速度快;算法效率不高且准确性与稳定性依赖于图像质量 图像质量较好,且要求交货周期比较短的项目

✓ 机器视觉可实现外观检测、识别验证、尺寸量测、引导定位等功能。

机器视觉的功能主要分为四大类,从技术实现难度上来说,识别验证、引导定位、尺寸测量、外观检测的难度是递增的,而基于四大基础功能延伸出的多种细分功能在实现难度上也有差异。

机器视觉基本功能技术实现的难易度情况

c895c7cc-09d2-11ee-962d-dac502259ad0.png

✓ 产业角度:制造业转型升级持续推动机器视觉发展

机器视觉主要下游应用行业增速明显:2021年,锂电池、新能源汽车、工业机器人与电子等行业的下游行业的增速较快,分别达到了181%、150%、65%、40%。

✓ 技术角度①:从2D到3D,技术能力和应用范围的提升

相较于2D机器视觉,3D机器视觉可以提供三维信息,从而实现更广泛、准确的检测与分析。3D机器视觉可以完成许多2D机器视觉无法完成的任务。

3D机器视觉覆盖场景全面,市场空间广阔。目前3D视觉技术在高精度检测、高精度测量(例如弯管、不规则件)、智能分拣、装配(引导机械臂在三维空间内避障和定位)、物流车导航等更多场景中实现了相较于2D机器视觉更为广泛的应用覆盖,具有广泛的市场空间,中国工业3d视觉2021年市场规模11.51亿元。随着我国高端制造业的发展,国内3D视觉的应用需求仍将持续保持高增长势头,预计到2025年达到57.52亿的市场规模。

2018-2022国内工业3D视觉市场规模变化

c8a1428c-09d2-11ee-962d-dac502259ad0.png

✓ 技术角度②:深度学习赋能机器视觉,提升具体场景分析能力

目前工业机器视觉系统主要采用的是传统的基于规则学习的思路。以缺陷检测为例,首先需要人去总结缺陷的类型,提取出判断各类缺陷的特征,再通过大量的含特征的样本训练使得计算机能够区分这些特征从而判断是否存在缺陷。

工业机器视觉与深度学习技术结合,实现应用场景的拓展。基于深度学习的机器视觉,不但可以判断缺陷,还可以理解缺陷的共同特征,预测新的缺陷类型,从而实现对于更复杂场景的更优分析。

3D机器视觉的发展和深度学习技术的应用将促进机器视觉性能的提升以及应用在原先无法胜任的场景中。

3D视觉的缺陷检测

c8b40750-09d2-11ee-962d-dac502259ad0.png

深度学习可以解决传统视觉无法解决的问题

c8dbe2b6-09d2-11ee-962d-dac502259ad0.png

✓ 全球机器视觉市场规模稳定增长,国内市场增速明显

全球规模稳健增长:据Markets and Markets和GGII数据,2016-2021年,全球机器视觉行业规模销售收入从378.88亿元上涨至804亿元,预计2025年全球市场规模将达到1276.05亿元,5年复合增长率约为13%。

国内市场涨势迅猛:据GGII统计,2016-2021年,国内机器视觉行业规模销售收入从46.87亿元上涨至138.16亿元,5年复合增长率为24.1%,领先同期全球复合增长率约10个百分点。在技术、产业、政策等多方利好因素的推动下,国内机器视觉销售规模将进一步提速扩增,预计2022年销售额将达到168.88亿元,未来至2025年中国机器视觉行业销售收入规模有望达到349.03亿元。

2016-2025全球机器视觉市场规模

c8f251f4-09d2-11ee-962d-dac502259ad0.png

2016-2025中国机器视觉市场规模

c909999a-09d2-11ee-962d-dac502259ad0.png

✓ 国内机器视觉品牌市场占有率不断提升

机器视觉全球竞争的寡头格局更加凸显:根据华经产业研究院数据,基恩士和康耐视占据接近65%的市场份额,凭借优秀的产品力和销售网络占据优势地位。

随国产品牌技术能力逐步提升,机器视觉国产化浪潮逐步推进:国产品牌技术能力不断提升,一方面减少对于国外技术的依赖,另一方面也在市场竞争中逐步取代国外品牌,国外品牌市场占有率逐渐降低,国产品牌的市场占有率逐渐提升,但高端市场占有率仍有差距。根据华经产业研究院数据,2021年国内机器视觉市场份额占比中,基恩士,康耐视两大国际机器视觉龙头占比仍为前两位,但国内机器视觉龙头企业如凌云光也已经与康耐视相当。从整体上,根据中商产业研究院的数据,本土品牌在国内机器视觉中的占比从2018年的44%上升至2021年的58%(注:不同的研究机构的统计口径有所差异,但整体趋势一致)

2021年全球/国内机器视觉市场份额占比情况

c9295352-09d2-11ee-962d-dac502259ad0.png

✓ 市场角度:国内机器视觉品牌市场占有率不断提升

国市场整体保持高增速:2021年凌云光、奥普特、天准增速分别为43.4%、36.3%、31.22%。

海外巨头分化:2021年基恩士保持快速增长,增速达49.2%,康耐视增速明显回落,增速18.92%。

✓ 工业机器视觉产业链

1)上游:环节价值量大,国产高端部件有待突破

机器视觉行业上游环节价值量大:关键零部件和软件系统约占工业机器视觉产品总成本的80%。工业相机、底层软件算法等技术壁垒高,利润率高。对机器视觉上游环节的掌握是目前市场竞争的关键。同时,相机、镜头、光源等核心零部件部件在机器视觉产品中的占比超过50%。

国产低端零部件逐步实现国产替代,高端部件有待突破:技术门槛相对较低的零部件如光源,国产厂商凭借性价比优势及逐步体现的产能优势在市场竞争中逐渐实现对于国外品牌的替代。技术门槛较高的零部件如光源及相机,我国企业进入较晚,目前产品仍主要布局中低端市场,高端市场仍主要被国外品牌占据。

光源环节是国产品牌最有竞争力的环节:目前光源是上游硬件中国产程度较高的环节,国产品牌与国外品牌展开充分竞争。以我国机器视觉光源龙头奥普特与国际光源龙头日本CCS公司对比为例,奥普特光源产品在照度及均匀性两大重要指标上均具有一定优势,同时,控制器产品在易用性和安全性上的功能设计也更为周全。

• 趋势1:光源在照明功能之外更注重拓展功能的实现,以结构光为代表的高端光源产品逐步获得更大市场份额。

• 趋势2:随着机器视觉逐步渗透更加复杂的工业制造环节,对于光源的照度、均匀性、能耗等关键指标要求逐渐提高。

国产厂商逐步进入工业镜头领域,技术逐渐成熟:2008年前我国镜头市场基本被日本、德国品牌所垄断,但随着国产厂商逐步布局并进入工业镜头领域,目前已经在中低端镜头市场中,国产工业镜头已经能基本满足机器视觉系统的需要。随着国产厂商如奥普特、长步道等,进一步推动工业镜头研发,有望在高端镜头市场进一步实现国产替代。

• 趋势1:随着机器视觉逐步渗透更复杂的工业制造环节,对于高分辨率镜头、广域镜头等高性能镜头的需求逐渐提高。

• 趋势2:随着下游应用场景的不断丰富,定制化的工业镜头需求日益高涨,许多中游机器视觉企业加快布局镜头环节。

国产品牌开始布局工业相机:工业相机是机器视觉上游零部件中技术壁垒最高、技术迭代最迅速的部分,其市场规模也大于镜头与光源,是最具光明前景的细分赛道之一。但我国对于工业相机的研究起步较晚,早期主要为代理国外品牌,近年来国产品牌才逐步推出自主研发的工业相机,目前仍主要布局中低端市场。

• 趋势1 : CMOS传感器技术逐渐成熟,具备集成度高、分辨率与帧率提升容易等优点,将成为工业相机的主要技术方案。

• 趋势2 :为解决更为高难度的工业制造场景中的复杂问题,工业相机呈现检测简易化、处理高速化及智能化的特点。

 

算法软件:算法自研,呈现技术标准化、软件便捷化趋势

软件算法开发难度较大,国产品牌自研程度较高:算法库开发周期长、投入大,业内公司通常基于开源算法库开发自身应用算法,或自主开发与第三方集成并举。目前头部国产品牌拥有自主研发的商业机器视觉算法库,如VisionWare(凌云光)、SciVision(奥普特)。

• 趋势1:随着下游客户需求更加多样化,算法/软件需要更多的采用“标准化技术”实现对于不同应用场景需求的匹配,软件算法开发更完善,能够满足不同应用场景需求的厂商具有更强的竞争力。

• 趋势2:随着机器视觉技术向工业领域的不断普及,现场工程师成为算法软件及开发工具的潜在用户,因而推动机器视觉厂商提供在优秀的检测性能之外需要兼具便捷性和易用性。

机器视觉软件与设备集成市场规模

2)中游:具体分为系统和设备,设备中检测技术难度较高

机器视觉产业中游按照设备集成度分为机器视觉系统和机器视觉设备。机器视觉系统由光学成像硬件与图像处理软件与算法组成,是机器的“眼睛”和“大脑”部分,需要与另外的产品或自动化机台结合才可工作。机器视觉设备在系统的基础上,增加了额外的自动化平台(机台/机械手),可以独立开展工作。

机器视觉产业中游按照具体应用需求分为测量/定位/识别/检测设备,其中检测设备需求和技术壁垒较高:市场规模上,检测设备规模约占机器视觉设备总体规模的25.0%。技术难度上呈现“检测>定位>测量>识别”的排序。

机器视觉设备四大功能占比及技术难度

纵向:拓展产业链布局,推进上下游环节自主研发/深度合作

机器视觉上游零部件厂商和中游系统/设备厂商通过产业投资/自主研发等方式逐步拓展产业链上下游布局,以期进一步提升机器视觉产品性能,同时在竞争逐渐加剧的机器视觉行业中构建起更高的技术护城河。

• 奥普特、海康机器人通过自主研发实现了机器视觉核心零部件、软件算法的全覆盖。凌云光通过产业投资方式拓展CMOS传感器芯片(长光辰芯)和工业镜头(长步道光电)布局,并自主开发特色相机、特种相机、特色专属光源和图像采集卡;天准科技自主开发3D视觉传感器(线激光传感器),精密驱动控制器等视觉设备上游零部件。

机器视觉厂商自主核心零部件布局情况

横向:围绕机器视觉技术,实现产品种类拓展,将机器视觉技术与生产制造环节融合,推出智能化生产制造设备

3)下游:应用场景逐步拓展,重点赛道需求高增

随我国制造业逐步转型升级,我国机器视觉产业下游应用赛道逐步拓展:我国早期机器视觉主要应用于消费电子、半导体、汽车三大行业。

锂电池为代表的重点新赛道值得关注:从下游应用行业增速上看,锂电池、新能源汽车行业在2021年增速最快,分别实现增速181%、150%。下游应用行业的快速发展与工业机器视觉在产线中渗透率的逐步提升,带来了工业机器视觉的需求高增,锂电池、新能源汽车行业的需求增速分别达到30%、25%。

 

3.1 3C电子:高质量标准带来较高机器视觉渗透率

机器视觉在3C电子行业中得到广泛应用:3C电子行业具有元器件尺寸较小,质量标准高的特点,因而对于机器视觉需求较高。目前,机器视觉应用于PCB和3C电子产线中的多个环节中。未来机器视觉技术有望在更多环节中渗透

 

3.2 锂电:机器视觉逐步渗透

机器视觉在锂电行业的渗透率逐步提升:随着锂电池制造智能化、自动化程度的提升,机器视觉产品开始广泛地应用于锂电池设备生产的各个工段。从前段工艺的涂布辊压,到中段工艺的电芯组装,再到后段化成分容之后的检测以及模组PACK段,机器视觉应用渗透率在逐步提升。

 

品质管控需求明确:早期的锂电行业扩产往往较少考虑质量管控,但随着行业逐步从高速发展转向高质量发展以及用户对于锂电安全的更高需求,机器视觉已经成为锂电池生产企业解决质量和效率问题的必然选择,据GGII预测,锂电机器视觉检测系统市场规模将保持高速增长,未来5年年复合增长率在40%。

竞争格局优秀:在3C电子和汽车等行业中的机器视觉中海外巨头有着更加强的技术积累和长期合作关系,对于我国机器视觉企业的市场拓展产生一定阻碍,但锂电池行业是近年来在我国发展起来的新兴产业,因此其中锂电企业与我国机器视觉企业协同配合发展而来,国产化程度较高。

锂电行业行业整体增速较快,且锂电中的机器视觉具备行业增速高、需求明确、竞争格局优秀的优势,在未来两三年内有望维持高增速,是最具潜力的下游应用市场。

 

3.3 汽车:生产制造自动化程度高,机器视觉需求持续提升

汽车生产制造过程自动化程度高,机器视觉应用较为广泛:汽车生产制造过程中的安全高效是汽车生产企业的首要目标,因此主机厂进入门槛很高,且产线已经基本实现了自动化 。目前机器视觉产品应用在汽车总装和零部件检测、发动机检测等环节。据调查,目前一条产线配备十余个机器视觉系统。

汽车产线逐步升级带来机器视觉的需求和要求双重提升:一方面,汽车产线管控需求持续提升;另一方面伴随着新能源和自动驾驶的发展,雷达、传感器、通信装置、摄像头等精密电子零部件将被装载在汽车上,两方面因素推动汽车生产过程的精度和智能程度要求持续提升,为机器视觉企业带来全新发展机遇。但由于传统汽车厂商已经与国外机器视觉龙头构建稳定的合作关系且供应商更换成本较高,因此我国机器视觉企业在汽车行业中的机会主要在新兴起的新能源厂商。

汽车行业是机器视觉应用非常成熟的行业且前景明确,短期国内厂商与新兴汽车厂商的协同发展,若长期能在传统汽车厂商中实现对于海外厂商的替换,将打开巨大的市场空间。

 

3.4 半导体:机器视觉应用较为成熟,海外巨头占据高端市场

半导体行业对机器视觉需求明确,应用较为成熟广泛:半导体产业具有集成度高、精细度高的特点,人眼视觉能起到的检测作用相当有限,对于机器视觉需求明确。基于此特点,半导体产业是机器视觉技术最早大规模应用的下游领域之一,覆盖半导体外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等检测,晶圆制造中的检测、定位、切割和封装过程全程都需要机器视觉技术的辅助。

高端半导体检测设备主要被海外巨头占据:由于海外巨头在半导体检测领域的先发优势,因而目前半导体机器视觉中的高端市场主要被海外龙头占据。同时,因为半导体行业的生产要求很高,因此导致国产机器视觉厂商往往难以直接进入这一领域。国产厂商已在个别产品上取得突破,如精测电子的膜厚测量设备、关键尺寸测量设备、电子束缺陷复查设备、图形晶圆缺陷检测设备,中科飞测的图形与无图形晶圆缺陷检测设备、膜厚测量设备、三维形貌测量设备,均已取得订单或在客户产线验证通过。

高端半导体检测是我国需要重点突破的高端技术,2022年国产化率仍不足5%,未来提升空间巨大。

 

3.5 光伏:机器视觉深度参与,嵌入式/可配置系统有望推广

机器视觉设备深度参与光伏组件的生产流程:目前机器视觉设备在光伏组件生产中的电池片分选、EVA/背膜裁切、电池片焊接、外观/尺寸检测、封装、铝边框/接线盒安装、隐裂检测环节有所应用,随着光伏下游装机增量及刺激产能释放,光伏生产商必然升级或新采购制造与检测自动化设备以提高其产线的生产效率和产品的竞争力。

• 产线特点决定嵌入式/可配置视觉系统具有更好应用前景:光伏产线的布局比较紧凑,工序衔接较为成熟,嵌入式或可配置视觉系统因为其可以尽可能减少对现有产线的改造,有望在光伏组件领域得到更广泛应用。

机器视觉在光伏产业中的渗透率较高,应用较为成熟,但短期光伏产业增速放缓导致行业增速相对放缓,未来清洁能源重要性和性价比提升将带来一定增长空间。

 

 

 

转载请注明:可思数据 » 基于深度学习的机器视觉应用场景

后台-系统设置-扩展变量-手机广告位-手机广告位-内容广告位二
留言与评论(共有 条评论)
昵称:
匿名发表 登录账号
                 
   
验证码:
后台-系统设置-扩展变量-手机广告位-手机广告位-内容广告位三