日期
04/08
2022
咨询
  • QQ扫一扫

  • Vision小助手
    (CMVU)

一分钟了解工业视觉产业
收藏
2022-04-08 16:27:30来源: 浙江深眸科技有限公司

“ 工业视觉的核心是以光学设备+控制系统+执行机构,代替人眼来完成生产制造中的识别、测量、定位、检测等工作。”


机器视觉作为人工智能的一个重要的研究分支,工业是其一个重要的应用方向。该技术原理为通过光学设备采集图像,计算控制器完成相应的计算后并作出智能决策。随着中国制造业产业升级进程的推进与人工智能技术水平的提升,工业视觉的应用边界在不断开拓,产业价值不断提高,市场规模逐年扩大,工业视觉的产业发展趋势正稳步上升。


01—工业视觉特点


工业视觉的核心是以光学设备+控制系统+执行机构,代替人眼来完成生产制造中的识别、测量、定位、检测等工作。常见的工业视觉设备由工业相机、镜头、光源、光源控制器、视觉控制器驱动单元与执行机构这几部分组成 。


image.png


通过光源系统创造特征明显的视觉环境,由相机设备捕获图像,通过视觉控制器计算反馈到驱动单元与执行机构,来完成相应的生产任务。工业视觉是人工智能技术、计算机技术与自动化技术的综合性应用,具有人工无法比拟的高效率、高精度、稳定性与适应性。


在识别测量场景中,人眼无法分辨快速运动的目标,而通过高帧率相机可以清晰地捕捉高速运动物体的图像进行分析和处理。人眼对小目标64灰度级以上不敏感,而视觉算法可以处理微米级256灰度级的图像。


同时人工需要安排多人次多班次地进行生产作业,在SOP的执行上增加了成本,并且无法在有害环境中长期作业,而视觉设备可以适应危险环境并进行长时间的稳定作业,有效减少人为失误发生。


02—市场规模


随着国内人口红利消失,劳动力成本增加,以及制造业对生产过程中的效率和标准化需求日益提高,越来越多的制造企业开始将机器视觉规模化应用到生产中以降低用人成本。虽然国内机器视觉产业发展起步较晚,但是制造业产业升级,进一步带动着的工业视觉市场规模的扩大。


根据GGII数据显示,2019年中国机器视觉市场规模65.50亿元,同比增长21.77%,2014-2019年复合增长率为28.36%。在2020年新冠疫情背景下的经济环境,作为世界工厂的中国机器视觉行业市场规模仍达到86.52亿元,增长24.29%。 随着疫情过去世界各国生产复苏增长会有所下降,但是增长预估至少20%左右,因此可以预估到2025年,国内机器视觉市场规模将会达到215亿元。


国内机器视觉的市场的需求分为行业应用需求和产品服务需求。


行业应用需求来自:

  1. 传统制造企业自动化转型升级

  2. 3C、汽车等标准化程度较高的行业的视觉应用全面渗透

  3. 国外代理产品的国产化替换

产品服务需求包括:

  1. 视觉软件系统

  2. 工业相机、镜头等硬件系统

  3. 光源、控制器、线缆等配件


03—产业格局

国内的工业视觉产业格局可以按照技术方向、产业链以这两个维度来看。


技术方向

工业视觉技术存在两个方向的分支:

一个是以传统图像算法为主,对光学环境强依赖的机器视觉方向。传统图像算法经过近30年的发展与生产验证,已经形成了一套非常成熟的实践方法论,在面对任何新的需求场景时,都可以通过图像算子的滤波、线圆拟合查找、模板匹配等功能进行组合搭配,来实现相应的视觉功能。


以基恩士、康耐视为代表的老牌机器视觉硬件供应商,依托于在国内市场的先发优势与自身软硬件研发能力,推出基于图像算子的软件产品,占据着国内机器视觉市场的大部分份额。同时以德国MVtec公司为代表的图像算法供应商,其算法产品Halcon提供了性能优异图像算子开发包,也为国内机器视觉的集成商早期应用提供了非常大的便利性,并逐渐成为国内很多自动化企业提供视觉服务的技术基础。


2015年以后,以海康机器人为代表的本土企业,通过其完整的供应链为机器视觉软硬件加速国产化的进程,其推出的VM算法产品依托海康机器视觉硬件生态体系也有着不俗的生产力。在中低端市场上,打破了以基恩士康耐视为首的国外厂商近乎垄断的市场地位,并在随后的几年中逐渐实现了市场份额的反超。


另一个是以2017年以后兴起的AI浪潮中逐渐成熟的依托大数据分析处理能力的深度学习方向。虽然传统图像算法发展成熟,但是天花板也是非常明显,传统图像算法依赖非常良好的光学环境,当难以通过光学环境剔除生产环境中的干扰,传统算法就会添加很多的逻辑处理与参数,传统算法的处理效率与性能将会断崖式下跌,甚至所添加的逻辑参数超过人为处理的范畴。所以以传统图像算法为主的解决方案对执行机构的设计要求非常高,以尽可能地避免任何外部光污染影响。


而深度学习技术的本质是大数据的分析与处理,是一种基于对大数据结果分布非线性拟合、梯度下降等算法实现的高性能暴力穷举手段,深度学习随着学习样本的分布均匀可以具备很好的泛化能力,因此深度学习在视觉方面的应用,可以通过采集生产中不同环境下的数据,比较容易地实现超越传统图像算法性能的效果。


因此深度学习技术可以对生产环境的光学要求往往没有那么苛刻,但是对生产数据有一定要求,对于具有保密性要求的生产企业,在实施落地过程中会有一定的困难。


以梅卡曼德、阿丘科技为代表等明星企业以深度学习作为主要技术手段,也逐渐发展起自己的业务规模,成为这个行业中比较强有力的竞争者。


产业链


工业视觉的光学设备+控制系统+执行机构的组成中,光学设备相对来说标准化程度更高;控制系统特别是视觉控制器系统,基于产品的标准模块,一定程度上会围绕具体的需求场景进行定制化设计;执行机构则需要完全契合生产的要求,各行业的差异导致其难以统一标准。在各个模块的供需关系中也形成了上下游的产业链格局


上游:以工业相机等光学设备为主的供应商,为工业视觉提供基础的硬件支撑。如:海康机器人、大恒图像、基恩士、康耐视等。


中游:包含两类:以提供视觉算法、软件产品为主,为行业解决方案提供配套的软件与系统的服务商。如:阿丘科技,深眸科技。以自动化解决方案为主,包含视觉系统集成服务与实施应用整线化视觉改造方案的集成商、装备商。如各种传统制造企业


下游:以检测、识别、测量、定位四类需求为主各行业的需求终端制造业客户,如:电子、汽车、能源等。