机器视觉虽然只有几十年发展时间，但随着全球新一轮科技革命与产业变革浪潮的兴起，机器视觉行业顺势迎来快速发展。机器视觉的应用已经从最初的汽车制造领域，扩展至如今消费电子、制药、食品包装等多个领域实现广泛应用。从产业发展生命周期来看，国际机器视觉产业已经处于成熟期，预期未来几年内，欧美日机器视觉技术仍将不断有创新，国际机器视觉市场有望保持现有市场规模，并继续增长。国内机器视觉产业目前还处于成长期，从近几年的情况来看，我国机器视觉产业已积累足够技术、市场、行业经验，已步入快速发展阶段。

　　机器视觉产业链主要由上游原材料零部件、中游装备制造以及下游终端应用行业构成。从深度来看，机器视觉的应用覆盖产业链的多个环节。以手机的制造为例，机器视觉可应用在结构件生产、模组生产、成品组装、锡膏和胶体的全制造环节，例如IPhone生产全过程就需要70套以上的机器视觉系统。从广度上看，机器视觉的下游行业众多，包括汽车、3C电子、半导体、食品饮料、光伏、物流、医药、印刷、玻璃、金属、木材等。

　　2013年之前，我国机器视觉还未全面普及开来，机器视觉技术的应用主要集中在电子信息等领域，截至2012年底我国机器视觉市场规模仅有22.7亿元。但是近些年随着智慧城市、智能交通、智慧医疗以及智能金融的快速发展，机器视觉全面渗透于各行各业，市场规模得以迅速扩张，由2013年的35.4亿元增长至2020年的157亿元，年平均复合增长率CAGR为约为23%，远超同期全球CAGR为14%的增速水平。

　　一、机器视觉行业市场结构现状分析

　　机器视觉是指利用相机、摄像机等传感器，配合机器视觉算法赋予智能设备人眼的功能，从而进行物体的识别、检测、测量等功能。

　　按照应用的领域与细分技术的特点，机器视觉行业的市场进一步可以分为工业视觉、计算机视觉两类，相应地，其应用领域可以划分为智能制造和智能生活两类。

　　二、机器视觉行业细分结构特征分析

　　因为工业视觉和计算机视觉在功能目标、硬件需求、算法侧重、产业成熟度上有一定差异。在功能目标上，工业视觉主要解决以往需要人眼进行的工件的定位、测量、检测等重复性劳动;

　　计算机视觉的主要任务是赋予智能机器人视觉，利用测距、物体标定与识别等功能实现对于外界位置信息、图像信息等的识别与判断。在硬件需求上，工业视觉相对较高，需要对工业相机的帧频、分辨率等指标依据自身的需求进行筛选;而计算机视觉则除少部分特殊情况外，大部分对于相机或摄像头的要求并不高。

　　在算法侧重上，工业视觉的算法往往侧重于精确度的提高;而计算机视觉的算法难度相对较高，侧重于或采用数学逻辑或采用深度学习方法进行物体的标定与识别。在产业成熟度上，工业视觉已经相对较为成熟，在半导体、包装等行业的测量检测已有较为广泛的应用;而计算机视觉整体来讲还是一个刚起步的状态，初创企业层出不穷。

　　图表：工业视觉与计算机视觉对比

　　

 

　　资料来源：公开资料整理

　　三、机器视觉行业细分产业发展概况

　　如今，在市场消费升级的刺激下，高端商品市场占有率强势增长。为此，视觉技术也越来越多的在工厂应用。从目前的来看，自动读码器、人工智能瑕疵检测和3D测量有着强劲的增长趋势。

　　自动读码器是视觉技术中较快的增长点，一方面，现在正处于5G和物联网时代的前夜，工厂数字化转型正是当下制造业的热门话题，我们要实现智能制造，工厂数字上云，就需要越来越多的数字采集;另一方面，现代的工厂管理中，二维码是产品的身份证。因此，工厂无论是提高设备控制效率，还是提高产品的品质，都要追溯到数字的采集。在机器视觉领域，采集数据就需要一款能够自动识别二维码的机器。

　　瑕疵检测是视觉技术最难的部分，传统的瑕疵检测，基于模板和特定的过程学习后，对产品进行判断。但是产品的瑕疵不确定因素很多，这种传统的做法，很难真正意义上实现瑕疵检测。以消费类电子产品为例，许多厂商最终的产品出厂检测，往往耗费大量人力。所以，视觉技术借助人工智能，通过深度学习的算法，为瑕疵检测赋能，并在多个行业得到应用。

　　再者是3D测量技术的应用，会越来越广泛。以手机制造为例，手机屏幕边缘的缝隙大小，以及机身面是否平整，都需要应用3D视觉技术。这一切缘由，皆因消费水平的提升，因此商家会更多的应用3D技术，提高产品的工艺水平。

　　四、机器视觉行业市场结构变化趋势

　　机器视觉作为人工智能领域的重要分支，已经协同其他技术开始对社会产生重大影响。虽然人工智能领域内的各个前沿技术存在着不同程度的交叉，难以细分，但依据主要采用的技术类别，可以将人工智能行业分为：深度学习、机器视觉、自然语言处理、语音识别、情境感知计算、模式识别等等。其中，深度学习、机器视觉、自然语言处理是优质企业参与最多的三大领域，也是人们在人工智能领域付诸探索实践最多、获得应用成果最为丰厚的主要领域。