机器视觉是人工智能的一个分支，用机器代替人眼来做测量和判断。在工业自动化需求，及人机一体化智能系...
机器视觉是人工智能的一个分支，用机器代替人眼来做测量和判断。在工业自动化需求，及人机一体化智能系统推动下，机器视觉下游应用渗透率提升，行业空间广阔。在近年国产替代趋势下，产业链涌现出一批优质的自主可控企业。
在财华社此前做的一期智库直播节目中，国家应对气候变化战略研究和国际合作中心首任主任、学术委员会主任李俊峰表示，发展转型的本质是从资源依赖走向技术依赖。
当下国家推动产业和能源结构转型的意志和魄力已经让市场形成预期，推动芯片、数字化的经济、工业互联网等技术类引导政策极大影响了市场走向，并成为国内经济长远发展的长坡厚雪。
近日关于科技、技术类发展的利好政策持续加码且方向明确，并具体惠及更为细分的领域。据上证报报道，主管部门将印发《网络安全产业高水平发展三年行动计划 ( 2021-2023 年 ) 》，将培养一批面向车联网、工业互联网等新赛道的 专精特新 中小企业。
工业互联网是 IT（信息科技）、OT ( 操作技术）、CT（通讯技术）的融合，有望改变公司制作制造模式。关于工业互联网的利好政策非常多，国家顶层设计已完成，工业互联网发展步入快车道。
工业互联网市场空间将达万亿，发展前途广阔。据华安证券预判，假设到 2025 年规模以上工业公司均会在工业互联网相关领域有所投入。假设企业投入资金占总收入的 1%，结合 2025 年百万企业上云的目标，测算小微企业 2025 年部署工业互联网的数量达到 62.72 万家，两者合计接近1.24万亿元。
而作为工业互联网的一项重要应用，机器视觉领域代表了未来先进的生产力和科技发展的新趋势，其投资机会也愈来愈被市场重视并发掘。
工业互联网的重要应用场景之一便是人机一体化智能系统，建立在机器视觉基础的质检和安检、生产优化降低能耗、机器换人提升生产效率、智能工厂改造。
例如，废钢等级判定一直是钢铁冶炼环节中重要的组成部分。传统废钢判定存在人的因素影响大、手续繁杂、判级质量异议多等痛点。
济源钢铁上线废钢智能判定系统，用机器视觉识别和 AI 远程判定代替人工现场作业，将废钢识别准确率提高到 90%，每年预估节省本金 2000 万元。
该系统通过现场摄像头对废钢车辆卸料过程进行实时拍照、逐层密集采样和图片处理等数据采集，采用基于卷积神经网络的分类、实例分割、像素推断模型算法等技术，以机器代替人工操作的方式对废钢自动判级，最大限度的缩短检测时间，提高检验的准确性和效率。
机器视觉是人工智能的一个分支，用机器代替人眼来做测量和判断。包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术 ( 图像增强和分析算法、图像卡、I/O 卡等 ) 。
一个典型的机器视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械控制执行模块。
机器视觉的应用领域主要有检测和机器人视觉两个方面，下游应用领域十分广泛，已深入安防、金融、零售、工业等多个垂直应用领域。
随着 5G 加速落地，高速率、大容量、低时延的网络连接将打破视频图像在传输速度、清晰度上的瓶颈，推动在工业、无人驾驶等领域大规模应用。据艾媒咨询预测，2021 年中国计算机视觉市场规模预计为 1120 亿元，2017-2021 年 CAGR 为 101.45%，行业呈现增长趋势。
机器视觉上游为零部件供应商包括光源、工业镜头、工业相机、图像采集卡、软件及算法平台，中游则由机器视觉整机制造商、系统集成商等组成。
从全球市场看，美国以视觉软件为核心的康耐视 ( cognex ) 及日本软硬件并举的基恩士 ( Keyence ) 两大巨头几乎垄断全球 50% 以上的市场。
目前两家国际巨头都拥有操作系统、传感器等核心零部件技术，可提供检验测试设备及相应的解决方案，实现了机器视觉核心零部件和完整解决方案的全方位布局。
中国视觉技术起步较晚，但随着持续研发技术以及下游场景不断应用，已形成完备的产业链，涵盖零部件供应商（光源、镜头、相机和视觉控制管理系统等）和集成开发商（组装集成和软件二次开发等）两大类，并涌现出一批已经掌握核心自主技术的优质企业，正在慢慢地实现国产替代。
例如，机器视觉检测设备龙头矩子科技、天准科技、国产机器视觉零部件龙头奥普特、大恒科技，以及取得后发优势的海康威视等。
软件和核心零部件处于机器视觉产业链价值中心。东吴证券研报显示，零部件和软件开发在机器视觉系统中的价值量占比高达 80%，机器视觉中游环节的零部件企业普遍具备较强盈利能力，康耐视、基恩士和奥普特的毛利率常年维持在 70% 以上。
自主企业亦是如此，上述实现自主技术的机器视觉领先企业，也都获得相比来说较高的盈利能力。
机器视觉作为工业互联网、工业机器人之 眼 ，其技术发展显得很迫切，近年赛道也颇受市场关注。
可以想见，随着下游应用场景逐渐增多，机器视觉行业将诞生大批高精尖的独角兽。
