2023工业机器视觉产业链及国内外龙头企业分析报告.pdf

《2023工业机器视觉产业链及国内外龙头企业分析报告.pdf》由会员分享，可在线阅读，更多相关《2023工业机器视觉产业链及国内外龙头企业分析报告.pdf（85页珍藏版）》请在三个皮匠报告上搜索。

1、2 0 2 3 年深度行业分析研究报告OY9YuUlYmUsQtRsP7NaO8OmOoOpNnOkPoOsPfQsQqNbRnMpPwMqQxOMYmRnR目录一、机器视觉产业宏观分析一、机器视觉产业宏观分析二、机器视觉产业链各环节分析二、机器视觉产业链各环节分析三、机器视觉海外龙头企业分析三、机器视觉海外龙头企业分析四、机器视觉标的公司分析四、机器视觉标的公司分析3 1.1 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。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

2、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。工业机器视觉在识别的精确度、速度、客观性、可靠性、工作效率、工作环境要求、数据价值方面都优于人眼。工业机器视觉在识别的精确度、速度、客观性、可靠性、工作效率、工作环境要求、数据价值方面都优于人眼。资料来源：矩子科技招股书，中信建投图：机器视觉和人类视觉对比图：机器视觉和人类视觉对比图图：机器视觉系统构成：机器视觉系统构成指标指标人类视觉

3、人类视觉机器视觉机器视觉识别精确度差，64灰度级，不能分辨微小的目标强，256灰度级以上，可观测微米级的目标识别速度慢，无法看清较快运动的目标快，快门时间可达千分之一秒环境要求弱，很多工业环境对人有害强，可以在适应极端环境识别客观性低，数据无法量化高，数据可量化识别可靠性弱，易疲劳强，可持续工作工作效率效率低效率高数据价值低，数据质量低，信息集成不易高，数据质量高，信息集成方便资料来源：凌云光招股书，中信建投机器视觉系统机器视觉系统机器视觉装备机器视觉装备捕捉外界图像捕捉外界图像并转换成数字信号并转换成数字信号分析处理数字图像信号分析处理数字图像信号4 1.1.1 机器视觉的“眼睛”：由光源/

4、镜头/相机组成的成像系统资料来源：康耐视官网，中信建投图图：机器视觉成像系统示意图：机器视觉成像系统示意图光源：形成有利于图像采集的条件，或用作测量的工具和参照物。光源：形成有利于图像采集的条件，或用作测量的工具和参照物。机器视觉系统是通过分析物品上反射的光线来形成图像的，不同的光源方案可以实现不同特征的增强或弱化，进而实现成像效果的改进，例如通过背光增强物体的轮廓特征，便于对物体的尺寸测量；特殊的光源方案还可以作为测量的工具和参照物，例如3D机器视觉中的结构光。镜头：采集图像并将图像发送至相机镜头：采集图像并将图像发送至相机镜头是机器视觉采集和传递被摄物体信息过程的起点，其功能相当于眼睛中的

5、晶晶状体状体。不同的镜头具有不同的分辨率、对比度、景深以及像差等光学指标，对成像质量具有关键性影响。相机：将镜头传输的光信号转化为数字信号便于后续处理分析相机：将镜头传输的光信号转化为数字信号便于后续处理分析相机中的图像感测器是其中的关键部件，通过CCD或CMOS技术将光信号转化为电信号，其功能相当于眼睛中的视网膜视网膜。相较于民用相机，工业相机需要更高的传输力、抗干扰能力和稳定的成像能力。镜头光源相机被检物体5 1.1.2 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。机器视觉系统的算法软件部分是利用计算机视

6、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。由于不同工业应用场景之间的差异性以及对精度的高要求，往往需要专门设计对应的软件算法以满足工业场景下的视觉需求。如下左图所示的便是相关的底层基础算法，工业场景中的具体功能实现便是在这些底层算法的基础上开发而来，如下右图所示的是主要的机器视觉软件开发包，其中便包含了相关的底层算法。开发包开发包优优/缺点缺点适用场景适用场景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