机器视觉市场发展、融资及技术情况如何？

GGII 预测，2024 年中国机器视觉市场规模有望突破 200 亿元，同比增速接近 12%。

1.机器视觉市场发展分析

一、全球市场

随着工业自动化技术不断走向成熟，对于物体检测、增强分析、监控容差和准确的组件 测量等能力要求也逐渐提升，越来越多的制造企业开始采用机器视觉系统来实现生产过程中 检查、测量和自动识别等功能的优化。 从全球市场来看，GGII 数据显示，2023 年全球机器视觉市场规模 925.21 亿元，同比增 长 5.80%。GGII 预测，2024 年全球机器视觉市场规模有望突破 1000 亿元，同比增速 8.63% 左右，预计至 2028 年全球市场规模有望接近 1400 亿元。2024-2028 年年均复合增长率约为 8.20%。

二、中国市场

2023 年以来，受到宏观经济环境及下游消费低迷的影响，制造业固定资产投资增速放 缓，最直接的结果是下游细分行业的订单增速放缓，一定程度上影响了对机器视觉为代表的 自动化、智能化软硬件的需求。 从细分行业来看，3C 行业受到消费不振的影响，以智能手机为代表的行业延续低迷态 势；新能源行业增速较上一年有所放缓，尤其是动力电池和储能电池为代表的锂电行业；光 伏行业上半年处于高速扩张态势，下半年增速放缓，某种程度上算的上是为数不多的亮眼行 业；汽车行业受到政策退坡及区域降价的影响，增速明显放缓，但电动化、智能化的趋势在 加强，需求潜力将持续释放。

同时，机器视觉厂商之间的竞争日趋激烈，头部厂商的规模优势进一步凸显，尤其是 2D 视觉领域，绝大部分外资厂商销量均呈下滑态势。 此外，3D 视觉领域洗牌加速，对于众多初创型 3D 视觉厂商而言，一方面面临订单获取 和交付的难题；另一方面融资环境的遇冷正加剧这类厂商的生存困境。对于尚未形成自我造 血的 3D 视觉厂商而言，未来 1-3 年将会是关键的生死考验期，同时也将是市场格局的重塑 期。 GGII 数据显示，2023 年中国机器视觉市场规模 185.12 亿元（该数据未包含自动化集成 设备规模），同比增长 8.49%。其中，2D 视觉市场规模约为 161.50 亿元，同比增长 6.09%， 3D 视觉市场约为 23.62 亿元，同比增长 28.35%。

GGII 预测，2024 年中国机器视觉市场规模有望突破 200 亿元，同比增速接近 12%，基 于对外部环境的不确定性与产业投资谨慎度上升的判断，GGII 整体调低了未来几年机器视 觉市场的增速预期，预计至 2028 年我国机器视觉市场规模将超过 395 亿元，2024-2028 年 复合增长率约为 17.5%。其中 2D 视觉市场规模将达到 315 亿元，2024-2028 年年均复合增长 率为 15.3%。3D 视觉市场规模接近 80 亿元，2024-2028 年年均复合增长率约为 28.9%。

3.机器视觉行业融资态势分析

据不完全统计，2023 年中国机器视觉行业共发生融资 30 起，涉及金额近 16.65 亿元， 其中，大部分融资主要集中于 3D 视觉、视觉芯片/传感器、视觉软件平台等领域。同比 2022 年，机器视觉融资案例数量下滑约 6.25%，融资金额下滑约 44.03%，平均单笔融资金额从 2022 年的 0.93 亿元下降至 0.56 亿元，融资市场收缩明显。

2023 年机器视觉行业融资呈现以下几个明显特征： （1）细分领域的头部厂商依然具备一定的“吸金”能力； （2）更多资金涌向更上游的芯片/模组领域，具备芯片自研能力的相机/传感器厂商无 疑多了一项加分项； （3）机器视觉行业的市场教育逐渐成熟，融资门槛进一步抬高。

4.技术发展分析

2D 视觉技术

目前对于图像处理任务，2D 是主导技术。面阵和线阵相机都具备 2D 相机技术。面阵相 机用于拍摄场景并分析单个图像，而线阵相机采用扫描过程，逐行记录图像。根据所选的相 机型号，以黑白或彩色图像（也称 RGB 值）再现场景。 对于有高对比度或对象的结构和颜色决定最终效果的应用，适合采用 2D 图像处理。2D 相机应用通常适用于所有图像处理领域，如定位、检测、测量和读取。 2D 相机的典型应用领域包括：对采用差别组件的对象的装配检验；高度差几乎为零的 非常平的对象的形状和尺寸检测；目标物脏污检测，尤其是直接在生产线上进行的集成测试 里完成检测；对颜色和/或打印质量（如包装上的条形码）的评估；对可以通过颜色或印记 进行明确区分的产品进行分类；电路板焊锡检测等。 工业相机在机器视觉系统中的应用主要是通过 CCD 或 CMOS 传感器，采集图像信息并将 光学信号转换为数字信号，最后将这些信号通过传输接口传输到计算机。相比于消费级相机， 工业相机具有更强的抗干扰能力以及成像稳定性。

从相机传感器结构特性的差异来划分，可以将工业相机分为面阵相机、线阵相机。 面阵相机的拍摄方式主要为矩阵拍摄，可以获取二维图像信息，其成像面积由像素的数 量以及分辨率来决定，整体像素元数量多，但是单行像素元数量相对较少。面阵相机具有拍 摄速度快、稳定性相对较高的优点，应用面更加广泛。 线阵相机主要通过单线扫描的方式来进行图像信息获取，其单线上的像素元数量可以达 到非常多，但是必须通过相对运动才能完成扫描功能，扫描速度相对面阵较慢，且通常需要 配置光栅等器件来记录线扫相机每一行扫描结果的坐标，导致额外增加视觉系统的综合成 本。此外，线阵相机的扫描结果可能会受到扫描运动、机械传动的影响，通常需要相关算法 来进行控制。

3D 视觉技术

3D 相机技术可用于拍摄对象和场景的三维信息。3D 技术区别于 2D 技术的一个显著特 征是，除了显示对象的 X 和 Y 值外，还可以提供记录场景或对象的深度值。这为解决复杂任 务提供了全新的可能，特别是在机器人、工厂自动化和医疗领域。此外，电影制作中虚拟现 实和采用 3D 数据的趋势使得新应用的范围不断增加。 在分析对象的体积、形状或 3D 位置时，尤其需要使用 3D 图像处理。在检查对象和图像 的缺陷时，如果 2D 方面没有足够对比度，但在高度方面表现出明显差异，则可以使用深度 信息处理这些任务。 目前，最流行的 3D 视觉技术包含：双目立体视觉、结构光、激光三角测量法、ToF（Timeof-Flight）、光场照明、全息投影等。

机器视觉软件技术分析

机器视觉软件的核心为软件算法，主要是对数字信号进行各种运算来抽取目标的特征， 进而根据判别结果来控制现场的设备动作，自动完成对图像采集、显示、存储和处理。 机器视觉软件算法主要包含 2D 视觉算法、基于深度学习的缺陷检测算法、3D 视觉算法、 3D 点云处理、多传感器融合标定等。 机器视觉算法平台主要包括商业算法库和开源算法库，目前在工业视觉应用较多的 Halcon、Visionpro、NIvision、VisionMaster 等机器视觉算法库，也包括 OpenCV 这样的 开源算法库。

目前，机器视觉软件比较常见的开发模式是“视觉应用软件+视觉算法平台（算子库）”。 视觉应用软件一般由视觉集成商或设备商根据应用需求开发，具有专机专用、行业特征明显 等特点，比如点胶视觉软件、筛选机视觉软件、上料机视觉软件、模具保护器视觉软件等。 视觉算法平台由底层算法研发能力较强的视觉公司开发，一般具有较高的通用性和灵活 度，能用在多个行业应用中，国外知名的处理软件有德国 MVTec 的 Halcon，康耐视的 VisionPro、加拿大 Matrox 的 MIL 等，国内常用的有海康机器人的 VisionMaster 算法平台， OPT 的 Sci Vision，凌云光的 Vision Ware，创科的 CKVision、陕西维视的 Vision Bank、 图漾科技的 RobotVisionSuite 等。除了视觉公司推出的商业软件库，还有开源算法，如 OpenCV、VTK、PCL、CGAL 等，为视觉系统开发者提供了便利。

对所获得的视觉信号进行处理是机器视觉系统的关键所在，机器视觉软件类似“大脑”， 通过图像处理算法完成对被测物的识别、定位、测量、检测等功能。机器视觉图像处理软件 一般分为两类：一类是底层算法，包含大量处理算法的工具库，用以开发特定应用，主要使 用者为集成商与设备商；另一类是经过二次开发后的软件，是专门实现某些功能的应用软件， 主要供最终用户使用。两者主要在开发的灵活性上存在差别。

机器视觉软件的核心就是软件算法，主要是对数字信号进行各种运算来抽取目标的特征， 进而根据判别的结果来控制现场的设备动作，自动完成对图像采集、显示、存储和处理。 机器视觉软件算法主要包含 2D 视觉算法、基于深度学习的缺陷检测算法、3D 视觉算法、 3D 点云处理、多传感器融合标定等。 由于视觉开发包的竞争优势取决于稳定性和易用性，在稳定性上我国软件已达到较高水平。同时，在易用性上，国内厂商贴近终端用户，具备先天的本土优势，对用户操作习惯更 为了解，能够开发出功能便捷的产品。 就软件平台而言，视觉算法的主要功能体现在视觉开发包上，因此竞争优势就可以从此 入手。国内厂商不仅借鉴国外的开发包，而且结合了机器学习、深度学习等算法，并且我国 具有软件成本较低的本土优势，因此不少企业依照自主的视觉算法开发包推出了具有竞争优 势的产品。