7月22日，首批25家科創(chuàng)板公司舉行上市儀式。在這些企業(yè)中，與工業(yè)檢測相關(guān)的就有天準科技和華興源創(chuàng)兩家，其中，天準科技專注于視覺檢測，而華興源創(chuàng)則是檢測設(shè)備與整線檢測系統(tǒng)解決方案提供商，并且已經(jīng)交付了兩條柔性OLED的機器視覺檢測項目。這足以顯現(xiàn)出機器視覺檢測的熱度高居不下。

機器視覺的四大應(yīng)用包括定位、識別、測量、檢測，目前檢測端才是市場最大、落地最廣的一部分。2018年全球視覺市場總量70億美元左右，檢測應(yīng)用占比超過60%，GGII數(shù)據(jù)顯示，2018年國內(nèi)機器視覺市場規(guī)模53.79億元，同比增長27.95%。

四大潛力市場

數(shù)據(jù)顯示2018年機器視覺檢測主要分布行業(yè)中，電子及半導體占比高達46.85%，汽車領(lǐng)域占比11.28%，食品包裝占比10.13%，制藥占比10.34，其他行業(yè)占比21.75%。

部分視覺檢測的下游市場應(yīng)用

機器視覺的崛起，很大程度上來自半導體行業(yè)的剛需。半導體行業(yè)元器件尺寸較小，對產(chǎn)品精度、柔性化有較高的要求，像一些比較精細化產(chǎn)品的外觀、內(nèi)部結(jié)構(gòu)等方面就必須用到AOI檢測，而錫膏印刷機、貼片機、AOI檢測這類的設(shè)備則要用到高性能機器視覺組件，因此工業(yè)視覺系統(tǒng)在半導體及電子制造、檢測等各個方面得以廣泛的應(yīng)用。

而從市場規(guī)模來看，目前半導體領(lǐng)域工業(yè)視覺市場規(guī)模年增長率在25%左右，2018年市場規(guī)模突破20億元。

在汽車行業(yè)，國外的工業(yè)視覺產(chǎn)品和應(yīng)用相比來說更加多樣化，我國起步晚，工業(yè)視覺仍在推廣普及階段，市場規(guī)模增速將近30%。而除了主機廠，在汽車零部件的各項檢測應(yīng)用也越來越多。例如輪胎的花紋檢測、條碼識別與驅(qū)動電機里的轉(zhuǎn)子檢測與追蹤等等。

在汽車零部件行業(yè)，南方軸承總經(jīng)理姜宗成表示：“我們現(xiàn)在是以人工檢測為主，外觀、性能檢測都有，效率低浪費大，而且多在后段的成品檢測，我們希望做到前端的在線檢測來進一步減少不良率?！?/p>

在制藥行業(yè)，平方和CEO蔡仲倫表示：“目前我們主要在做的是膠囊外觀檢測、糖漿類、安瓿西林檢測、口服液和大輸液燈檢，制藥行業(yè)對生產(chǎn)環(huán)境的要求極高，所以對自動化要求很高，而在檢測端這個行業(yè)目前還是藍海，很多復雜的應(yīng)用場景很少有人去做?！倍鴮χ扑帯⑹称钒b、印刷等行業(yè)來講都是如此，上升空間巨大。

經(jīng)過高工機器人歷年對鋰電池、3C、汽車零部件、光伏等行業(yè)的巡回調(diào)研之中發(fā)現(xiàn)，檢測端也確實是目前人力成本最高的一個工位。

快可光伏是一家專業(yè)從事太陽能光伏控制及光伏連接傳輸系統(tǒng)、戶外精密防水連接器系統(tǒng)產(chǎn)品的公司，其總經(jīng)理王新林表示：“在檢測端，光伏連接器與電纜、儲能連接器與電纜之間的功能性檢測是一個很重要的地方，還有一個就是在連接器內(nèi)部的構(gòu)造檢測，但是目前還難以完成?！?/p>

而在鋰電行業(yè)，各種檢測專機盛行，視覺龍董事長丁少華列舉了一些檢測設(shè)備，涂布機對齊度視覺在線檢測系統(tǒng)、輥壓機涂布缺陷視覺在線檢測系統(tǒng)、分切機涂布缺陷視覺在線檢測系統(tǒng)等等，視覺檢測已經(jīng)在各個工位得到了應(yīng)用。

3C、半導體將持續(xù)引領(lǐng)產(chǎn)業(yè)發(fā)展

雖然工業(yè)視覺在半導體及電子產(chǎn)業(yè)發(fā)展較早，已經(jīng)占據(jù)工業(yè)視覺整個市場的半壁江山。但基于工業(yè)視覺的技術(shù)特點和半導體及電子產(chǎn)業(yè)自身的制造需求，半導體及電子產(chǎn)業(yè)未來較長時間內(nèi)仍將引領(lǐng)工業(yè)視覺產(chǎn)業(yè)的發(fā)展。

從制造工藝來看，半導體和電子設(shè)備制造對工業(yè)視覺存在剛性需求。工業(yè)視覺具有高精度的特點，天然適合高性能、精密的專業(yè)設(shè)備制造，這也是為什么相關(guān)行業(yè)能夠帶動整個工業(yè)視覺崛起的原因。

在半導體制造領(lǐng)域，其前、中段過程都需要工業(yè)視覺的精密定位與視覺測量，后段制程中晶圓的電器檢測、切割、AOI封裝、檢測等過程都需要大量運用工業(yè)視覺技術(shù)，工業(yè)視覺在半導體制造過程中的速度和精確性優(yōu)勢明顯。

而在3C制造領(lǐng)域，元器件和主體的制造各環(huán)節(jié)也需要工業(yè)視覺的協(xié)助，其中70%的工業(yè)視覺單位應(yīng)用在檢測環(huán)節(jié)的機器視覺單位應(yīng)用在該環(huán)節(jié)。除此之外，連接器檢測、PCB底片檢查、硬盤檢測、機器人視覺引導定位、元器在線分類篩選、二維碼讀取等也需要工業(yè)視覺。由于技術(shù)工藝的高要求，半導體和電子設(shè)備制造對工業(yè)視覺技術(shù)存在剛性需求。

工業(yè)視覺落地面臨千溝萬壑

下游應(yīng)用領(lǐng)域的不斷拓展也對工業(yè)視覺提出更高要求，就當前的技術(shù)來看，工業(yè)視覺仍存在一些技術(shù)和應(yīng)用瓶頸，導致在一些領(lǐng)域工業(yè)視覺商業(yè)化落地進展較慢。平方和CEO蔡仲倫進一步指出：“國內(nèi)大多視覺公司只是應(yīng)用層面上的二次開發(fā)，并不具備底層發(fā)開能力，如果他們使用的平臺沒法實現(xiàn)需求就他們就無法操作?！边@也是目前國內(nèi)的很多應(yīng)用場景還是一片空白的原因。

高工機器人研究所首席分析師盧彰緣表示：“從市場層面上看，機器視覺雖然發(fā)展了很多年，但從下游應(yīng)用的滲透率來看，中國僅為5%左右，下游市場的空間依然很大；從技術(shù)層面上看，機器視覺當下能夠滿足的場景依然有限，如在定量、結(jié)構(gòu)化場景中，機器視覺憑借其速度、精度和可重復性具備一定的優(yōu)勢；而在定性、復雜和非結(jié)構(gòu)化場景中，機器視覺面臨較大的挑戰(zhàn)，實現(xiàn)存在一定的難度?！?/p>

通用性和智能性欠佳

機器視覺在通用性方面存在不足，在一些集成應(yīng)用中無法搭載，一臺設(shè)備可能只適用于一家廠商或一種行業(yè)，導致開發(fā)成本過高。而在智能性方面，當庫存量單位較高時，或者移動速度較快時，工業(yè)視覺在識別準確率上就難以達到要求。

實際應(yīng)用中準確率仍不盡人意

盡管從一些算法的測試結(jié)果來看，工業(yè)視覺的圖像識別準確率已經(jīng)能夠達到極高的水平，但要實現(xiàn)工業(yè)上的應(yīng)用，還需要保證能夠快速完成批量化檢測，同時能夠適應(yīng)多樣的環(huán)境（包括物體表面材質(zhì)、工廠環(huán)境、工作距離等等）。只有在實際應(yīng)用中能夠達到極小的誤檢率，工業(yè)視覺才能實現(xiàn)其應(yīng)用預期，從而滿足客戶的標準而得以推廣。

梅卡曼德CEO邵天蘭表示：“在準確率方面，即使你做到95%也是很難滿足客戶期望的，因為對客戶來說，這個環(huán)節(jié)本來不應(yīng)該出問題，所以客戶的要求肯定是99%以上?！?/p>

對算法和算力的要求不斷提高

工業(yè)視覺是通過讀取和分析真實場景的圖像和視頻來實現(xiàn)其功能的，圖像和視頻包含的數(shù)據(jù)量足夠大，但也存在大量的冗余信息。單一的簡單特征提取算法難以滿足算法對普適性的要求，同時伴隨應(yīng)用場景和功能的復雜化，在設(shè)計普適性的特征提取算法時對計算能力和存儲速度的要求不斷提高，這也帶來了開發(fā)成本和產(chǎn)品價格相對較高的問題。

在未來，以深度學習為代表的AI技術(shù)將有望解決這一難題，深度學習可模擬人類智能的神經(jīng)網(wǎng)絡(luò)來區(qū)分異常等，同時能夠應(yīng)對復雜場景中的自然差異，兼具人工視覺檢測的靈活性以及機器視覺系統(tǒng)的速度和穩(wěn)健性。