电子产品世界

　　摘 要：在2019年8月的“北京机器视觉助力智能制造创新发展大会”上，机器视觉产业联盟主席潘津介绍了中国机器视觉产业联盟2018年度的企业调查报告，并对未来3年进行了展望，探讨了未来的技术趋势和热点。

　　关键词：机器视觉；3D；检测；嵌入式视觉

　　1 回顾2018年机器视觉市场

　　2018年我国机器视觉产业的产值是84亿元，从2016年到2018年，年复合增长率是31%。图1下是2016年到2018年机器视觉行业的净利润额，可见从2016年到2018年是持续增长的，净利润额从6.3亿元增长至9.9亿元，年均复合增长率为24.9%，2018年行业净利润额增速放缓，为13.2%，同比下降了24.5个百分点。

　　虽然2018年行业的增长率降低了很多。但是从全球角度，中国还是发展最快的国家。例如2019年5月，潘津主席去欧洲参会，了解到北美2018年的销售额增长率在10%到12%左右。

　　从2016年到2018年，尽管我们的产值营业额在增长，但是2018年利润在下降，原因有多个：宏观经济的增速放缓，以及国际贸易环境恶化，人民币汇率波动，市场竞争加剧，人工及生产成本上涨等原因影响，导致行业整体盈利能力有所下降，净利润率下降至11.8%。

　　图2分析了不同规模企业的净利润情况。可见不是企业规模越大，净利润越好。由图2可见，销售额在5 000万到1亿元的企业净利润率最高，2018年是19.2%。其次是销售额从1 000万到3 000万的是17.3%。值得注意的是，销售额在1 000万元以下的企业，由于多处于成立初期，仍处于亏损状态，2018年净利润率为-14.7%。

　　在研发投入方面，这两年在不断的增加，如图3。

　　图4是自主产品和代理产品的销售产品的占比。很多企业不仅有自己研发的产品，同时也代理一些国外的产品。这几年自主品牌的产品的比例上来了。而且自主产品的利润率较高。

　　图5再分得更细一点，从产品的大类分。例如第一类是特定应用视觉系统，第二类分为几部分：相机、光学、照明、智能相机紧凑型系统/视觉传感器，第三类是软件、线缆、其他配件、采集卡。从销售额来看，最大的是视觉系统。实际上这是粗略统计，如果按更严格的方法统计，这个数据会更大，因为很多做视觉系统的企业可能不在机器视觉行业，而是在其他行业做设备或做视觉系统的部门，此图没有把这部分业务计算在内。

　　如图5，第二大部分是相机，第三是光学镜头。这些业务虽然销售额没有前者高，但利润率反而是上升的。线缆市场虽然量不大，但利润率最高。

　　图6是地区市场细分。海外市场含港澳台。可见国内市场占大部分比例——90%。国内市场中，分成东部沿海区域和中西部区域，可见东部沿海区域明显地远远超过中西部区域。

　　从利润水平看，海外市场净利润率较高，为15.9%，而国内市场净利润率相对较低，为11.3%。

　　国内市场中，中西部地区虽然销售额较低，但是净利润率高于东南沿海地区，分别为13.5%和10.8%，说明东部比较成熟，竞争也比较激烈。行业平均利润率为11.8%。

　　再从另外视角来看，把世界产品分成制造业和非制造业。

　　制造业指电子、平板显示、汽车、电池、印刷、机器人、半导体、包装、食品饮料、通用零部件等（如图7）。很明显，电子特别是消费电子占的比例很大，其次是平板显示，二者占了24%份额，可见这是机器视觉现在应用比较多的一领域。其他领域较为平均。

　　但是若把图7与前几年比较，可以发现：现在应用领域更多了。前几年多是集中在前三块：电子、消费电子、平板显示。因为当时的新能源电池还是指手机电池，那时新能源汽车电池还没有很多。

　　非制造业包括铁路、国防、生命科学、智能交通、物流、安防等，利润较高的是显微镜及生命科学。

　　2 未来3年展望

　　2018年我国的产值是84亿元，预计到2019年达到100亿元（如图8），到2020年到123亿元左右，2021年到153亿元，年均增长率达到23.5%，将成为全球增长最快的机器视觉市场。

　　机器人、新能源、半导体行业，加上机器视觉，是未来三年增长最快的行业。

　　3 技术发展趋势和热点

　　3.1 机器视觉在工业中的总体趋势

　　目前比较热的技术趋势是：3D视觉、嵌入式视觉、深度学习，此外还有高光谱视觉、OPC UA标准等。

　　3D视觉处于成长阶段。嵌入式视觉和深度学习处于创建阶段。这个观点来自德国的一位分析人士。

　　这位德国分析师认为机器视觉业处于成熟阶段。回顾历史，1985—2000年是创建阶段：当时有需求了，很多公司是从应用系统开始做起。2000—2015年进入成长阶段，这时候产生了分化，有些做系统集成，专门做行业产品和应用系统；有一部分变成了部件（相机、光源、软件）研发生产商。他们通过以客户为导向的差异化产品去获得市场份额。在这个发展阶段，大家都在成长。只不过有的成长得更快一点，有的稍微慢一点。2015年后就进入成熟阶段了，此时差异化缩小了，无非就是分辨率变高一点，速度更快一点，因此价格压力就增大了。例如潘津主席2019年夏接触了一些广东会员，会员们反映竞争的压力很大。

　　国际上主要有三类机器视觉公司：①一些财团把机器视觉公司买下来，组成一个项目组来做；②做自动化的公司把机器视觉作为其产品线的补充；③专业的机器视觉公司，把产品线不断丰富。当然还有一些小公司，他们也在找自己的出路，因为机器视觉尽管不是一块非常大的市场，但应用很丰富，各行各业里还有很多细分的需要用到机器视觉的地方，需要在这方面做一些研究和产品。

　　3.2 3D 视觉

　　3D视觉有3个主要应用领域（如图9）。

　　1）度量。例如齿轮的测量，这是3D模型的建立，类似于过去的反向工程，或者类似三坐标测量的产品。现在很多地方可以用到一些非接触的光电测量，诸如电路板的电路测量。

　　2）缺陷和完整性检测。例如接插件的高度检测。

　　3）机器人应用。这部分是新涌现的，而且发展前景好。其中一个应用是跟踪，例如在一些涂胶、焊接中的应用，还有码垛、拆箱、搬移、装箱等。

　　如图10，现在工业上主要应用的3D技术，按照原理可分为3类：第1类是飞行时间法（ToF）。第2种是基于三角测量原理的三维测量。第3种是光谱共焦和白光干涉。从第1类到第3类，分辨率越来越高。

　　飞行时间法（ToF）有两种方式。一种通过计算脉冲，然后算时间、相位变化。第二种通过发连续波，然后进行计算。ToF用起来很简单，但精度有限。

　　基于三角测量原理又分为主动和被动。被动有被动三角法、双目视觉。双目就是通过两个项来匹配，但最大的问题是要找到物体表面的反射光，即需要光源。新的主动方法可加一个头——随机的投影，投到被测物的表面，因此不用再去找物体表面的反射光，通过投影的点去匹配。还有一种基于结构光的，包括用熟悉的激光、编码的。其中激光是最早的方法，约在2010年前后出现，当时很多展会上展示这种方法，例如测轮胎尺寸、上面的刻字等。之后出现了编码结构光。

　　接下来出现了光谱共焦和白光干涉。光谱共焦可测一个点、一条线，还有一个突出的特点是可以做透明物体的测量，包括玻璃的厚度等。白光干涉可以做一些特别陡的台阶、洞孔的测量。精确性高，但测量范围比以前小很多。

　　可见，3D测量技术有很多种，前期推进的速度较慢。前期推广中的一个较大问题是：不像传统技术就一个框，大家的路径是差不多的。3D测量的方法有很多种，没有一种能覆盖所有的项目，需要根据不同的项目，选择不同的方法。

　　例如需要根据工作距离和景深，XY方向分辨率，Z方向精度，采集条件和处理时间，被测物表面特性（诸如闪光、漫射、黑的、透明的、半透明的）等，来选择不同的型号。

　　未来的发展趋势：提高速度、分辨率；软件使用更加友好、方便；新的硬件技术；新的3D方法的引入；2D与3D的互补。

　　关于新的3D方法的引入和新的硬件技术，潘津主席2018年曾参加过一次德国的斯图加特展会，看到一家厂商介绍其3D项目中有定制的芯片，做出了平行光结构方法，类似于ToF，该公司对这个芯片进行了特殊处理，使得不像上文介绍的结构光，同时分辨率也能达到新水平。

　　另外一个值得一提的方面是3D与2D的互补。新的3D方法，未来可能有突破的方面是把各种方法结合在一起，包括一些小公司在这方面做得好。最后一点是2D依然很重要；3D不是万能的、并非什么都能做。

　　3.3 嵌入式视觉

　　嵌入式视觉是现在特别热门的一个话题。还出现了嵌入式视觉联盟，一些大型的IT企业，包括英特尔都在联盟里。这实际上是由人工智能推动的。

　　为什么现在嵌入式视觉高速发展？

　　1) 驱动力之一是高性能、低功耗、低成本的处理器。不论基于Arm SoC、DSP、FPGA，还是协处理器GPU等，发展都非常快。据统计，现在有50多家在研发深度学习处理器，包括我们国内好多家。

　　2) 深度学习的算法。过去我们做系统很累，需要分析曲线的特征，用计算机语言把它描述出来，再把它做检测。但在实际应用中，发现材料不同、工艺变化，会产生不同的缺陷。因此，还得去修改程序、参数等。深度学习很好，通过学习和训练实现算法。因此有人把深度学习称作机器视觉的一次革命。

　　3) 硬件和软件的模块化。实际上嵌入式系统/智能相机在20年前就有了，但那时和现在不一样，现在摄像头模块可以直接与嵌入式处理板连接，同时支持嵌入式平台上的图像处理库。

　　3.4 三个热点话题

　　1) 面对来势汹汹的嵌入式视觉浪潮，传统的机器视觉应该如何应对？一致的观点是：嵌入式视觉为机器视觉带来了一种新的架构和颠覆性变化，我们应该拥抱和充分利用这一变化。因为机器人视觉和智能制造的分布式视觉需要高性能、低成本、低功耗、小体积的视觉产品。

　　2) 嵌入式视觉可否取代传统的PC平台？有的厂商认为现在的高性能机器视觉还需要PC平台。但是嵌入式发展很快，性能很高，慢慢地有些已经转向嵌入式了。因此，传统企业接下来要做的事情是去采纳它、拥抱它。现在欧洲已经开始这样做。

　　3) 标准化。机器视觉行业跟消费类不一样。例如安防做个产品要考虑有多少需求。机器视觉行业都是小批量。因此为了适应这个特点，业内应该做标准化，目前的工作是：①软件框架基于GenICam，利用已成熟的GenICam SDK和GenTL，已成立工作组。②相机模块与嵌入式处理板接口：MIPI CS2和SLVS-EC接口标准，现在已成立了工作组。

　　3.5 O PC U A（统一架构）

　　要做到智能制造，前提条件是得有数据、大量的数据。过去是各家有自己的通讯协议、平台。OPC UA是一套安全、可靠且独立于制造商和平台的、用于工业通讯的数据交互规范，使得不同操作系统和不同制造商的设备之间可以进行数据交互。2017年7月12日，我国推荐性国家标准GB/T 33863.1~.8-2017《OPC统一架构》正式发布。

　　这意味着我国会采用这套标准，放入了框架。可见今后做机器视觉，系统已经成为不可缺一的部分。就数据量而言，机器视觉是最丰富的，是工业4.0实现的关键。

　　从机器视觉行业来看，机器视觉组件的工业相机接口技术以及通信与连网标准已经很完备了，现在只缺少用户层面的机器视觉系统通用接口。

　　利用机器视觉产生的数据，机器视觉不仅仅是一套检测系统，而且是真正的生产优化控制系统。

　　OCF让不同的行业聚在一起，因为基础不同、数据不同，还有自己不同的配套规范。2018年年底，德国、美国等行业标准组织经过长时间的认证，形成了OPC UA Machine Vision Companion Specification（OPC统一架构机器视觉配套系统规范）。

　　（本文来源于科技期刊《电子产品世界》2019年第9期第3页，欢迎您写论文时引用，并注明出处。）

关键词： 201909 机器视觉 3D 检测 嵌入式视觉