2020年机器视觉行业深度报告
海克斯康调研报告1000字
海克斯康调研报告1000字海克斯康是瑞典知名企业，是全球领先的计量与制造方案供应商。
海克斯康的制造智能产业单元提供各种固定式测量系统到复合式影像测量系统；在机测量系统到便携式测量系统；各种触发、扫描、光学与激光扫描探测系统及功能强大的测量软件等产品。
一、产业结构升级将推动机器视觉行业发展作为全球制造业中心，中国已成为世界机械消费第一大国，但由“制造大国”向“制造强国”的转变仍任重而道远，我国智能制造装备产业结构转型和技术提升的市场空间巨大，机器视觉行业将因此受益。
“十四五”期间，中国将进一步深化产业结构调整，推进制造业的科技创新和智能制造水平，着力从要素驱动向技术及创新驱动转变。
通过强化研发、设计能力，提高配套能力、基础工艺、基础材料、基础元器件的研发和系统集成水平，促进细分市场、专业化分工和集群发展，推动先进装备制造业和高新技术产业从以组装为主向自主研发制造为主转变。
产业结构的转型升级以及制造业的进一步智能化将推动机器视觉行业的发展。
二、下游应用行业快速发展推动机器视觉行业保持快速增长得益于中国经济快速稳定的发展、城镇化进程的加速、居民生活水平的进一步提升，机器视觉行业的主要下游应用领域将持续保持较快增长，如消费类电子、汽车制造等行业均保持快速增长。
下游应用行业规模的扩大将带动其对机器视觉产品的需求。
随着机器视觉技术的发展，机器视觉产品将应用到越来越多的领域，从而进一步推动机器视觉行业的整体发展。
此外，消费类电子、汽车等制造业对制造精度等要求持续提高，对机器视觉技术的需求将不断增加。
三、劳动力成本持续上涨，“机器换人”的需求旺盛目前，中国劳动力成本不断增加；预计未来，中国劳动力工资还将持续增长。
企业面对不断上升的劳动力成本，只有实现要素驱动和创新，尽早布局智能制造，才能实现转型升级，找到新的增长点。
企业对“机器换人”的需求保持旺盛，将给机器视觉产品带来较大的增长空间。
四、国家产业政策支持近年来，国家多次颁布相关政策支持智能装备制造业的发展，相关政策将直接或间接地对机器视觉行业产生积极影响。
通信行业：5G加速赋能工业领域，关注机器视觉、工业控制等关键环节
5G加速赋能工业领域，关注机器视觉、工业控制等关键环节通信行业1、5G凭借自身优势促进工业互联网中的控制类（远程控制）、采集类（高清视频采集）、交互类（AR、VR等）等业务场景的发展2、从5G+工业的发展情况看，第一阶段：试点应用期(2019~2021年)，5G赋能领域：高清视频监控、工业视觉以及AGV小车；第二阶段：飞速发展期(2022~2024年)，5G赋能领域：云化机器人、工业AR眼镜、工业AR等场景应用。
3、关键技术及产业链：我们归纳总结了5G+工业的各类应用，其中工业现场的信息采集对于工业相机的需求比较大，机器视觉有望再工业质检各领域应用，相关受益标的包括奥普特、矩子科技；工业控制领域，随着 5G普及，工业机器人、AVG机器人等需求大增带动控制器、变频器、减速器等上游关键元器件需求大增，产业受益标的包括汇川技术、合康新能（大股东变更，美的入驻）4、投资建议1）低估值、业绩确定性强的行业龙头仍然是市场关注重点，持续推荐朗新科技（计算机联合覆盖）、东方国信（计算机联合覆盖）、TCL科技（电子联合覆盖）、金卡智能（机械联合覆盖）、中国联通、航天信息等，受益标的包括中天科技、爱施德等。
2）长期相关标的及观点：国内公募REITs试点推进重点关注光环新网、沙钢股份（钢铁联合覆盖）等自有数据中心物业资产的估值提升。
受益于5G承载网建设，业绩稳健，估值提升：紫光股份（计算机联合覆盖）、烽火通信等；受益于流量拉动，持续稳健成长：亿联网络、光环新网、天孚通信、星网锐捷等；低估值，基本面持续同比或环比改善：航天信息（计算机联合）、海格通信、金卡智能（机械联合覆盖）、TCL科技（电子联合覆盖）等。
物联网业务向NB-IoT/Cat1/5G网络迁移，物联网模组和下游应用企业有望受益：移远通信、移为通信。
5、风险提示5G运营商资本开支、建设进展不及预期；5G相关技术方案带来竞争格局新变化；受宏观经济因素影响互联网公司开支不及预期；疫情带来不确定性风险；系统性风险。
机械周报：多维度信息验证，工程机械高景气有望延续
报告摘要：本周观点工程机械：宝马展指引未来发展方向，多维度信息验证工程机械板块高景气。
11月24日至27日，号称工程机械行业“亚洲第一商展”的上海宝马工程机械展会顺利举办，我们团队深入展会中进行草根调研。
从展品角度来看，各大龙头厂商新产品集中亮相，自主研发、科技创新、智能化、电动化、5G已成为工程机械的未来发展方向：中联重科研发的全球首台纯电动起重机ZTC250N-EV已融入了机器视觉、人工智能和5G 通信技术，旗下的无人塔机也由概念进入到了实践应用阶段；三一重工展出的1.6吨纯电动微挖为当下全球唯一实现“批量化生产”的纯电动挖掘机；徐工发布的全球数字化备件服务信息系统可对每台设备精准追溯，真正实现智能化运营管理。
从订单角度来看，展会期间各大厂商均收获丰厚订单。
三一重工在“三一全球购机狂欢夜”中2小时内交易额达到234.89亿元，中联重科合计签单金额也超过200亿元，其在塔机二代新品订货会上斩获超80亿元订单，再次刷新单场产品销售纪录。
从厂商的信息反馈来看，国内工程机械市场行情仍在持续。
11月挖机销量增速预计仍然为60%以上的高增长，将拉动全年达35%以上增速，且从订单排产情况来看，21年上半年景气度较为确定，全年仍有望维持10%以上增速。
此外，挖机与其他机械设备通常配套作业，混凝土设备、起重机等有望接力挖机增长，据厂商反馈，当前工程起重机市场大吨位机型一机难求，塔机受益于装配式建筑渗透率的提升和风电的抢装潮，高端产品供不应求，混凝土设备明年至少有20%以上的增速；此外上游核心零部件厂商排产饱满，明年一季度订单可见，国产替代正加快进行。
工程机械当前的景气度，我们认为，与两方面因素有关：一方面从需求端来看，受益于基建投资力度加大，短期内国内工程机械景气度将持续。
另一方面，从长期来看，工程机械的应用领域将不断拓宽，机器设备对人力进行替代的趋势仍将持续。
而随着工程机械向电动化、智能化、无人化等方向革新，产品升级换代将带来新的市场，预计行业需求的波动率会下降，整体将呈现稳定增长趋势。
基于机器视觉的工件表面缺陷检测算法的研究开题报告
基于机器视觉的工件表面缺陷检测算法的研究开题报告一、研究背景随着工业化的不断发展，对于工件表面的质量要求越来越高，表面缺陷的检测效率和精度也成为了一个重要问题。
传统的表面缺陷检测方法主要依靠人工目测，效率低、准确性难以得到保证。
而机器视觉技术的出现，为表面缺陷检测提供了一种新的方法。
机器视觉技术具有高精度、快速、自动化等特点，能够有效解决表面缺陷检测的问题。
二、研究目的本研究旨在探究基于机器视觉的工件表面缺陷检测算法，解决现有检测方法难以满足精度和效率需求的问题。
通过研究和实验，建立一套高效精准的工件表面缺陷检测算法，提高表面缺陷检测的自动化程度，为工业生产提供更好的服务。
三、研究内容1. 对机器视觉技术的原理和应用进行深入研究和探讨；2. 分析和总结常见的工件表面缺陷类型，并提出相应的检测算法；3. 研究算法的实现方法，建立相应的模型，完成实验和验证；4. 评估算法的效果，对比不同算法的优缺点，提出改进措施并进行实际应用。
四、研究方法本研究主要采用以下方法：1. 文献调研，对机器视觉技术的原理、应用和工件表面缺陷检测进行较全面的学习和了解；2. 实验研究，通过收集工件表面缺陷样本，建立检测模型，验证算法的效果和优缺点；3. 统计分析，对实验数据进行统计和分析，认识算法的表现和改进措施。
五、研究成果本研究希望能够完成以下几个方面的工作：1. 建立基于机器视觉的工件表面缺陷检测算法，实现对常见缺陷类型的自动检测；2. 对算法进行评估和优化，提高检测效率和精度；3. 开发出适用于实际生产的检测系统，并进行实际应用；4. 发表学术论文，提高学术水平和学术影响力。
六、预期贡献本研究预期有以下几个贡献：1. 提出一种适用于工件表面缺陷检测的高效精准算法，填补现有技术的空白；2. 为工业生产提供一种高效精准的表面缺陷检测方法，提高生产质量和效率；3. 对机器视觉技术的进一步研究和应用产生积极影响，推动相关工作的进展；4. 对相关领域的学术研究产生启示和参考，促进学术交流和发展。
机械设备：人形机器人深度二：TESLA BOT硬件拆解
证券研究报告 | 行业深度2022年07月04日机械设备人形机器人深度二：TESLA BOT 硬件拆解新纪元开启，特斯拉人形机器人有望引领万亿级蓝海市场。
人形机器人更被誉为机器人皇冠上的明珠。
在所有机器人的研发中，人形机器人的挑战难度是业界公认最高的。
近日，特斯拉首席执行官马斯克在推特上称，特斯拉可能在几个月内推出能够运转的人形机器人原型，他为此将这家电动汽车制造商的第二个人工智能日推迟到9月30日。
Tesla Bot 可能是2022年最重要的产品开发项目，第一版有望在2023年投入生产，其将用来填补劳动力缺口。
从公布的参数看，Optimus 身高1.72m ，重量57kg ，负载20kg （手臂附加5kg ），行走速度2m/s ，其运用了特斯拉最先进的AI 技术，并基于视觉神经网络神经系统预测能力的自动驾驶技术驱动，其大脑是算力极强的DOJO D1超级计算芯片，Optimus 机器人的推出，代表着特斯拉在人工智能上迈出了一大步，具备极强的标杆带头作用，将为机器人产业链带来重大发展机遇。
考虑到特斯拉汽车在中国售价最低为30万元左右，预计Optimus机器人的单体价格大体将位于17-30万元之间。
根据国际劳工组织数据，2021年全球劳动人口总数约34.5亿人，假设其中约11.6%的劳动者被机器人取代，按价格25万元计算，全球人形机器人市场空间可达100万亿级别。
核心零部件成本占比超70%，机器代人浪潮下相关产业链有望持续受益。
机器人产业链的上游主要为零部件供应商，核心零部件为伺服系统、减速器、控制系统等；产业链的中游为机器人本体提供商与集成供应商，主要负责机器人本体的生产，并根据不同的应有场景和用途进行有针对性地系统集成和软件二次开发。
下游包括工业应用与服务应用，工业应用主要为汽车、电子、金属加工等产业，服务应用范围较广，主要从事维护保养、修理、运输、清洁、保安、救援、监护等工作。
其中上游核心零部机器人产业链的核心环节，以工业机器人为例，按成本拆分，减速器/伺服系统/控制系统/本体制造分别占机器人成本的35%/25%/10%/15%，其中核心零部件成本合计约70%，从目前特斯拉公布的应用范围来看，人形机器人为服务机器人的技术升级，涉及到自动驾驶、视觉导航、传感器技术等多种技术融合，机械产业链方面主要涉及到伺服电机、减速机、控制系统、驱动器与机器视觉等方面，我们认为，特斯拉人形机器人推出有望加速机器代人浪潮来袭，上游核心零部件、机器视觉等相关产业链有望直接受益。
中国废旧纺织品回收行业回收量、回收价值、政策及重点企业分析
中国废旧纺织品回收行业回收量、回收价值、政策及重点企业分析一、废旧纺织品回收行业概述废旧纺织品作为一种可回收再利用资源，如果对其进行充分回用，不仅可以节省大量的纺织原材料，缓解石油消耗、耕地紧张等问题，还可减少焚烧时有害气体的排放量，减少填埋时对土地的污染，具有极其重要的环境和社会意义。
一般而言，废旧纺织品回收再生可分为零级回收、初级回收、物理回收、化学回收、能量回收五类。
废旧纺织品的再生利用方法二、废旧纺织品回收行业政策环境为进一步加快推进废旧纺织品循环利用，构建资源循环型产业体系和废旧物资循环利用体系，《关于加快推进废旧纺织品循环利用的实施意见》提出，到2025年，废旧纺织品循环利用体系初步建立，循环利用能力大幅提升，废旧纺织品循环利用率达到25%，废旧纺织品再生纤维产量达到200万吨。
废旧纺织品回收行业相关政策梳理相关报告：产业研究院发布的《2023-2029年中国废旧纺织品回收行业市场发展现状及投资规划建议报告》三、废旧纺织品回收行业现状1、回收量中国作为世界上最大的纺织服装生产国和消费国，每年在消耗大量纺织品原材料的同时也产生大量废旧纺织品，废旧纺织品回收利用对节约资源、减污降碳具有重要意义，能有效补充纺织工业原材料供应，促进纺织行业绿色低碳循环发展。
2022年，中国废旧纺织品回收量为415万吨，较上年下降12.6%。
2017-2022年中国废旧纺织品回收量及增速2、回收价值目前，我国再生资源回收企业约有9万多家，以中小型企业占据主流，从业人员约1300万人。
随着废旧纺织品回收行业规模持续扩大，我国旧衣物回收渠道包括回收箱、线上回收、上门回收、销售网点代收等，已覆盖全国大中城市，2022年，中国废旧纺织品回收价值为16.6亿元，同比下降达36.4%。
2017-2022年中国废旧纺织品回收价值及增速四、废旧纺织品回收行业重点企业北京三联虹普新合纤技术服务股份有限公司创立于1999年，是一家专注于合成纤维及其原料生产技术及装备领域的高新技术企业。
机械设备行业第3周周报：信捷电气业绩超预期，半导体设备国产化确定性强
证券分析师：范益民S0350519100001****************.cn信捷电气业绩超预期，半导体设备国产化确定性强——机械设备行业第3周周报最近一年行业走势行业相对表现表现1M 3M 12M机械设备 6.6 8.1 33.2沪深300 8.8 13.9 31.4相关报告《机械设备行业第2周周报：工程机械高歌猛进，半导体设备国产化确定性强》——2021-01-11《机械设备行业第1周周报：机器视觉蓝海市场大有可为，半导体设备战略布局机会值得重视》——2021-01-04《机械设备行业第51周周报：工业机器人产量保持快速增长，看好制造业升级趋势下发展机遇》——2020-12-21《机械设备行业第50周周报：挖机销量超预期，看好智造升级长期趋势》——2020-12-14 《机械设备行业第49周周报：PMI指数创新高，制造业景气延续》——2020-12-07 投资要点：⏹盛美半导体首台12寸单晶圆薄片清洗设备提前验收，台积电2021年将支出280亿，大力扩产3nm制程：盛美新款12寸单晶圆薄片清洗设备是一款高产能的四腔体系统，用于超薄片的硅减薄湿法蚀刻工艺，以消除晶圆应力、并进行表面清洗等。
通过采用不同的化学药液组合，该系统可拓展应用于清洗、光刻胶去除、薄膜去除和金属蚀刻等工艺。
该设备从正式装机到应用于产品片生产，只用了18天的时间，原定一年的验证期，实际仅用6个月。
台积电拿下英特尔3nm处理器巨单，2021年将支出280亿美元。
台积电资本支出的80%会使用在先进制程(包含3nm、5nm及7nm技术)、约10%用于高端封装及光罩制作。
3nm（N3）制程是继N5 之后又一个全节点的新技术，相较N5 可提高70% 的逻辑密度、效能提升15%、功耗降低30%，会是个非常长寿的制程世代，且在PPA（效能、功耗、面积）及电晶体技术上都将会是业界最先进的技术。
根据台积电3nm制程的进度，预计在2021 年试产，在2022下半年进入量产，届时台积电帮英特尔代工的3nm处理器芯片也会进入生产交付。
乐聚机器人公司解读报告2020年09月01日
公司解读报告
公司名称：乐聚机器人
生成时间：2020.09.01
声明：
1、本报告仅供客户作为商业决策的参考资料，数据来自
公开渠道。
客户在做商业决策时、仅供参考，IT桔子并
不承担客户决策所可能带来的商业风险。
2、未经IT桔子书面同意，本报告不得以任何形式全部
或部分提供给第三方，或者在公开渠道进行传播。
公司解读报告-乐聚机器人
IT桔子是关注互联网新经济行业的投融资数据库和商
业信息服务提供商，数据服务包括公司、创业者、细
分领域、投资机构、投资者、投资事件、新闻、产品等。
产品服务包括但不限于：IT桔子网站和APP、API
数据服务、IT桔子智讯投资管理系统、线下活动、数
据和信息服务等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2020年机器视觉行业深度报告 导语 全球机器视觉市场规模从 2008 年的 25 亿美元增长至 2017 年 70 亿美元，年复合增速为 12.3%。我国机器视觉市场从 2008 年进入快速发 展阶段，至 2017 年市场规模达 65 亿元，2008-2017 年复合增速 32.7%，显著 高于全球水平。
1、机器视觉，开“眼”看世界 1.1、 机器视觉是人工智能重要的前沿技术 机器视觉是人工智能行业的重要前沿分支。机器视觉通过模拟人类视觉系统，赋 予机器“看”和“认知”的能力，是机器认识世界的基础。机器视觉利用成像系 统代替视觉器官作为输入手段，利用视觉控制系统代替大脑皮层和大脑的剩余部 分完成对视觉图像的处理和解释，让机器自动完成对外部世界的视觉信息的探测， 做出相应判断并采取行动，实现更复杂的指挥决策和自主行动。作为人工智能最 前沿的领域之一，视觉类技术是人工智能企业的布局重点，具有最大的技术分布。 机器视觉在智能制造领域应用广泛，按功能主要可分为四大类：识别、测量、定 位和检测。识别功能指甄别目标物体的物理特征，包括外形、颜色、字符、条码 等，其准确度和识别速度是衡量的重要指标；测量功能指把获取的图像像素信息 标定成常用的度量衡单位，然后在图像中精确地计算出目标物体的几何尺寸，主 要应用于高精度及复杂形态测量；定位功能指获取目标物体的坐标和角度信息， 自动判断物体位置，多用于全自动装备和生产；检测功能指对目标物体进行外观 检测，判断产品装配是否完整和外观是否存在缺陷。 1.2、 机器视觉基本架构 机器视觉（Machine Vision）是指通过光学装置和非接触传感器自动接收并处理 真实物体的图像，分析后获取所需信息或用于控制机器运动的装置。通俗地说， 机器视觉就是用机器代替人眼。机器视觉模拟眼睛进行图像采集，经过图像识别 和处理提取信息，最终通过执行装置完成操作。
五大模块构筑机器视觉系统：按照信号的流动顺序，机器视觉系统主要包括光学 成像、图像传感器、图像处理、IO 和显示等五大模块。光学成像模块设计合理 的光源和光路，通过镜头将物方空间信息投影到像方，从而获取目标物体的物理 信息；图像传感器模块负责信息的光电信号转换，目前主流的图像传感器分为 CCD 与 CMOS 两类；图像处理模块基于以 CPU 为中心的电路系统或信息处理 芯片，搭配完整的图像处理方案和数据算法库，提取信息的关键参数；IO 模块 输出机器视觉系统的结果和数据；显示模块方便用户直观监测系统的运行过程， 实现图像的可视化。
相对于人类视觉而言，机器视觉在量化程度、灰度分辨力、空间分辨力和观测速 度等方面存在显著优势。其利用相机、镜头、光源和光源控制系统采集目标物体 数据，借助视觉控制系统、智能视觉软件和数据算法库进行图形分析和处理，软 硬系统相辅相成，为下游自动化、智能化制造行业赋予视觉能力。随着深度学习、 3D 视觉技术、高精度成像技术和机器视觉互联互通技术的发展，机器视觉性能 优势进一步提升，应用领域也向多个维度延伸。
1.3、 机器视觉发展历程 机器视觉起源于上世纪 50 年代，Gilson 提出了“光流”这一概念，并基于相关 统计模型发展了逐像素的计算模式，标志着 2D 影像统计模式的发展。
1960 年，美国学者 Roberts 提出了从 2D 图像中提取三维结构的观点，引发了 MIT 人工智能实验室及其它机构对机器视觉的关注，并标志着三维机器视觉研究 的开始。
70 年代中期，MIT 人工智能实验室正式开设“机器视觉”课程，研究人员开始 大力进行“物体与视觉”相关课题的研究。1978 年，David Marr 开创了“自下 而上”的通过计算机视觉捕捉物体形象的方法，该方法以2D的轮廓素描为起点， 逐步完成 3D 形象的捕捉，这一方法的提出标志着机器视觉研究的重大突破。
80 年代开始，机器视觉掀起了全球性的研究热潮，方法理论迭代更新，OCR 和 智能摄像头等均在这一阶段问世，并逐步引发了机器视觉相关技术更为广泛的传 播与应用。
90 年代初，视觉公司成立，并开发出第一代图像处理产品。而后，机器视觉相 关技术被不断地投入到生产制造过程中，使得机器视觉领域迅速扩张，上百家 企业开始大量销售机器视觉系统，完整的机器视觉产业逐渐形成。在这一阶段， LED 灯、传感器及控制结构等的迅速发展，进一步加速了机器视觉行业的进步， 并使得行业的生产成本逐步降低。
2000 年至今，更高速的 3D 视觉扫描系统和热影象系统等逐步问世，机器视觉 的软硬件产品蔓延至生产制造的各个阶段，应用领域也不断扩大。当下，机器视 觉作为人工智能的底层产业及电子、汽车等行业的上游行业，仍处于高速发展的 阶段，具有良好的发展前景。
国内机器视觉起步晚，目前处于快速成长期。国内机器视觉源于上世纪 80 年代 的第一批技术引进。自 1998 年众多电子和半导体工厂落户广东和上海开始，机 器视觉生产线和高级设备被引入我国，诞生了国际机器视觉厂商的代理商和系统 集成商。ZG的机器视觉发展主要经历了三个阶段。 第一个阶段是 1999 年-2003 年的启蒙阶段。这一阶段的ZG企业主要通过代理 业务对客户进行服务，在服务的过程中引导客户对机器视觉的理解和认知，借此 开启了ZG机器视觉的历史进程。同时，国内涌现出的跨专业机器视觉人才也逐 步掌握了国外简单的机器视觉软硬件产品，并搭建起了机器视觉初级应用系统。在这一阶段，诸如特种印刷行业、烟叶异物剔除行业等率先引入了机器视觉技术， 在解放劳动力的同时有效推动了国内机器视觉领域的发展。
第二个阶段是 2004 年-2007 年的发展阶段。这一阶段本土机器视觉企业开始起 步探索由更多自主核心技术承载的机器视觉软硬件器件的研发，多个应用领域取 得了关键性的突破。国内厂商陆续推出的全系列模拟接口和 USB2.0 的相机和采 集卡，以及 PCB 检测设备、SMT 检测设备、LCD 前道检测设备等，逐渐开始 占据入门级市场。
第三个阶段是 2008 年以后的高速发展阶段。在这一阶段众多机器视觉核心器件 研发厂商不断涌现，一大批真正的系统级工程师被不断培养出来，推动了国内机 器视觉行业的高速、高质量发展。
随着全球制造中心向我国转移，目前ZG已是继美国、日本之后的第三大机器视 觉领域应用市场。据ZG视觉产业联盟，2018 年我国机器视觉行业销售额达到 83 亿元，较 2013 年翻了 3 倍，年复合增长率达 33.54%。 2、 行业快速发展，核心部件国产化进行时 机器视觉虽只几十年发展时间，但随着全球新一轮科技革命与产业变革浪潮的兴 起，机器视觉行业顺势迎来快速发展。机器视觉的应用已经从最初的汽车制造领 域，扩展至如今消费电子、制药、食品包装等多个领域实现广泛应用。
据前瞻产业研究院，全球机器视觉市场规模从 2008 年的 25 亿美元增长至 2017 年 70 亿美元，年复合增速为 12.3%。我国机器视觉市场从 2008 年进入快速发 展阶段，至 2017 年市场规模达 65 亿元，2008-2017 年复合增速 32.7%，显著 高于全球水平。 国际机器视觉市场的高端市场主要被美、德、日品牌占据。美国康耐视（Cognex）、 国家仪器（NI），德国巴斯勒（Basler）、伊斯拉视像（ISRA Vision），日本基恩 士（Keyence）、欧姆龙（Omron）等都是在机器视觉领域拥有技术积累和良好 客户口碑的国际巨头公司。其中康耐视和基恩士作为全球机器视觉行业的两大巨 头，垄断了近 50%的全球市场份额。
国内机器视觉行业竞争格局较分散，在核心零部件上国外企业占据更大的市场 份额与销售优势。据《ZG机器视觉产业全景图谱》，目前进入ZG的国际机器 视觉品牌已有 200 多家，ZG本土的机器视觉品牌有 100 多家，各类产品代理 商超过 300 家，系统集成商也有超过 100 家。可见，国内机器视觉企业以产品 代理商与系统集成商为主，在机器视觉产业链上游领域布局较少，在机器视觉核 心零部件的研发能力上不及国外老牌公司雄厚，因此中高端市场主要由国际一线 品牌主导。
根据ZG机器视觉产业联盟 2017 年度企业调查结果，国内机器视觉企业销售额 在 1000-3000 万的占比最高（31.8%），其余依次为 1000 万以下（19.8%），5000 万-1 亿（18.7%），1 亿以上（16.5%），3000-5000 万（13.2%）。2017 年，康 耐视在大中华区实现 6.76 亿元收入，相比之下，我国大部分机器视觉企业销售 规模较小。 2.1、 工业相机：捕捉和分析对象的核心部件 图像分析的前提是由镜头捕捉光信号并转变为有序的电信号。区别于民用相机， 工业相机具有更高的图像稳定性、传输能力和抗干扰能力，是机器视觉系统的关 键组件。目前市面上的工业相机产品主要有线阵相机、面阵相机、3D 相机和智 能相机等。智能相机将图像的采集、处理与通信功能集成于单一相机内，已成为 工业相机发展的趋势。
图像传感器是相机的核心，根据芯片类型可划分为 CCD 和 CMOS 图像传感器， 两者都使用光敏二极管进行光电转化，但在工作原理和产品特性上都存在较大区 别。
CCD 图像传感器是一个由光电二极管和存储区构成的矩阵，每一个感光元件在 将光线转化为电荷后，直接输出到下一个感光元件的存储单