QQ在線
企業微信
資訊
454得益于AI和3D技術，工業視覺已具備快速成長要素，2018年規模100億+，預計將有更多工業場景被開拓。以下為華興資本AI行研報告的具體內容。
寫在前面：計算機視覺是一門研究“教”機器“看”的學科，讓機器代替人眼來作各種測量和判斷，包括定位、識別、測量、檢驗等。除此之外，計算機視覺還可做圖形處理，產生更適合人眼觀察或傳送給儀器檢測的圖像。
報告全文：
簡單來說，工業視覺（機器視覺）就是利用機器代替人眼來作各種測量和判斷，比如定位、識別、測量和檢驗等。
工業視覺系統的高速和穩定性是人所望塵莫及的。例如在高流量物流分發中心內掃描包裹，機器系統處理的效率要遠超人工。
而對于像在“不接觸物體的情況下進行高精度測量”這種人無法完成的高難度工作中，工業視覺系統可以輕松解決。
1. 行業趨勢：中國自動化潛力巨大
在工業視覺最大的應用行業消費電子和汽車制造中，一條生產線需要的視覺系統數量可能高達十幾套。在這兩個重點行業中，中國的工業機器人密度對比美國、日本、韓國、德國等發達國家仍有較大差距。
2.經濟效益：人力成本上漲，工業視覺效益凸顯
一般來說，如果設備的回本周期在12個月以內，對工廠有較高吸引力。以食品包裝檢測為例，工廠安裝工業視覺系統的回本周期普遍在2-8個月，具有明顯的經濟性。未來隨著用工成本的不斷增加，以及工業視覺零部件國產化使得設備價格的不斷降低，工業視覺系統的經濟性將更加顯著。
3.勞動力需求：服務業吸引力漸增，工業勞動力緊缺
2015年，美團外賣騎手人數僅為1.5萬人，但到了2018年第四季度，日均活躍騎手人數已接近60萬人，而餓了么旗下蜂鳥騎手的注冊人數早已突破300萬人。
80、90后為美團騎手群體的中堅力量，占比高達82%。值得注意的是，31%的騎手的上一份工作是產業工人。而離開的原因普遍是工作時間不靈活、收入低。而外賣騎手這一崗位對他們最大的吸引力就是多勞多得（一般6-8千），其次是工作時間自由。
4.底層技術推動：人工智能掀起行業變革旋風
首先，傳統工業視覺在很多復雜的環境下無能為力。而人工智能尤其是深度學習的出現，在很多方面（如字符識別能力）給工業視覺系統帶來了大幅度提升。
其次，深度學習視覺系統則大大解放了程序員生產力。
一些傳統的工業視覺檢測系統的編程難度超乎想象。傳統的工業視覺系統依賴于rule-based algorithm，即由程序員手動編寫缺陷特征。當缺陷數據庫越來越龐大時，算法將變得高度復雜。
但在有“已知合格元件”圖像集的情況下，深度學習視覺系統只需 10-30 分鐘的學習時間即可開工檢測，無需任何特定的軟件開發和缺陷數據庫建立。
此外，令人振奮的是，人工智能引領的新技術不僅能解決工業視覺已有應用行業未解決的問題，也為我們開拓了全新的應用領域。
未來，傳統算法和AI將互相配合，使工業視覺系統達到更優效果。
5. 3D工業視覺技術進步：潛在應用增多
在2D的視覺系統中，攝像頭先拍到一個平面的照片，然后通過圖像分析來識別物體平面上的特征。2D視覺不支持與形狀相關的測量，如物體平面度、表面角度、體積等，對被測物體的移動十分敏感等，測量精度也易受變量照明條件的影響。
3D視覺系統通常由多臺不同位置的相機組成，可以測量與形狀相關的特征，使用范圍更廣（例如工業機器人）。
目前，工業視覺行業在百億規模，但未來增長潛力巨大——眼下中國制造業從業人數為1億人，按質檢員工占比10%-20%、每位質檢員工年薪4萬元、工業視覺在長遠的未來能代替10%-20%的質檢人員計算，潛在的市場規模可能是千億級別的。
工業視覺產業鏈包括光源、鏡頭、工業相機、圖像采集卡、軟件、設備制造商/代理商/系統集成商等。我們認為，其中軟件算法和設備集成變革機會最大，值得關注。
不過需要注意的是，只能單純提供AI算法軟件并不能滿足客戶需求。因此，具有AI技術并能提供整套解決方案的工業視覺企業將受到追捧，關鍵能力包括AI技術水平、行業理解、客戶資源、提供整體解決方案的能力。
軟件算法
(1) 決定了系統最終價值，是整個系統中最重要的環節
軟件算法是工業視覺系統的“大腦”，決定了工業視覺的準確率和價值，是整個系統中最重要的環節，獲利空間較大。過去由于盜版問題的存在，因此國內廠商自行開發較少（目前版權保護有所好轉）。國外MVTech開發的Halcon和Cognex開發的Vision Pro是當下最常用的視覺開發包。國內創科視覺的CK Vision相對前面幾個工具包來說價格優勢比較明顯，在國內用量很大。
(2)深度學習的出現給了AI創企進入行業的機會
工業視覺從當前的應用場景領域拓展到新的場景時需要克服2個“關卡”：技術關和經濟性關。深度學習的出現使得技術關的通過變得更加容易。一方面，深度學習可以幫助視覺系統完成更加復雜的任務。另一方面，使用深度學習模型后，工作人員無需建立復雜的數據庫和軟件開發。
康耐視、MVTec打磨了幾十年的rule-based軟件無法實現AI-based工業視覺系統能實現的功能。一些AI初創企業如創新奇智、阿丘科技、精銳視覺找準市場，發揮自己的技術特長獲得了快速的成長機會。
(3)頭部公司尾大不掉，是AI創企的機會
工業領域單純提供AI算法并不能滿足客戶需求。例如OCR應用如果不為用戶提供定制化開發，深度學習算法準確率只有80%-90%。在此基礎上加上制定化軟件開發，識別率可以接近100%。康耐視雖然有AI軟件平臺，但是不為大陸客戶提供定制化開發，為AI創企留足了機會。
整機/代理/系統集成商
一般集成商會根據客戶的具體要求選擇最合適的機型和零部件，按實際需要解決的問題進行軟件二次開發，最終為客戶提供整套的解決方案。國內目前有集成業務的公司超過100家，其中上規模的公司并不多。
不過對于客戶來說，整套解決方案并不等于單純的軟件平臺。他們需要的方案里還要解決如何打光、如何提高成像質量、如何設計自動化結構等項目落地的實際問題。軟件供應商同時需要有集成能力才能獲得客戶的認可，并將自己的產品落地。同理，設備供應商也需要具備軟件開發能力（例如集成商天準科技目前大力開發軟件）。
1. 案例學習：康耐視（COGNEX）
美國康耐視成立于1981年，是為制造自動化領域提供視覺系統、視覺軟件、視覺傳感器和工業讀碼器的全球領先廠商，總部位于美國。康耐視自主掌握核心的圖像處理軟件以及傳感器，主要產品線包括條碼讀取器、2D工業視覺系統、3D工業視覺系統以及圖像處理軟件。
2018年，康耐視實現營收8.06億美元，凈利潤2.19億美元。2013-2018年的五年間，公司收入年化符合增長率21%，凈利潤復合增長率為24%。
在生產過程中公司主要采用輕資產模式，雖然為客戶提供交鑰匙工程，但公司產品的大部分零部件的購買、組裝以及初測都是交由第三方代工廠（多數位于印度尼西亞）完成，公司只負責對整個供應鏈體系進行管理（例如提供可選的零部件生產廠商名單）。在產品完成初測后，會被拉回到公司位于馬塞諸塞州的工廠（供應美國國內）或位于愛爾蘭的工廠（供應海外）安裝軟件及進行質量檢測，最后發貨。
在銷售方面公司主要在大批量（重點做大客戶）、高標準化（比如汽車）的行業進行重點布局，盡量避免做一些小的非標集成或應用。
公司形成了幾個很深的護城河：(1) 強大的軟件算法實力 (公司的Vision Pro軟件是行業最常用的平臺之一) ，能夠支撐公司不斷推出適用于市場的先進產品、支撐公司不斷進入新的下游領域 (例如之前提到的物流行業)；(2)完善的產品線；(3) 對行業技術的引領 (例如近年公司在深度學習和3D領域的不斷研發和并購) 。
并購是康耐視不斷做大并成為全球性公司的重要手段，并購主要在四個方向：(1)擴大產品線；(2)獲取最先進的技術；(3)擴大客戶群或進入新領域；(4)拓展經銷商網絡。2015-2017年，公司一共完成了7項小并購，其中就包括2300萬美元收購深度學習公司VidiSystems并推出相關系列產品。公司目前仍舊處于0債務經營的狀態。
2. 案例學習：基恩士（KEYENCE）
基恩士是成立于日本大阪的宜家工業視覺廠商，是傳感器和測量儀器的主要供應商。基恩士提供的產品包括傳感器、測量儀/測量傳感器、測量系統、安全保護器、流量/液位傳感器/壓力傳感器/記錄儀、靜電消除器、視覺系統/圖像傳感器/條碼讀取、控制系統 (PLC、HMI、電機等) 、激光打標機/激光雕刻機/噴碼機/噴墨打標機、顯微鏡/3D顯微系統、手持終端。
2018 年，康耐視實現營收49.5 億美元，凈利潤 19.8 億美元。2013-2018 年的五年間，公司收入年化符合增長率 17%，凈利潤復合增長率為 23%。
