出品|5GAI产业研习社

作者|严翊萁

排版|严翊萁、祝香倩

参与人员|张轩玮、薛雅卓、王英昆、张兰娇（排名不分先后）

责编|祝香倩

主编|Candy

1

引言

中国在制造业大国向制造业强国转型过程中，机器视觉下游应用需求层出不穷。其中，消费电子是最主要的应用领域，但锂电、汽车、半导体等新行业应用需求正快速增长。据中国机器视觉产业联盟统计，2020年机器视觉在电子、半导体、汽车领域的销售额分别占全行业销售额的52.9%、10.3%、8.8%。

除此之外，COVID-19（冠状病毒）的普遍传播给世界各地的公共卫生、政府和医学界带来了严峻的挑战。世界各地的研究人员和政府都在尝试探索新的诊断和治疗技术，以应对 COVID-19 的挑战。如今，机器视觉已在多个应用领域和行业中大范围的应用。在这种情况下，计算机视觉作为人工智能的一个子领域，能否有可能在控制COVID-19的斗争中做出贡献也是值得讨论的。

2

消费电子及新行业应用的市场规模及未来发展趋势。

随着技术的快速发展，机器视觉行业下游领域不断拓展，从下游应用结构来看，目前我国机器视觉已经在消费电子、半导体、汽车、电池、包装、食品、医药等领域得到广泛应用。其中，中国机器视觉应用数量前三的行业依次是消费电子（52.9%）、半导体（10.3%）和汽车（8.8%）。

数据来源：机器视觉产业联盟、开源证券研究所，5G-AI产业研习社制作

1.消费电子行业

1.1    消费电子市场规模巨大，是机器视觉主要应用行业

根据Statista的数据，2017年，全球消费电子行业市场规模已达61325亿元。随着全球消费电子行业市场规模稳步增长，至2021年已达72359亿元，预计2022年将增长至75415亿元，市场规模巨大，市场前景广阔。而中国是全球最大的消费电子产业研发和制造基地，整体产值规模已超过6万亿。2021年以来消费电子制造业各月固定资产投资额累计保持正增长，为机器视觉的发展提供了优渥的条件。

数据来源：Wind、开源证券研究所，5G-AI产业研习社制作

1.2    消费电子产品，在未来仍将占据主要地位

（1） 高迭代频率，不断带来新的需求

消费电子市场主要为周期属性为主，一般以2年为一个周期，大小年特征明显。以苹果公司为例，2014年推出Retina高清显示屏、2017年推出iPhoneX全面屏、2020年推出OLED屏幕并升级为5G手机。产品外观、性能均出现较大变化，为机器视觉行业带来新的检测需求。检测公司龙头奥普特营收同比增速出现明显“波峰”形状。

数据来源：Wind、开源证券研究所

（2） 2D向3D视觉升级

随着消费电子产品越来越精密化，在元器件尺寸越来越小的同时，质量标准也在同步提高。因此，对于工业机器视觉的需求不断放大。以5G智能手机为例，产品升级与技术升级，相应地需要机器视觉工具进行升级。在主板和零部件组装上，仍以2D视觉为主，3D视觉为辅。相比2D，3D机器视觉具有测量速度快、精度高、抗干扰能力强、操作简便等优势，能有效解决2D机器视觉对于高度、厚度、体积、平面度等测量因素缺失的问题。3D技术的突破，将进一步推动视觉技术在高端场景的应用，传统的2D视觉将快速向3D升级，推动机器视觉市场持续增长。

2. 作为国家经济战略先导，半导体行业迅速发展

根据SIA（半导体行业协会）发布数据，2021年中国以1,925亿美元的半导体销售额成为全球规模最大的区域市场，占比34.6%；同比涨幅则为27.1%，全球第三。预计至2025年，中国集成电路市场规模可达到1,734-2,445亿美元，占全球市场的43.35%-45.64%，集成电路自给率要达到70%。此外， 2021年中国集成电路产业销售额为1,0458.3亿元，同比增长18.2%。销售额份额全球占比由2010年的8.6%扩大到2020年34.4%，发展迅猛。

数据来源：中国半导体行业协会，5G-AI产业研习社制作

数据来源：高力国际，5G-AI产业研习社制作

机器视觉已被应用于半导体外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等检测，以及晶圆制造和封装测试中的检测、定位、切割和封装过程。随着中国半导体产业的兴起，半导体技术的更新换代，产生大量需求。

3. 机器视觉在新能源领域渗透率逐步提高

3.1    光伏产业发展迅速

来自国家能源局的数据显示，我国2021年新增光伏发电并网装机容量5297万千瓦，连续9年稳居世界首位。截至2021年底，光伏发电并网装机容量达到3.06亿千瓦，突破3亿千瓦大关，连续7年稳居全球首位。

数据来源：Wind、工业和信息化部、开源证券研究所

在光伏产业稳步拓展和降碳环保背景下，光伏生产良率爬升，降本增效显得刻不容缓。光伏的核心是太阳能电池片，在太阳电池片的生产过程中，会产生如碎片、电池片隐裂、表面污染、电极不良、划伤等缺陷，这些缺陷限制了电池的光电转化效率和使用寿命，会造成电池片等级降级或报废，从而影响工厂的生产效能。采用机器视觉技术对上述缺陷进行检测可以大大提高光伏产品的良率，因此机器视觉在光伏领域应用的渗透率逐步增加。

3.2    2022年锂电领域机器视觉需求出现明显攀升

根据主流锂电企业产能规划，预计截至2022年底名义产能合计将达1105GWh，同比增加35%，对应机器视觉需求为19-39亿元。此外，由于锂电领域设备的毛利率相比消费电子低，国外机器视觉企业进军锂电市场动力较小。

数据来源：各公司公告、鑫椤锂电、开源证券研究所，5G-AI产业研习社制作

3.3    新技术和新材料的应用将带来全新检测需求

如4680电池技术在行业内的推广普及，新技术的应用即提升了现有电池技术，同时新材料的运用，如铸造铝合金等材料在锂电池的不断运用，将带来锂电新材料的放量，也对机器视觉检测提出了新的要求，增加行业市场规模。以锂电和光伏为代表新能源市场快速发展给机器视觉市场带来新的增量。

2

机器视觉在应对新冠疫情上发挥的作用

1. 用于 COVID-19 诊断的计算机视觉

快速、可靠、广泛可用且负担得起的诊断是对抗 COVID-19 的重要组成部分。计算机视觉主要被应用于两种诊断上。

1.1    X光摄像

数字胸部 X 射线摄影 (CXR) 具有更低的成本和更广泛的可用性来检测胸部病理。因此，使用带有计算机辅助诊断的数字 X 射线图像可用于检测 COVID-19 特征，因为它用于癌症和心脏病等不同疾病。然而，COVID-19 特征的视觉检测具有挑战性，需要对机器视觉进行预处理以增强 X 射线图像中软组织的低对比度。多种深度学习计算机视觉模型可用于基于 X 射线的 COVID-19 诊断，而最流行的用胸部 X 光片检测 COVID-19 病例的方法名为  COVID-Net，由加拿大 Darwin AI 开发。它使用称为 COVIDx 的数据集进行训练，并基于 13,645 例患者病例的总共 16,756 张胸部 X 光图像。COVID-Net 计算机视觉模型对 COVID-19 诊断的准确率达到了 92.4%。

1.2    CT

计算机断层扫描 (CT) 提供了比传统 X 射线更详细的图像，并提供了骨骼、脂肪、肌肉和器官的详细视图。武汉大学人民医院就使用经过训练的模型来加速新 COVID-19 病例的诊断。它基于放射科专家标记的健康和感染患者的 46,096 张图像的 CT 图像数据集。该数据集是从 106 名患者（51 名确诊的 COVID-19 患者和 55 名对照患者）中收集的。该方法基于UNet++语义分割模型，用于提取图像中的有效区域。该模型实现了 95.24% 的每位患者准确率，阳性预测值准确率为 84.62%，阴性为 100%。

2. 用于 COVID-19 的预防

世界卫生组织提供了有关感染预防和控制 (IPC) 策略的指南。冠状病毒预防旨在通过早期识别、源头控制、所有患者的标准预防措施、行政控制以及环境和工程控制来限制医疗机构中的传播。计算机视觉应用程序可用于支持此类 IPC 策略的实施。

2.1    蒙面人脸识别

疾病进展早期的一个关键策略是使用口罩和防护设备来限制病毒传播。计算机视觉系统可用于极大地促进其实施。基于多粒度蒙面人脸识别模型的蒙面人脸识别方法在蒙面人脸图像数据集上实现了 95% 的准确率。

2.2    热成像

红外热像仪是一种早期检测策略，用于识别感染 COVID-19 的人，主要应用于机场或商场等公共场所。例如使用移动平台根据红外额头温度进行自动发烧筛查。计算机视觉系统可用于使用热成像系统和 CCD 摄像机通过特征匹配和 MUSIC 算法进行非接触式生命体征测量的系统可以进行感染筛查。

2.3    细菌筛查

机器视觉可以用于细菌扫描的卷积神经网络，例如细菌光片显微镜图像数据的识别，准确率超过 90%。

2.4    机器视觉引导的机器人

机器视觉引导的机器人在此次疫情中，尤其是在中国，得到了灵活运用。

（1） 智能物流——防护物资的智能分拣与配送

中国初创业UDI开发了一款用于物流应用的自动驾驶机器人“大力神”，用于向隔离区运送食物。该机器人使用激光雷达、立体视觉相机和深度学习算法进行自我驾驶，在货舱力可运载多达1000公斤货物。该公司计划在未来几年大规模生产这些自主物流机器人。

（2） 无人驾驶”——机器人管控，无人机巡逻

医院首批支援湖北医疗队给汉口医院带是一台名为“小逸”的机器人。它长得像一台小型冰箱，顶部配有电子显示屏，集成无人驾驶技术，可实现自主开关门、搭乘电梯、自主避开障碍物、语言提示、自主充电等。可自主读取地图和工作环境，自主规划路径，实现点对点物资配送，承担起给病人送药送饭的工作。

（3） 视觉引导——减少人与人的不必要接触

例如，美国Orrbec公司与中国的机器人制造商合作，在中国将其3D相机产品部署到机器人中，用于不同的医院应用。食品输送机器人、消毒机器人和在医院科室之间引导病人的定向引导机器人已经在中国的许多医院部署。

3. 用于 COVID-19 治疗的机器视觉

迄今为止，还没有针对 COVID-19 病毒的特定治疗方法。然而，许多症状是可以治疗的。因此，治疗将取决于确定患者的临床状况。

3.1    疾病进展评分

通过根据疾病的严重程度对患者进行分类，可以改进临床管理实际问题。例如，临床机构可以使用计算机视觉识别危重病人以指导医疗护理（危重病人筛查）。疾病进展评分可用于对不同类型的感染患者进行分类并打分。该分数是通过测量 CT 图像中的感染区域来计算的，以测量患者随时间的进展情况并确定最危重的患者。

深度相机和深度学习已被用作异常呼吸模式分类器，以对感染 COVID-19 病毒的人进行准确且不引人注目的大规模筛查。呼吸模拟模型 (RSM) 的首次提出是为了填补大量训练数据与稀缺的现实世界数据之间的空白。调查发现，感染 COVID-19 的人呼吸更快。因此，该模型基于门控循环单元 (GRUs) 神经网络对六种具有临床意义的呼吸模式进行分类，以识别重症患者。该模型可以对呼吸模式进行分类，准确率为 94.5%。

3.2    支持疫苗开发

通过将分子构象的 360° 图像整合到深度学习中，深度特征表示学习可用于定量构效关系 (QSAR) 分析。使用基于新型分子图像输入技术的深度学习的 QSAR（定量构效关系）分析可用于药物发现，从而支持疫苗的开发。

3

总结

下游应用层面消费电子是主要应用领域。需求稳健且更迭周期短的特点保证了其未来市场。新能源、半导体则是未来新的增长点，新技术、新材料的应用带来价值量提升。同时，由于计算机视觉技术的多学科性质，它可以支持不同领域和行业的团队应对冠状病毒大流行的挑战。因此，在应对疫情方面，人工智能视觉变得越来越流行，目前正在高速引入和测试新的应用程序。