最新版中国计算机视觉行业发展投资策略分析报告Word文件下载.docx
- 文档编号:16516070
- 上传时间:2022-11-24
- 格式:DOCX
- 页数:47
- 大小:2.94MB
最新版中国计算机视觉行业发展投资策略分析报告Word文件下载.docx
《最新版中国计算机视觉行业发展投资策略分析报告Word文件下载.docx》由会员分享,可在线阅读,更多相关《最新版中国计算机视觉行业发展投资策略分析报告Word文件下载.docx(47页珍藏版)》请在冰豆网上搜索。
图表7:
计算机视觉公司为人工智能增添动力
图表8:
国内计算机视觉的创业热
1.2.1国外互联网巨头开启并购狂潮-苹果看“脸”VS谷歌注重运用
国外巨头接连布局计算机视觉领域。
康耐视等计算机视觉厂商通过并购完
善产业链布局,整合上下游产业。
图表9:
近几年传统行业巨头的收购行动,注重上下游整合
苹果、英特尔、Facebook、谷歌和亚马逊等互联网巨头沿着与主业有协同效应的方向布局,并购对象多为为图像识别、建模,应用领域为无人驾驶、无人机、人脸识别等人工智能领域。
图表10:
近几年国外互联网大佬在计算机视觉行业的收购“大动作”
1.2.2国内计算机视觉最看“脸”,投融资如火如荼
国内计算机视觉起步晚,产业发展仍处于初创期,投融资空间大。
2016年
中国计算机视觉排名前5的公司全部以人脸识别为核心业务,而且均获得过A
轮及以上融资。
国内企业在工控领域的应用主要集中在系统集成应用。
消费领域的应用多与
人脸识别、图像处理相关。
如排名第一的旷视科技主攻人脸识别,为阿里巴巴旗下支付宝等金融平台提供面部扫描系统。
图表11:
2016年中国计算机视觉公司前5强资料
XX、腾讯、阿里三巨头也先后在计算机视觉领域发力,或自研或收购。
其中XX斥巨资进行包括计算机视觉在内的人工智能研发与无人驾驶、盲人机器人等应用。
阿里巴巴通过投资等占据人脸识别、VR应用市场的强势地位。
腾讯搭建“优图”平台,但整体动作缓慢。
图表12:
近几年国内BAT三巨头也开始计算机视觉争夺战
1.3欧美领跑产业趋势,市场空间巨大
1.3.1工业自动化需求驱动产业成长
计算机视觉始于20世纪50年代模式识别的研究,为解决工业自动化生产工艺需求。
60年代Roberts用计算机成功提取多面体,实现质的突破。
70年代Marr为代表的视觉计算理论发展与麻省理工学院“计算机视觉”课程开设标志计算机视觉进入主涵道,同时基恩士创立开启计算机视觉产业浪潮。
到了80年代,受集成电路与半导体技术的发展影响,计算机视觉进入了快速发展通道,步入正轨。
90年代计算机视觉的研究经历了从实验室走向实际应用的发展阶段,趋于成熟。
进入21世纪,随着科技发展,计算机视觉迎来了处于人工智能光环笼罩下最好的时代,具有极大的潜在应用价值。
早期的发展主要集中于北美、欧洲和日本等发达地区。
随着全球制造业向中国转移后,中国计算机视觉产业进入飞速发展阶段。
图表13:
计算机视觉的发展阶段
1.3.2国内需求强劲,未来有望引领产业发展
2015年全球计算机视觉市场规模约42亿美元,增长10.5%。
其中美国占比50%,欧洲紧随其后。
2007-2015年的复合增长率为10%左右。
据AmericanImagingAssociation预测,2014-2018年的年复合增长率(CAGR)为8.2%,
2018年全球计算机视觉市场将达50亿美元左右。
图表14:
全球计算机视觉市场规模持续增长
图表15:
2015年全球计算机视觉地区分布
美日等国计算机视觉已经过了爆发式增长阶段,进入稳定增长期,但全球需求增长仍然强劲。
我国计算机视觉起步较晚,2010年后发展迅速,2015年市场规模达3.5亿美元,占全球8.3%,增速达22.2%,位居全球首位,成为计算机视觉第三大市场。
在全球计算机视觉产业中半导体、电子制造占计算机视觉比重46.4%。
根据北京欧立信咨询中心《中国机器视觉产业发展前景与投资预测分析报告》显示,2016-2020年中国制造将促使计算机视觉维持20%的增长率,远高于全球的8.4%平均水平。
图表16:
2007-2016我国计算机视觉市场规模
图表17:
2015年我国计算机视觉应用领域
随着我国劳动力成本上升,人口红利拐点来临,降本增效及制造业转型需求必将推动计算机视觉进入快速通道。
目前国内企业主要集中于系统集成环节,核心零部件竞争力处于劣势,随着应用领域持续推广,集成商逐步陷入低门槛竞
争装备,具有核心的厂商必将脱颖而出。
图表18:
2006-2016年我国就业人口变化
图表19:
2006-2016年来我国科研投入
2生产需求和技术进步驱动计算机视觉行业发展
2.1硬件是基础,算法是核心
计算机视觉系统主要由图像的获取、图像的处理和分析、输出或显示三部分组成,一般包括灯源、镜头、工业相机、图像采集卡、图像处理单元和视觉处理软件。
图表20:
计算机视觉系统的组成硬件和软件
尽管计算机视觉应用各异,但都包括以下几个过程;
■图像采集:
光学系统采集图像,图像转换成模拟格式并传入计算机存储器。
■图像处理:
处理器运用不同的算法来提高对结论有重要影响的图像要素。
■特性提取:
处理器识别并量化图像的关键特性,例如印刷电路板上洞的位置或者连接器上引脚的个数。
然后这些数据传送到控制程序。
■判决和控制:
处理器的控制程序根据收到的数据做出结论。
例如:
这些数据包括印刷电路板上的洞是否在要求规格以内或者一个自动机器如何必须移动去拾取某一部件。
■处理与输出:
将数据进行处理后进行保存、输出。
图表21:
计算机视觉系统的零部件发展状况
计算机视觉行业的上游有光源、镜头、工业相机、图像采集卡、图像处理软件等的提供商。
主要下游市场是半导体和电子制造行业。
除此之外在汽车、印刷包装、烟草、农业、医药和交通等领域也有广泛应用。
图表22:
计算机视觉系统产业链
2.2计算机技术升级+巨头布局+产业政策“三驾马车”促进产业成长
2.2.1图像处理与深度学习技术为行业内生驱动
运算力的大幅提升加速了计算机的计算速度,而深度学习算法技术的进步提
高了图像识别精度,两者共同推动计算机视觉产业进步发展。
1999年,Nvidia公司提出了GPU(GraphicsProcessingUnit,图像处理器)这个概念。
GPU是专为执行复杂的数学和集合计算而设计的数据处理芯片。
它的出现让并行计算成为可能,对数据处理规模、数据运算速度带来了指数级的增长与改善。
图表23:
GPU运算能力远远超越CPU
图表24:
近年ImageNet比赛图像识别准确率
深度学习是一种基于多层神经网络的,以海量数据为输入的规则自学习方法。
2006年提出后,推动计算机视觉自学习,即,机器从海量数据库里自行归纳物体特征,然后按照该特征规律识图像识别的精准度也得到极大的提升,从
70%+提升到95%。
2.2.2“机器换人”带来“视觉”设备广泛应用
从第一次工业革命至今,制造业乃至农业、服务业的工业化、机械化一直是
人类追求的目标。
随着21世纪经济的发展、劳动力成本的上升和2013年德国
提出的“工业4.0”战略,第四次工业革命也悄然展开。
通过计算机视觉技术改造和升级自动化解决方案,有助于质量提升的需求,并有利于降低劳动力成本。
图表25:
四次工业革命进程
图表26:
智能制造是工业4.0的核心
2.2.3政策为产业发展保驾护航
各国政府积极出台政策促进人工智能技术发展和应用,计算机视觉作为基
础技术应用,适用于人工智能数大细分领域。
自2015年开始,国务院、工信部、财政部和发改委等发表了12条相关政策规划,围绕中国制造2025指导纲领,深化落实与计算机视觉息息相关的人工智能、智能制造、信息化和工业化的相关政策,为计算机视觉的发展提供了需要政策与配套资源支持。
图表27:
2015年以来我国对计算机视觉的政策/规划
2.3性能优越,应用领域广泛
2.3.1比人类更敬业的“眼睛”
根据下图表中计算机视觉与人类视觉的对比,我们很容易看出计算机视觉的几大核心优势:
■精度高:
作为一个精确的测量仪器,设计优秀的视觉系统能够对一千个或更多部件的对象进行空间测量,且精度可达0.001英寸。
■连续性强:
相比于人类的眼睛不可长时间工作和高要求的工作环境,视觉系统不受环境影响,可长时间工作。
■成本低:
随着计算机处理器价格的急剧下降,计算机视觉系统成本也越来越低。
一个价值10000美元的视觉系统可以轻松取代三个人工探测者,而每个探测者每年需要20000美元的工资。
另外,视觉系统的操作和维持费用非常低。
■效率高:
机器检测产品的速度更快,客观稳定,且容易集成信息进行处理。
■灵活性好:
视觉系统能够进行各种不同的测量。
当应用变化以后,只需软件做相应变化或者升级以适应新的需求即可。
图表28:
计算机(机器)视觉与人类视觉的对比:
给工业4.0时代添上一双“慧眼”
2.3.2应用广泛,大有作为
计算机视觉的主要功能有:
识别、检测、测量和机械引导。
计算机视觉应用
领域十分广泛,可分为工业、科学研究、军事和民用4大领域。
目前在工业检
测与测量的应用已趋于成熟,无人驾驶、人脸识别等消费型、服务型相关的应用为时下热点。
图表29:
计算机(机器)视觉应用广泛1
图表30:
计算机(机器)视觉应用广泛2
2.4多维场景、嵌入式、一体化成为计算机视觉技术趋势
2.4.1从二维场景重建迈向三维乃至通用视觉信息系统的构建
目前对三维场景的重建仍局限于对景物“可视”部分,属于2.5维信息表达,仅提供物体可见轮廓以内的三维信息。
未来,随着计算机视觉理论、算法和技术上的进步,三维场景的检测、重现与构建,乃至类同于人类视觉系统功能的智能计算机视觉系统是未来的发展方向。
2.4.2基于嵌入式的产品将取代板卡式产品
从产品本身看,计算机视觉会越来越趋于依靠PC技术,并且与数据采集等其他控制和测量的集成会更紧密。
基于嵌入式的产品将逐渐取代板卡式产品,这是一个不断增长的趋势。
嵌入式产品以C语言为基础,具备低功耗特点。
更主要的是开发出的产品可靠性高、可维护性好、便于不断完善和升级换代等。
图表31:
三维场景的重建才刚刚起步
图表32:
嵌入式产品是未来发展趋势
2.4.3标准化、一体化解决方案也将是计算机视觉的必经之路
当今,自动化企业正在倡导软硬一体化解决方案,而正逐渐成为协作生产
制造过程中不同阶段的核心系统的计算机视觉软硬件产品正成为自动化的重要
推手。
随着需求的增加,标准化、一体化将成为未来计算机视觉的趋势。
厂商在未来5-6年内也应该不单纯是只提供产品的供应商,而是逐渐向一体化解决方案的系统集成商迈进。
3应用领域广泛,计算机视觉前景看好
计算机视觉可以有效覆盖许多难以检测场合,全球范围内的应用集中于智能
制造和消费,成效显著,细分领域不断扩大,成长可期。
图表33:
计算机视觉主要应用领域
3.1智能制造领域迅速扩展,半导体与电子制造占据半壁江山
计算机视觉广泛应用于智能制造领域,涵盖半导体与电子制造、汽车制造等,
作业效率、精准度大为提高。
半导体与电子制造品质要求高、迭代更新快,催生
视觉检测需求,成为其最大的应用市场。
3.1.1半导体电子制造:
计算机视觉有效提升自动化水平
半导体电子制造目前已成为计算机视觉技术发展最为成熟、规模最大的下
游市场,应用于电子元件制造设备、集成电路制造设备、元器件成型设备、电子
工模具等设备生产过程中的精密定位(引导)、检测、测量、读码四大方面。
图表34:
计算机视觉四大功能
1)视觉定位广泛应用于电子制造领域,为高精度装配操作和其它制造流程校准元件。
在制造业应用上,首要解决精准定位的问题,才能有效识别、测量、检测、回溯。
其中最突出的就是SMT贴片上的计算机视觉应用。
采用了视觉识别、定位技术的贴片机性能更佳:
自动化水平高、操作便捷、运行平稳、故障率低。
贴装速度快、贴装精度高、识别元件范围广的特点完美符合电子行业高速、高质的要求。
图表35:
贴片机视觉自动对位系统构成
2)视觉检测在电子元件中的应用大大提升产品性能和生产效率。
康耐视芯片检测系统是利用智能视觉系统,结合运动控制系统,自动识别来料产品信息,准确稳定高效地判断产品的位置和质量。
当检测到产品有故障时,立刻报警停机,保证了产品的合格率和设备的正常运行,提高生产效率。
图表36:
视觉检测装置原理
3)计算机视觉大大提高了工业在线测量的连续性和精准度,同时也显著提升了生产效率和产品质量。
视觉测量是用计算机视觉系统确定产品相对于对照标准的偏差。
计算机视觉系统利用高倍镜头放大被测对象来完成对微小尺寸的测量,精度达到微米以上,一次可对多个对象进行测量。
这种非接触测量方法适用于高温、高压、流体、环境危险等复杂场合,保证了被测对象的完好无损。
图表37:
视觉测量原理
4)视觉读码技术实现了编码的通用成像,甚至大力推进了基于可视化数据的自动化任务的进程。
计算机视觉利用专业化工具读取缓慢移动或高速生产线上难以读取的一维条形码或者二维数据矩阵码。
国外知名技术解决方案专家,如:
康耐视、迈斯肯领先的读码技术、视觉产品,深受国内电子制造领域的设备制造商青睐。
相关视觉和ID解决方案,大大改进了电子元件生产和包装,确保电子产品质量过硬、操作流程安全。
图表38:
物流读码器系统
计算机视觉始终贯穿于半导体制造过程的前、中、后三大阶段,至关重要。
在前、中段过程中,视觉技术主要应用在精密定位和检测方面,在半导体后段制程中应用最为广泛。
计算机视觉技术,只需要半秒钟就能定位硅片中心并对准切口。
切割过程开始后也要利用计算机视觉进行定位,切割后的IC要独立分装,再找出合格品进入封装过程。
图表39:
计算机视觉在半导体制造三大阶段中的应用
图表40:
计算机视觉在半导体与电子制造中的应用
3.1.2汽车制造:
计算机视觉为汽车制造严格把关
计算机视觉技术在条码读取、工件定位、瑕疵检测、零件有无检测、零件到
位检测的优越性使得该项技术在汽车制造程序和零部件生产中越来越普及。
一
套系统可同时完成图像捕捉和分析工作,检测结果具有成像品质高、图像稳定性高、检测精准度高的优势,检测过程具有速度快、操作简单、实时检测、开放透明的特点。
技术主要运用在制造与检测两个环节。
在汽车制造过程中,主要用于焊缝自动跟踪与误差控制;
在检测中,主要用于汽车轮胎、零部件装备以及零部件字符检测。
其精度高、误差控制强,可持续高效重复作业、快速、及时反馈等特点,极大提高了生产效率并降低了人工与运营成本。
图表41:
计算机视觉技术在汽车制造领域的应用
图表42:
邦纳计算机视觉在汽车零部件制造的应用原理
3.1.3生物医疗:
计算机视觉为医疗影像、药品质控装上神秘的眼睛
1)计算机视觉应用在医疗影像诊断器械上,可以高效完成对图像信息的采集、存储、管理、处理、传输,在图像资料的管理和利用方面有质的提升。
计算机视觉将图像采集卡、摄像头、算法软件,配套各种医疗影像设备如:
X光机、CT、MRI、B超、彩超、内窥镜应用于各种医疗影像设备,帮助医生更快更清晰地掌握患者的情况。
成像结果分辨率高,检测过程具有测温精确和高速的显著优势。
图表43:
计算机视觉技术在医疗影像诊断器械上的应用
2)计算机视觉技术可实现药品包装和质量的自动检测,具有高效、精确度高、非接触和批量检测的优势,保障药品安全。
具体应用包括对液体制剂的灌装液位、瓶内杂质、封盖质量、药品缺粒、药品的外包装及打码检测和药品的封箱检测。
国际上领先的是美国邦纳的P4系列工业视觉塑料瓶检测方案。
对标国内,楚天科技的智能灯检机利用计算机视觉技术完成对西林瓶注射制剂、口服液、冻干粉针制剂等产品的可见异物的自动检测。
3.2消费应用领域快速扩展,打开未来想象空间
计算机视觉进入消费领域,应用领域不断突破,市场空间巨大。
物体与场景
识别技术与机器人、无人驾驶两大概念相融合,光学字符识别技术应用到物流分
拣,生物特征识别技术、视频对象提取与分析技术和安防监控概念共振,计算机视觉应用可期。
3.2.1服务机器人:
取代重复劳作,实现场景交互
计算机视觉技术的应用打破了传统机器人应用的局限性。
以检测服务为例,
在未配备计算机视觉的条件下,由于被检产品规格的多样,用户需要使用大量的
专用工具来实现产品位置的固定,成本过高、更换工具的工作量巨大。
相对而言,计算机视觉技术具有位置无需固定、精度与可靠性的协调统一、非接触式定位与测量、全面测量、随动检测等特点,因此,使用视觉系统定位,仅需更换产品的检测文件即可,机械成本及更换工具所需时间大为降低。
扫地机器人是目前最常用的家用型服务机器人。
服务机器人装配的视觉技术各有不同。
AlphaGo采用了多层神经网络对图
像进行分析,并运用深度学习算法总结规律,最终得出制胜棋招。
AlphaGo视觉技术的核心是两种不同的深度神经网络:
“策略网络”和“值网络”。
“策略网络”减少搜索宽度,“值网络”减少搜索深度。
同为谷歌旗下的Atlas机器人的视觉核心是“策略网络”。
Atlas采用了“激光雷达+立体视觉”的感知系统,在定位、导航、二维码识别、场景感知识别、行为预测方面效果卓著。
服务机器人的视觉系统设计通过采用图像传感器采集图像,帧存储器缓存数据,复杂可编程逻辑器件控制时序,数字信号处理器处理图像,构建起一个图像采集的硬件系统。
服务机器人利用图像识别技术如:
ImageNet,透过多阶段的“卷积层+池化层”的组合,最后在接入一般的类神经网络架构来进行分类预测。
3.2.2无人驾驶:
计算机视觉是无人驾驶汽车皇冠上的明珠
深度学习利用深层的神经网络,通过算法开发出一个识别率高的分类器,提
高对环境感知的精度,提供更全面的环境信息,提示危险,辅助驾驶。
计算机
视觉技术可以:
1)识别、发现周遭环境和各类物体的运动状态,2)定位车道、检测坡度与弯度,3)自动规划行车路线并控制车辆到达目的地。
目前,技术方面已实现从感知到控制的飞跃,辅助驾驶成熟度已大幅提升。
基于计算机视觉的无人驾驶感知系统使用了多种视觉传感器,包括毫米波雷达、激光雷达和摄像头等。
毫米波雷达用于测距,激光雷达负责感知环境,摄像头用来识别交通信号和其他物体。
标准的数据集用来开发、验证基于视觉的算法。
底层的OpticalFlow与立体视觉技术对车辆定位和物体的识别与跟踪都至关重要。
图表44:
无人驾驶计算机视觉系统
3.2.3物流:
OCR是智能物流的技术核心
以天猫、淘宝、JD等为代表的电子商务近年来增速迅猛,为物流自动化分拣及输送系统市场带来了黄金发展机遇。
统计至2015年,自动化分拣及输送系统市场近5年保持着复合增速超30%,并与2015年达216亿元。
根据中国物流技术协会信息中心的测算,2018年该市场将达到近500亿的规模。
物流视觉系统是自动化分拣及输送系统市场的核心组成部分,广泛应用于物品包装监测、条码识别与检测、物品识别等领域。
图表45:
物品包装检测系统
得益于二维码与条型码在物流信息中广泛使用,如物品分类、追溯等,光学字符文本识别技术愈发受行业重视。
光学字符文本识别技术(OCR)经历扫描、图像处理、版面分析、文字识别、横纵校对、版面还原过程优化物流分拣。
OCR技术可以:
1)识别图片文字,避免繁琐手工录入,2)扫描、录入单据,方便各业务联网,3)减少客户等待时间,优化物流体验。
我国已成为全球物流第一大国,OCR在物流分拣的广泛应
用使效率和产能大为提高。
3.2.4安防监控:
计算机视觉透视公共场所,助力智能安防
2015年中国视频监控领域视觉识别市场容量约为200亿:
从应用场景来看,视频监控作为计算机视觉的一个重要应用场景,其市场规模在2015年达到
740亿,该数据的估算依据来自视频监控领域企业的营收。
由于目前国内视频监控领域投入大多在硬件领域,视频和数据分析占比较低。
若30%的比例用于视频和数据的分析,则此部分的市场容量约为200亿。
图表46:
中国视频监控市场规模6年复合增长率高达17.42%
智能视频监控和智能视频检索技术是视觉分析加强安防监控的两大利器。
智能视频监控是实时处理现场采集的视频,当危险事件和可疑人物出现的时候,及时报警。
智能视频检索技术,则是处理存储视频,快速分析找到其中的危险所在。
终端用户能够先自定义预防事件的属性,视觉系统能够快速排查危险。
利用计算机视觉的安防监控优势在于:
1)海量监控,2)24小时动态跟踪。
生物信息检测技术是视频监控领域的核心技术,其中人脸识别技术是目前最受关注的领域,并已得到了广泛的应用。
据Capvision统计,2015年全球人脸识别市场规模已达200亿,中国约为70亿。
指的注意的是,该数据统计
以安防、门禁等领域的人脸识别应用为基础,反映了人脸识别技术在视频监控领
域的前景。
除了传统安全领域,人脸识别技术在金融安全领域的接受程度也日益提高。
目前,已涌现了旷视科技(Face++)、商汤科技、灵格深瞳、依图科技、云从科技等创业公司。
他们的合作企业不仅包括传统金融企业,如银联、商业银行(中国银行、农业银行、招商银行、浦发银行等)、证券公司(海通证券等);
还涉及互联网金融企业,如蚂蚁金服、小米金服等。
图表47:
人脸识别在安防领域的市场规模在2015年高达70亿
4国外巨头积极布局产业链上游,国内企业着力开拓中下游,以ToB模式为主
国际领先的计算机视觉厂商在产业链上游的芯片生产和算法库开发上已实现产业化,国内企业则集中于中下游的技术提供层和场景应用层。
面向B端的软硬件一体化解决方案的商业模式更具竞争力,满足个性化需求。
4.1计算机视觉产业链分析
图表48:
计算机视觉产业链
4.1.1产业链上游分析:
芯片制造、算法开发是核心
基础支撑层面包括芯片和基础算法两部分。
定制化的视觉处理芯片以相对较
低的功耗带来优秀的图形处理能力,是基础算
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 最新版 中国计算机 视觉 行业 发展 投资 策略 分析 报告