3、機器視覺系統機器成本構成

從機器視覺系統機器成本構成上看，在機器視覺系統中，中游零部件環節的占比最大，高達45%，軟件開發環節（包括上游視覺控制系統和下游設備商的二次開發）的占比為35%，零部件和軟件開發環節合計占比高達80%，是機器視覺的核心環節。此外，機器視覺系統的組裝集成和維護占比為20%。

數據來源：中商產業研究院整理

4、競爭格局

進口替代提速，國產廠商競爭力凸顯。2021年國產品牌機器視覺產品市場份額達到58%，國際品牌機器視覺產品市場份額42%。機器視覺產品進口替代進程提速，在某些產業鏈環節如鏡頭、光源、相機等領域國產代表廠商份額領先于外資。預計2023年國產品牌機器視覺產品市場份額將提升至63%。

數據來源：中商產業研究院整理

二、機器視覺發展趨勢

1、由2D機器視覺向3D機器視覺升級趨勢

目前，2D目標檢測算法不斷成熟，無論是精度還是檢測速度都已達到較高的水準，在制造業領域已經取得廣泛的應用，但由于2D視覺檢測無法獲得物體的空間坐標信息，所以存在包括不支持與形狀相關的測量，無法區分相同顏色物體之間的特征或具有接觸側的物體之間的位置，同時特別依賴于光照和顏色/灰度的變化，測量精度易受照明環境的影響等檢測缺點。

相比之下，3D機器視覺可以測量包括高度、角度、平面度、厚度、體積、顏色相近表面等信息，通過更豐富的數據采集獲取物體的三維圖像。3D測量技術可以根據上述測量數據設置公差，進而以超出公差為標準檢測缺陷，同時可以持續儲存產品缺陷的相關測量數據，并對數據進行量化分析以優化和改進前端的制造工藝，提高生產效率。

此外，3D機器視覺還具備高測量穩定性、高精度及可重復性等優勢。近年來，隨著工業化及智能制造的大力發展對精確度的要求越來越高，3D機器視覺檢測應用范圍愈發廣闊，目前機器視覺技術及產品由2D向3D邁進已逐步成為行業的主要發展趨勢之一。

2、人工智能深度學習+機器視覺的技術發展趨勢

傳統的基于規則的機器視覺系統可以高精度地每分鐘檢查數百甚至數千個零件，但系統仍是通過逐步過濾和基于基本規則的算法運行的。而深度學習算法使用了卷積神經網絡，利用卷積層提取出圖像特征，而卷積層的參數并非全部由人工設計而是通過數據訓練所得。

近年來，得益于計算能力的提高和大規模數據集的出現，AI技術本身以及各類商業解決方案已日臻成熟，正在快速進入工業化階段。“人工智能深度學習+機器視覺”可以幫助機器視覺設備快速進行圖像分類、目標檢測和分割，且已越來越多的應用在3D機器視覺中，成為業內公認的未來主流發展趨勢之一。

3、技術提升帶來的滲透率提升及加速進口替代的趨勢

受益于光源系統、圖像處理系統以及相機等軟硬件領域的技術持續提升，機器視覺設備的成本端呈現逐年下降趨勢。在同等價格甚至性價比更高的條件下，機器視覺設備可以提供更多更快的圖像數據傳輸、更先進的軟件算法，實現數字化、實時化和智能化的性能提升。性價比的提高加大了機器視覺設備的市場滲透率，同時，國內企業在地域性及客戶服務上相較于境外企業有明顯優勢，隨著國產機器視覺設備逐漸成熟，原先機器視覺行業較高的進口依存度為進口替代帶來廣闊的空間。

更多資料請參考中商產業研究院發布的《中國機器視覺行業市場前景及投資機會研究報告》，同時中商產業研究院還提供產業大數據、產業情報、行業研究報告、行業白皮書、商業計劃書、可行性研究報告、園區產業規劃、產業鏈招商圖譜、產業招商指引、產業鏈招商考察&推介會等服務。