机械行业：机器视觉，从“可选”向“必选”迈进

《机械行业：机器视觉，从“可选”向“必选”迈进》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、请务必阅读正文之后的免责条款部分目录1机器视觉的概念及基本功能61.1认识机器视觉61.2机器视觉的四大基本功能62机器视觉从“可选”向“必选”迈进82.1机器视觉市场空间快速增长82.2汽车和电子是当前机器视觉最重要下游92.3机器视觉在智能制造中的地位向“必选”迈进123国内机器视觉产业链逐步建立153.1国内机器视觉产业链从下游开始向上延伸153.2视觉产业链梳理164从投资的角度看机器视觉184.1康耐视的发展之道184.2国内有望走出大体量的机器视觉企业245投资建议326风险提示32第41页共41页请务必阅读正文之后的免责条款部分

2、图表目录图表1机器视觉系统组成6图表2：机器视觉的四大基本功能7图表3：机器视觉基本功能技术实现的难易度情况7图表4：全球机器视觉市场空间（亿美元）8图表5：中国机器视觉市场空间（亿元）8图表6：机器视觉的下游应用领域举例9图表7：全球机器视觉下游需求结构9图表8：机器视觉下游应用梳理9图表9：机器视觉在SMT装配线上的典型应用10图表10：机器视觉在车身检测领域的应用10图表11：药粒泡罩检测示意图11图表12：缺瓶检测示意图11图表13：机器视觉在食品行业中的典型应用示意图12图表14：全球机器视觉发展历程12图表15：人眼与机器视觉的对

3、比13图表16：机器视觉的技术发展历史13图表17：康耐视不断打开新的目标市场空间（百万美元）14图表18：机器视觉产业链15图表19：机器视觉系统成本构成16图表20：国内外光源参与企业16图表21：国内外镜头参与企业17图表22：国内外工业相机参与企业17图表23：国内外图像处理软件参与企业18图表24：康耐视的四大产品线19图表25：康耐视近年营业收入情况（亿美元）19图表26：康耐视近年净利润情况（亿美元）19图表27：康耐视上市以来股价表现情况及与纳斯达克综指的比较19图表28：康耐视典型客户举例20图表29：康耐视2017年分下游

4、收入结构20图表30：康耐视盈利能力情况20图表31：康耐视近年PE-BAND情况21图表32：公司历年来研发费用情况21图表33：康耐视不断打开新下游22图表34：对康耐视未来收入结构的预测23图表35：康耐视2018年分地区收入结构23图表36：公司近年来并购事项梳理24图表37：国内代表性机器视觉相关公司梳理26图表38：天准科技近年收入情况（亿元）27图表39：天准科技近年净利润情况（亿元）27图表40：美亚光电近年收入情况（亿元）28图表41：美亚光电近年净利润情况（亿元）28图表42：精测电子近年收入情况（亿元）29图表43：精测

5、电子近年净利润情况（亿元）29图表44：华兴源创近年收入情况（亿元）29图表45：华兴源创近年净利润情况（亿元）29第41页共41页图表46：博众精工近年收入情况（亿元）31第41页共41页请务必阅读正文之后的免责条款部分图表47：博众精工近年净利润情况（亿元）31第41页共41页请务必阅读正文之后的免责条款部分1机器视觉的概念及基本功能1.1认识机器视觉机器视觉（MachineVision）指的是通过光学的装置和非接触的传感器自动的接收和处理真实物体的图像，以获得所需信息或控制机器人运动的装置，通俗的说就是应用在工业领域的视觉应用。图表1机

6、器视觉系统组成资料来源：行业网站，太平洋研究院整理另一个当下关注度非常高的概念计算机视觉（ComputerVision）主要强调的是让计算机具备对客观三维场景的感知、识别和理解（侧重对质的分析），例如无人驾驶、人脸识别等都可以归类为计算机视觉的范畴。1.2机器视觉的四大基本功能目前，机器视觉的基础功能主要可以分为四大类：模式识别/计数、视觉定位、尺寸测量和外观检测，当前的应用也基本是基于这四大类功能来展开。Ø模式识别/计数主要指对已知规律的物品进行分辨，比较容易的包含外形、颜色、图案、数字、条码等的识别，也有信息量更大或更抽象的识别如人脸、指

7、纹、虹膜识别等。Ø视觉定位主要指在识别出物体的基础上精确给出物体的坐标和角度信息。定位在机器视觉应用中是非常基础且核心的功能，一个软件的好坏大概率与其定位算法的好坏密切相关。Ø尺寸测量主要指把获取的图像像素信息标定成常用的度量衡单位，然后在图像第41页共41页请务必阅读正文之后的免责条款部分中精确的计算出需要知道的几何尺寸。优势在于对高精度、高通量以及复杂形态的测量，例如有些高精度的产品由于人眼测量困难以前只能抽检，有了机器视觉后就可以实现全检了。Ø外观检测主要检测产品的外观缺陷，最常见的包括表面装配缺陷（如漏装、混料、错配等）、表面印刷缺陷

8、（如多印、漏印、重印等）以及表面形状缺陷（如崩边、凸起、凹坑等）。由于产品外观缺陷一般情况下种类繁杂，所以检测在机器视觉中的应用中属于相对较难的一类。图表2：机器视