机器视觉行业在国内多少年了？

1. 机器视觉行业在国内多少年了？

在中国，视觉技术的应用开始于90年代，因为行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。目前国内机器视觉大多为国外品牌。国内大多机器视觉公司基本上是靠代理国外各种机器视觉品牌起家，随着机器视觉的不断应用，公司规模慢慢做大，技术上已经逐渐成熟。制造业不断增长引爆全球机器视觉技术市场。在制造业向智能化转型升级中，机器视觉更是迎来发展良机。依托于智能制造，机器视觉市场需求将再度爆发。
据前瞻产业研究院发布的《中国机器视觉产业发展前景与投资预测分析报告》数据显示，2016年全球机器视觉系统及部件市场规模约45.7亿美元，2011-2016年复合增长率10%。预计2018年全球市场规模或达55亿美元。从产业地区分布看，2016年全球机器视觉产业主要分布于德国、美国和日本地区，占比分别为30%、24%和14%。

中国机器视觉产业起步晚，市场基数小，但发展速度快，目前中国正成为世界机器视觉发展最活跃的地区之一，是继美国和日本之后的全球第三大机器视觉市场，应用范围几乎涵盖国民经济的各个行业。而工业领域是机器视觉应用比重最大的领域，其重要原因是中国已经成为全球制造业的加工中心，高要求的零部件加工及其相应的先进生产线，使许多具有国际先进水平的机器视觉系统和应用经验也进入了中国。
2011年以来，制造行业发展环境不佳，机器视觉也增速态势下滑，2012年行业市场规模约12.5亿元。2013年达到14.9亿元，2014年约18.8亿元，2015-2017年行业进入快速发展阶段，规模分别达到了24.2亿元和32.5亿元和42亿元。

根据调查统计，现在已进入中国的国际机器视觉品牌已近200多家，中国自有的机器视觉品牌也已有100多家，机器视觉各类产品代理商超过了300家，专业的机器视觉系统集成商也有100多家。
但是，国内机器视觉企业的水平与国际上仍有很大的差距，以至于一些国内的企业购买了机器视觉系统，还要花费昂贵的费用聘请国外的系统集成商。集成系统供应商中在视觉产品的选择方面，依然较青睐于国外品牌。
随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能需求开始广泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。当然、其他领域如指纹检测等等领域也有着很好的发展空间。

2. 如何看待国内机器视觉行业的发展

行业部分：
1.目前机器视觉在国内更多是的工业自动化的应用，另一个用的还比较多一些的是医疗设备。
2.机器视觉目前比较成熟的应用还主要集中在定位、尺寸测量、OCR/OCV、特征有无等领域，至于外观缺陷检测是一个有很大检测需求，但是还很难做到批量或者准备的检测应用（主要还是缺陷的特征的差异性如划痕、以及产品的多样性复杂性造成的）。
3.视觉的市场需求目前尚未饱和，还有很大的空间。一方面是人力成本的提高，改善劳动强度的需求，另一方面于产业增值有很大的关系，比如一般的工业自动化设备增加上视觉部分一般而言立马显得“高端大气上档次”了，正如当年的PLC等东东刚用起来的一样的效果。

3. 机器视觉技术的发展趋势

 机器视觉相关技术研发与日俱增
从我国机器视觉专利技术总体申请量变化趋势来看，机器视觉相关技术研发与日俱增。截至2020年10月21日，我国与机器视觉相关的专利申请数量为12441项。2010年机器视觉相关申请数量为215项，至2019年，申请数量达到2074项。截至2020年10月21日，与机器视觉相关的专利申请量为694项。

注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。
2010年，我国机器视觉相关专利公开数量为183项，至2019年，公开数量达到2482项。截至2020年10月21日，与机器视觉相关的专利公开量为2212项。

注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。
高校成为机器视觉技术研发主力军
从我国机器视觉技术申请人构成来看，大学高校是机器视觉技术研发的主力军。截至2020年10月21日，前十位申请人中九位是高校，其中浙江大学和华南理工大学最多均为148项，均占比1.19%，广东工业大学申请专利数量排第三，为142项，占比1.14%。

注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。
机器视觉技术主要以物理的测量、计算方面为主
从我国机器视觉部类构成来看，G(物理)部类是机器视觉技术的主要类别，占据近六成的比例。截至2020年10月21日，部类中G(物理)占比为59%，其次为B(作业;运输)占比22%，H(电学)占比8%，A(农业)占比6%。

注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。
按大类来划分，物理部类下的G01(测量;测试)和G06(计算;推算;计数)占据机器视觉专利过半的份额，分别为32%和23%。。B07(将固体从固体中分离;分选)和H04 (电通信技术)均占比6%。

注：在SooPAT 输入“机器视觉”搜索结果，2020年数据截至2020年10月21日。
—— 更多数据及分析请参考前瞻产业研究院《中国机器视觉产业发展前景与投资预测分析报告》。

4. 机器视觉的发展

如今，中国正成为世界机器视觉发展最活跃的地区之一，应用范围涵盖了工业、农业、医药、军事、航天、气象、天文、公安、交通、安全、科研等国民经济的各个行业。其重要原因是中国已经成为全球制造业的加工中心，高要求的零部件加工及其相应的先进生产线，使许多具有国际先进水平的机器视觉系统和应用经验也进入了中国。经历过长期的蛰伏，2010年中国机器视觉市场迎来了爆发式增长。《中国机器视觉产业发展前景与投资预测分析报告》数据显示当年，中国机器视觉市场规模达到8.3亿元，同比增长48.2%，其中智能相机、软件、光源和板卡的增长幅度都达到了50%，工业相机和镜头也保持了40%以上的增幅，皆为2007年以来的最高水平。2011年，中国机器视觉市场步入后增长调整期。相较2010年的高速增长，虽然增长率有所下降，但仍保持很高的水平。2011年中国机器视觉市场规模为10.8亿元，同比增长30.1%，增速同比2010年下降18.1个百分点，其中智能相机、工业相机、软件和板卡都保持了不低于30%的增速，光源也达到了28.6%的增长幅度，增幅远高于中国整体自动化市场的增长速度。电子制造行业仍然是拉动需求高速增长的主要因素。2011年机器视觉产品电子制造行业的市场规模为5.0亿人民币，增长35.1%。市份额达到了46.3%。电子制造、汽车、制药和包装机械占据了近70%的机器视觉市场份额。

5. 目前机器视觉发展到什么水平？

其实机器视觉的发展是相当缓慢的，因为近期计算机硬件发展的很快，CPU性能可以支持很大分辨率图像的计算和很复杂的算法，好像视觉技术也发展的很快一样，其实视觉发展的还是很慢的。
         因为机器视觉使用计算机编程技术来模仿人类视觉，模仿人类的辨别能力，检测能力；只是在很粗的粒度上进行模拟，或者说在很浅显的水平上进行模拟，更深层次的东西大家都没弄明白。
         比如说一张图画里面有若干条直线，需要数出来有几条，这个对于人来讲太容易了，是吧，但是对于计算机视觉来说，还摸不着头脑，因为计算机没有人类的理解能力，思考能力，他只是能很快的执行加减乘除(乘除也是用加法器凑出来的), 计算机的所有功能说白了，底层只是加减乘除而已，根本没有思维，没有意识，那他怎么去数直线的根数呢？
         通过数学方法的霍夫变换来实现。霍夫变换是1960-1970年之间的Paul Hough 发明的，他把空间中的所有点的坐标，转换为许多直线方程，每个点都对应无数个直线方程，共线的点的直线方程就会重复，那么最后数出来那些直线方程的个数超过阈值，那么就是有多少条直线。
          看明白了吧，即使数直线个数这么简单的任务也要用这么复杂的数学变化来实现，那么其他的比如玻璃表面的划伤检测呢，或者印刷品表面的漏印检测呢，再或者机器人自动抓取是怎么实现的的，背后都是数学算法在支撑着，讲穿了其实没有什么太深不可测的。
          既然是有数学算法支撑，那么数学能解决的问题是有有限的，所以机器视觉能解决的问题也是有限的，本质上说跟人类的视觉是有根本性差别的。这些差别体现在，人类可以理解非常复杂的物体，可以在非常复杂的背景中，准确找出千变万化的物体（例如手绢，例如糖果），这些对人来说毫不费力，但是机器视觉却做不出来，或者说做不好。因为它缺少理解力
一旦方程无法解决，那就没办法了。
         虽然现在深度学习很火，好像遍地开花一样，但是深度学习也并没有产生人类的理解能力，它也只是一种复杂的分类器而已，它用几百万上千万个参数去迭代拟合复杂的图片，以便得到正确的分类结果，但是一旦系统训练好了，他遇到新的类别还是会分错，他没有自动学习能力，并且在复杂的有噪声的背景中，识别目标的能力还是远低于人，这都是数学方法的限制带来的。
         那么回到主题，机器视觉是否已经无所不能，开始全面代替人工呢？ 答案是否定的。
但是可以替代那些简单重复性的人工劳动，比如在饮料灌装线上，挑出没有灌满的瓶子；在电缆生产车间，检查电缆表面是否有破损，或者在高速行进的单一颜色布匹上，检查出断丝。这些都是现在数学可以解决的问题，用机器视觉也是非常合适的。
如果面对的任务不是这些简单重复性的，例如灾区搜救，照看病人，捉拿罪犯，教育孩子这些需要一定智力的活动机器就做不好了。可能等以后真正的智能出来了，才能做好。

6. 机器视觉的产生发展

机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯兹关于理解多面体组成的积木世界研究开始的。当时运用的预处理、边缘检测、轮廓线构成、对象建模、匹配等技术，后来一直在机器视觉中应用。罗伯兹在图像分析过程中，采用了自底向上的方法。用边缘检测技术来确定轮廓线，用区域分析技术将图像划分为由灰度相近的像素组成的区域，这些技术统称为图像分割。其目的在于用轮廓线和区域对所分析的图像进行描述，以便同机内存储的模型进行比较匹配。实践表明，只用自底向上的分析太困难，必须同时采用自顶向下，即把目标分为若干子目标的分析方法，运用启发式知识对对象进行预测。这同言语理解中采用的自底向上和自顶向下相结合的方法是一致的。在图像理解研究中，A.古兹曼提出运用启发式知识，表明用符号过程来解释轮廓画的方法不必求助于诸如最小二乘法匹配之类的数值计算程序。70年代，机器视觉形成几个重要研究分支：①目标制导的图像处理；②图像处理和分析的并行算法；③从二维图像提取三维信息；④序列图像分析和运动参量求值；⑤视觉知识的表示；⑥视觉系统的知识库等。

7. 中国机器视觉系统有哪些发展趋势？

国内机器视觉研究的现状及发展趋势：早前，由于使用机器视觉的行业在我国本身就属于新兴领域，再加之视觉产品技术的普及推广不够，导致机器视觉的应用几乎是空白，即便有也只是低端方面的｡目前，随着我国配套基础建设的完善，以及技术与资金的不断积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大专院校、研究所和企业近年来在图像和机器视觉技术领域进行了积极思索和大胆尝试，逐步开始了工业现场的应用，如制药、印刷、矿泉水瓶盖检测等领域，但真正高端的应用还很少，因此，以上相关行业的应用和发展空间还很大。
随着机器视觉技术的不断发展和推进，近年来，国内很多科研机构在机器视觉方面取得了优异成果｡例如，由北京中泰通科技发展有限公司和上海交通大学联合研制的Super—DⅡ型排爆机器人，是国家“863”计划项目支持开发的具有自主知识产权的最新实用型产品｡该机器人采用四个低光CCD摄像头，分别在机械手、爆炸物销毁器、车体前端和车体顶部的云台上各安装一个，这四个摄像头组成多方位的立体摄像观察系统，通过无线通信或有线通信方式将观察到的画面传输到操作系统的视频显示器上，便于操作人员操控机器人工作｡由于机器人的视频监控系统采用四画面切换技术，既可以单幅画面显示，又可以四幅画面同时显示，从而为操作人员掌握系统信息提供了支持和帮助。
当前，视觉技术在我国应用较多的是车牌识别｡不少科研机构或公司在车牌识别方面都已经逐渐开发出自己的产品，如北京绿睿科技公司、陕西维视公司、昆明利普视觉公司等｡其中，较具代表性的有北京绿睿科技公司研发的车牌识别系统。

8. 机器视觉行业发展前景

机器视觉起源于20世纪50年代，Gilson提出了“光流”的概念，并在相关统计模型的基础上发展了逐像素计算模式，这标志着2D图像统计模式的发展。
1960年，美国学者Roberts提出了从2D图像中提取三维结构的想法，引起了MIT人工智能实验室等机构对机器视觉的关注，标志着三维机器视觉研究的开始。
20世纪70年代中期，麻省理工学院人工智能实验室正式开设了“机器视觉”课程，研究人员开始下大力气研究“物体与视觉”的相关课题。1978年，DavidMarr提出了一种通过计算机视觉捕捉物体图像的“自下而上”的方法。该方法从2D轮廓草图开始，逐步完成三维图像的获取。这种方法标志着机器视觉研究的重大突破。
自20世纪80年代以来，机器视觉在全球范围内掀起了一股研究热潮，方法和理论的迭代更新，OCR和智能相机的问世，逐渐带动了机器视觉相关技术的更广泛传播和应用。
20世纪90年代初，视觉公司成立并开发了第一代图像处理产品。然后，机器视觉的相关技术被不断地投入到制造过程中，使得机器视觉的领域迅速扩大。数百家企业开始大量销售机器视觉系统，一个完整的机器视觉产业逐渐形成。在这个阶段，LED灯、传感器和控制结构的快速发展，进一步加快了机器视觉产业的进步，逐步降低了产业的生产成本。
从2000年开始，更高速的三维视觉扫描系统和热成像系统逐渐问世，机器视觉的软硬件产品已经普及到制造业的各个阶段，应用领域不断扩大。目前，机器视觉作为人工智能的底层产业和电子、汽车等行业的上游产业，仍处于快速发展阶段，具有良好的发展前景。
机器视觉在中国起步较晚，现在正处于快速增长期。国内机器视觉起源于80年代第一次技术引进。自1998年多家电子、半导体工厂落户广东、上海以来，机器视觉生产线和先进设备不断引入中国，催生了国际机器视觉厂商的代理商和系统集成商。机器视觉在中国的发展经历了三个阶段。
第一阶段是1999年到2003年的启蒙阶段。现阶段，中国企业主要通过代理业务为客户服务，在服务过程中引导客户了解和认可机器视觉，从而开启了机器视觉在中国的历史进程。与此同时，国内涌现的跨专业机器视觉人才，逐步掌握了国外简单的机器视觉软硬件产品，建立了机器视觉的初级应用体系。在这个阶段，机器视觉技术首先被引入，如特种印刷行业、烟草异物剔除行业等。，在解放劳动力的同时有效推动了国内机器视觉领域的发展。
第二阶段是2004年至2007年的发展阶段。在这一阶段，本土机器视觉企业开始探索更多自主核心技术承载的机器视觉软硬件设备的R&D，并在多个应用领域取得关键突破。国内厂商陆续推出了全系列的模拟接口和USB2.0摄像头和采集卡，以及PCB测试设备、SMT测试设备、LCD前通道测试设备等。，并逐渐开始占领入门级市场。
第三阶段是2008年以后的高速发展阶段。现阶段，机器视觉核心器件的R&D厂商不断涌现，大量真正的系统级工程师不断培养，推动了国内机器视觉产业的高速高质量发展。
随着全球新一轮科技革命和产业变革的兴起，机器视觉产业正在经历快速发展。视觉的应用已经从最初的汽车制造领域扩展到消费电子、制药、食品包装等多个领域。