机器视觉行业深度报告：打开“视”界之门，挖掘机器视觉蓝海

获取报告请登录未来智库www.vzkoo.com。

1、 机器视觉，开“眼”看世界

1.1、 机器视觉是人工智能重要的前沿技术

机器视觉是人工智能行业的重要前沿分支。机器视觉通过模拟人类视觉系统，赋 予机器“看”和“认知”的能力，是机器认识世界的基础。机器视觉利用成像系 统代替视觉器官作为输入手段，利用视觉控制系统代替大脑皮层和大脑的剩余部 分完成对视觉图像的处理和解释，让机器自动完成对外部世界的视觉信息的探测， 做出相应判断并采取行动，实现更复杂的指挥决策和自主行动。作为人工智能最 前沿的领域之一，视觉类技术是人工智能企业的布局重点，具有最大的技术分布。

机器视觉在智能制造领域应用广泛，按功能主要可分为四大类：识别、测量、定 位和检测。识别功能指甄别目标物体的物理特征，包括外形、颜色、字符、条码 等，其准确度和识别速度是衡量的重要指标；测量功能指把获取的图像像素信息 标定成常用的度量衡单位，然后在图像中精确地计算出目标物体的几何尺寸，主 要应用于高精度及复杂形态测量；定位功能指获取目标物体的坐标和角度信息， 自动判断物体位置，多用于全自动装备和生产；检测功能指对目标物体进行外观 检测，判断产品装配是否完整和外观是否存在缺陷。

1.2、 机器视觉基本架构

机器视觉（Machine Vision）是指通过光学装置和非接触传感器自动接收并处理 真实物体的图像，分析后获取所需信息或用于控制机器运动的装置。通俗地说， 机器视觉就是用机器代替人眼。机器视觉模拟眼睛进行图像采集，经过图像识别 和处理提取信息，最终通过执行装置完成操作。

五大模块构筑机器视觉系统： 按照信号的流动顺序，机器视觉系统主要包括光学 成像、图像传感器、图像处理、IO 和显示等五大模块。光学成像模块设计合理 的光源和光路，通过镜头将物方空间信息投影到像方，从而获取目标物体的物理 信息；图像传感器模块负责信息的光电信号转换，目前主流的图像传感器分为 CCD 与 CMOS 两类；图像处理模块基于以 CPU 为中心的电路系统或信息处理 芯片，搭配完整的图像处理方案和数据算法库，提取信息的关键参数；IO 模块 输出机器视觉系统的结果和数据；显示模块方便用户直观监测系统的运行过程， 实现图像的可视化。

相对于人类视觉而言，机器视觉在量化程度、灰度分辨力、空间分辨力和观测速 度等方面存在显著优势。其利用相机、镜头、光源和光源控制系统采集目标物体 数据，借助视觉控制系统、智能视觉软件和数据算法库进行图形分析和处理，软 硬系统相辅相成，为下游自动化、智能化制造行业赋予视觉能力。随着深度学习、 3D 视觉技术、高精度成像技术和机器视觉互联互通技术的发展，机器视觉性能 优势进一步提升，应用领域也向多个维度延伸。

1.3、 机器视觉发展历程

机器视觉起源于上世纪 50 年代，Gilson 提出了“光流”这一概念，并基于相关 统计模型发展了逐像素的计算模式，标志着 2D 影像统计模式的发展。

1960 年，美国学者 Roberts 提出了从 2D 图像中提取三维结构的观点，引发了 MIT 人工智能实验室及其它机构对机器视觉的关注，并标志着三维机器视觉研究 的开始。

70 年代中期，MIT 人工智能实验室正式开设“机器视觉”课程，研究人员开始 大力进行“物体与视觉”相关课题的研究。1978 年，David Marr 开创了“自下 而上”的通过计算机视觉捕捉物体形象的方法，该方法以2D的轮廓素描为起点， 逐步完成 3D 形象的捕捉，这一方法的提出标志着机器视觉研究的重大突破。

80 年代开始，机器视觉掀起了全球性的研究热潮，方法理论迭代更新，OCR 和 智能摄像头等均在这一阶段问世，并逐步引发了机器视觉相关技术更为广泛的传 播与应用。

90 年代初，视觉公司成立，并开发出第一代图像处理产品。而后，机器视觉相 关技术被不断地投入到生产制造过程中，使得机器视觉领域迅速扩张，上百家 企业开始大量销售机器视觉系统，完整的机器视觉产业逐渐形成。在这一阶段， LED 灯、传感器及控制结构等的迅速发展，进一步加速了机器视觉行业的进步， 并使得行业的生产成本逐步降低。

2000 年至今，更高速的 3D 视觉扫描系统和热影象系统等逐步问世，机器视觉 的软硬件产品蔓延至生产制造的各个阶段，应用领域也不断扩大。当下，机器视 觉作为人工智能的底层产业及电子、汽车等行业的上游行业，仍处于高速发展的 阶段，具有良好的发展前景。

国内机器视觉起步晚，目前处于快速成长期 。国内机器视觉源于上世纪 80 年代 的第一批技术引进。自 1998 年众多电子和半导体工厂落户广东和上海开始，机 器视觉生产线和高级设备被引入我国，诞生了国际机器视觉厂商的代理商和系统 集成商。中国的机器视觉发展主要经历了三个阶段。

第一个阶段是 1999 年-2003 年的启蒙阶段。 这一阶段的中国企业主要通过代理 业务对客户进行服务，在服务的过程中引导客户对机器视觉的理解和认知，借此 开启了中国机器视觉的历史进程。同时，国内涌现出的跨专业机器视觉人才也逐 步掌握了国外简单的机器视觉软硬件产品，并搭建起了机器视觉初级应用系统。 在这一阶段，诸如特种印刷行业、烟叶异物剔除行业等率先引入了机器视觉技术， 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。

第二个阶段是 2004 年-2007 年的发展阶段。 这一阶段本土机器视觉企业开始起 步探索由更多自主核心技术承载的机器视觉软硬件器件的研发，多个应用领域取 得了关键性的突破。国内厂商陆续推出的全系列模拟接口和 USB2.0 的相机和采 集卡，以及 PCB 检测设备、SMT 检测设备、LCD 前道检测设备等，逐渐开始 占据入门级市场。

第三个阶段是 2008 年以后的高速发展阶段。 在这一阶段众多机器视觉核心器件 研发厂商不断涌现，一大批真正的系统级工程师被不断培养出来，推动了国内机 器视觉行业的高速、高质量发展。

随着全球制造中心向我国转移，目前中国已是继美国、日本之后的第三大机器视 觉领域应用市场。据中国视觉产业联盟，2018 年我国机器视觉行业销售额达到 83 亿元，较 2013 年翻了 3 倍，年复合增长率达 33.54%。

2、 行业快速发展，核心部件国产化进行时

机器视觉虽只几十年发展时间，但随着全球新一轮科技革命与产业变革浪潮的兴 起，机器视觉行业顺势迎来快速发展。机器视觉的应用已经从最初的汽车制造领 域，扩展至如今消费电子、制药、食品包装等多个领域实现广泛应用。

据前瞻产业研究院，全球机器视觉市场规模从 2008 年的 25 亿美元增长至 2017 年 70 亿美元，年复合增速为 12.3%。我国机器视觉市场从 2008 年进入快速发 展阶段，至 2017 年市场规模达 65 亿元，2008-2017 年复合增速 32.7%，显著 高于全球水平。

国际机器视觉市场的高端市场主要被美、德、日品牌占据。 美国康耐视（Cognex）、 国家仪器（NI），德国巴斯勒（Basler）、伊斯拉视像（ISRA Vision），日本基恩 士（Keyence）、欧姆龙（Omron）等都是在机器视觉领域拥有技术积累和良好 客户口碑的国际巨头公司。其中康耐视和基恩士作为全球机器视觉行业的两大巨 头，垄断了近 50%的全球市场份额。

国内机器视觉行业竞争格局较分散，在核心零部件上国外企业占据更大的市场 份额与销售优势。 据《中国机器视觉产业全景图谱》，目前进入中国的国际机器 视觉品牌已有 200 多家，中国本土的机器视觉品牌有 100 多家，各类产品代理 商超过 300 家，系统集成商也有超过 100 家。可见，国内机器视觉企业以产品 代理商与系统集成商为主，在机器视觉产业链上游领域布局较少，在机器视觉核 心零部件的研发能力上不及国外老牌公司雄厚，因此中高端市场主要由国际一线 品牌主导。

根据中国机器视觉产业联盟 2017 年度企业调查结果，国内机器视觉企业销售额 在 1000-3000 万的占比最高（31.8%），其余依次为 1000 万以下（19.8%），5000 万-1 亿（18.7%），1 亿以上（16.5%），3000-5000 万（13.2%）。2017 年，康 耐视在大中华区实现 6.76 亿元收入，相比之下，我国大部分机器视觉企业销售 规模较小。

2.1、 工业相机：捕捉和分析对象的核心部件

图像分析的前提是由镜头捕捉光信号并转变为有序的电信号。区别于民用相机， 工业相机具有更高的图像稳定性、传输能力和抗干扰能力，是机器视觉系统的关 键组件。目前市面上的工业相机产品主要有线阵相机、面阵相机、3D 相机和智 能相机等。智能相机将图像的采集、处理与通信功能集成于单一相机内，已成为 工业相机发展的趋势。

图像传感器是相机的核心，根据芯片类型可划分为 CCD 和 CMOS 图像传感器， 两者都使用光敏二极管进行光电转化，但在工作原理和产品特性上都存在较大区 别。

CCD 图像传感器是一个由光电二极管和存储区构成的矩阵，每一个感光元件在 将光线转化为电荷后，直接输出到下一个感光元件的存储单元，依此类推到最后 一个感光元件形成统一的输出，再由放大器放大电信号以及专门的模数转换芯片 将模拟信号转换为数字信号。而 CMOS 传感器中每一个感光元件都直接整合了 放大器和模数转换逻辑（ADC），当感光二极管接受光照、产生模拟的电信号之 后，电信号首先被该感光元件中的放大器放大，然后直接转换成对应的数字信号。

CMOS 传感器在应用于机器视觉初期，由于在处理快速变化的影像时，容易因 电流变化过于频繁而产生过热现象，使得噪声难以抑制，因此仅应用在影像画质 要求较低的中低端工业产品；而 CCD 由于图像质量更高、抗噪能力更强的优势 多应用于高端场合。

随着 CMOS 传感器在消费电子设备上的大量应用推动了 CMOS 技术的发展，其 性能已显著提高，而制造成本大幅下降。CMOS 传感器的分辨率和图像质量正 在逼近 CCD 传感器，并且凭借高速度（帧速率）、高分辨率（像素数）、低功耗 以及最新改良的噪声指数、量子效率及色彩观念等各方面优势，CMOS 传感器 建立了稳固的市场地位，在工业图像处理的众多领域正逐步取代 CCD 传感器。

以Basler的工业相机产品为例，在分辨率相近的情况下，CMOS的帧速率比CCD 显著更高，并且具有更高的量子效率、信噪比、动态范围以及更低的暗噪声。可 见，CMOS 在某些性能指标上已达到或者优于 CCD 水准，具备替代 CCD 的能 力。

近些年工业相机行业在全球市场和中国市场均呈现快速增长趋势。全球工业相机 行业规模由 2011 年 15.2 亿元增长至 2018 年的 40.3 亿元，年均复合增速为 14.95%；中国工业相机行业规模 2011 年仅有 0.8 亿元，2018 年达 7.3 亿元， 实现了 37.14%的复合增长率。中国工业相机市场正以远超全球市场的增速迅速 扩张。

目前，全球工业相机行业由欧美品牌占据主要市场。据前瞻产业研究院，2018 年北美品牌占据全球工业相机市场 62%的份额，欧洲品牌占 15%，国外知名企 业如德国 Basler、加拿大 DALSA、美国康耐视等。从细分领域来看，工业智能 相机市场相较于板卡式相机市场呈现更高的集中度。

我国对于工业相机的研究起步较晚，最初主要由大恒图像等几家老牌相机公司代 理国外品牌。近些年我国也逐步发展出一批自主研发工业相机的国产品牌，如大 恒图像、海康机器人、华睿科技和维视图像等。目前我国工业相机行业主要布局 于中低端市场，可逐步实现进口替代；而在高分辨率、高速的高端工业相机领域 仍以进口品牌为主。根据中国海关总署数据，2018 年我国工业相机进口数量为 8159 台，进口金额为 4483 万美元，同比增长 8.3%。

2.2、 镜头：清晰成像的核心

镜头是机器视觉图像采集部分重要的成像部件，镜头的主要作用是将目标成像在 图像传感器的光敏面上，分辨率、对比度、景深以及像差等指标对成像质量具有 关键性影响。

工业镜头按焦距可分为定焦镜头和变焦镜头；根据光圈可分为固定光圈和可变光 圈；根据视场大小可分为摄远镜头、普通镜头和广角镜头。此外，还有几种具有 特殊用途的镜头，如远心镜头、显微镜头、微距镜头、紫外镜头和红外镜头等。 由于传统镜头存在视差现象（即镜头的放大倍数随物距的变化而变化），且通常 有高于 1~2%的畸变，远心镜头应用而生。它可以在一定物距范围内纠正视差的 影响，并将畸变系数严格控制在 0.1%以下。远心镜头由于其特有的平行光路设 计一直为对镜头畸变要求很高的机器视觉应用场合所青睐，适应精密检测需求。

据 QYResearch，2019 年全球工业镜头市场总值达到 33 亿元，预计 2026 年将 增至 58 亿元，年均复合增长率为 8.3%。海外品牌在镜头领域投入较早，经过 多年的业务积累与技术升级，在全球范围内形成了德系徕卡、施耐德、卡尔蔡司 和日系 CBC、Kowa、尼康、富士等光学巨头。由于光学镜头行业集成了精密机 械设计、几何光学、薄膜光学、色度学、热力学等多学科技术，并且制作工序 和工艺复杂，具有较高的技术门槛

我国由于起步较晚，2008 年之前国内光学镜头市场基本被日本、德国品牌所垄 断。近些年，我国工业镜头行业国内厂商快速增长，主要从中低端市场切入，凭 借高性价比优势对于外资品牌具有一定竞争力。在高端市场，我国仍以进口日本、 德国等老牌厂商的产品为主，但也有一部分企业如东正光学、慕藤光等逐步走向 高端。东正光学的远心镜头畸变小于 0.02%，倍率齐全，微距镜头产品也能够 将畸变控制在 0.1%的超低量级下。

2.3、 光源：设计光路实现目标成像

光源对于机器视觉中的图像采集部分具有重要影响，为后续图像识别与分析奠定 必要的基础。合适的光源设备能够使被测物与背景尽量明显区分，获得高品质、 高对比度的图像。在机器视觉领域的应用中，由于应用对象与检测要求的不同， 尚无通用的机器视觉照明系统，需针对特定案例设计相应的照明方案，以达到最 佳照明效果。

机器视觉系统使用的光源主要分为 LED 光源、卤素灯和高频荧光灯三种，其中 最为常用的为 LED 光源。LED 光源即发光二极管光源，其发光原理和白炽灯、 气体放电灯的原理都不同，LED 光源采用固体半导体芯片为发光材料，能量转 换效率高，理论上可达白炽灯 10%的能耗，相比荧光灯也可以达到 50%的节能 效果。此外，LED 光源具有形状自由度高、使用寿命长、响应速度快、单色性 好、颜色多样、综合性价比高等特点，因此在机器视觉等工业领域具有更广泛的应用。

机器视觉光源产品可按形状划分为多种类型，如环形光源、条形光源、平面光源、 线光源、点光源、同轴光源等。不同的形状结构可提供不同的亮度、强度、照射 角度、照射面积及颜色组合等，适用于不同的机器视觉应用场景。例如环形光源 是由 LED 阵列成圆锥状以斜角照射在被测物体表面，通过漫反射方式照亮一小 片区域，工作距离在 10-15MM 时，环形光源可以突出显示被测物体边缘和高度 的变化，适合应用于 PCB 基板检测、IC 元件检测、集成电路印字检查等情形。

国外机器视觉照明技术已较为成熟，国际上具有代表性的光源企业主要有日本 CCS、Moritex 和美国 Ai。国内光源市场国产化程度较高，竞争较为充分，涌现 出奥普特、沃德普、康视达、纬朗光电等一批机器视觉光源制造商，能够与国际 品牌进行竞争

CCS 在全球光源市场上具有较高的市占率，主要产品为图像处理用 LED 光源和 控制器。根据 CCS 公司 2017 年度报告，其在 2017 年的营业收入达 5.2 亿元， 其中光源和光源控制器产品占总营收的 89.2%。

奥普特是成立于 2006 年的国内机器视觉光源行业领先的本土品牌，并以光源为 切入点，将产品延伸至机器视觉镜头、相机、视觉控制系统等其他软硬件产品。 2019 年，奥普特光源及光源控制器产品收入为 3.0 亿元。奥普特光源产品的销 售额与 CCS 相比仍存在一定差距，但其盈利能力比 CCS 高。

2.4、 图像处理软件：算法实现各种目标

对所获得的视觉信号进行处理是机器视觉系统的关键所在，机器视觉软件类似 “大脑”，通过图像处理算法完成对被测物的识别、定位、测量、检测等功能。 机器视觉软件主要分为两类：一类是包含大量处理算法的工具库，用以开发特定 应用，主要使用者为集成商与设备商；另一类是专门实现某些功能的应用软件， 主要供最终用户使用。两者主要在开发的灵活性上存在差别。

目前，图像处理软件领域主要由美、德等国主导，主要厂商包括 Cognex、Mvtec、 Adept 等，软件的底层算法基本被以上厂商垄断。康耐视（Cognex）作为最具 代表性的厂商之一，近 10 年业绩表现良好。康耐视营业收入由 19.25 亿元增长 至 50.62 亿元，复合增速 10.15%；毛利率与净利率基本稳定，分别维持在 75% 和 25%左右。

国内的机器视觉图像处理软件一般是在 OpenCV 等开源视觉算法库或者 Halcon、 VisionPro 等第三方商业算法库的基础上进行二次开发。由于独立底层算法具有 非常高的技术壁垒，国内目前仅有创科视觉、海康威视、奥普特、维视图像等少 数企业完成底层算法研究并进行一定范围的应用。

以创科视觉为例，公司研发的 CKVisionBuilder 是目前机器视觉行业内最简单的 视觉系统开发平台，涵盖了定位、测量、识别、读码、缺陷、颜色、3D、逻辑 运算等所有图像处理功能。该系统具有极高的通用性，具体表现为：不要求用户 具有编程基础，适用于各种人群；适用于 3C 电子、汽车制造等多种行业；对不 同种类的工业相机、PLC 等均留有对接接口，具有较好的兼容性。

3、 起于汽车制造，兴于消费电子

3.1、 消费电子和汽车制造是当前主要应用下游

机器视觉目前主要应用在消费电子、汽车制造、食品包装、制药业等领域，其中 又以消费电子和汽车制造领域为主，应用占比分别为 46.60%、10.20%。在消费 电子行业，机器视觉应用于高精度制造和质量检测，包括圆晶切割、3C 表面检 测、触摸屏制造、AOI 光学检测、PCB 印刷电路、电子封装等。在汽车制造行 业，机器视觉几乎涉及所有系统和部件的制造流程，例如车身装配检测、面板印 刷和质量检测、字符检测、零件尺寸的精密测量、工业零部件表面缺陷检测等。

3.2、 机器视觉在汽车制造行业的应用

汽车制造质量原先主要依靠三坐标测量完成，效率低、时间长、数据量严重不足， 且只能离线测量。机器视觉引入非接触测量技术，逐步发展成固定式在线测量站 与机器人柔性在线测量站等在线测量系统，可严格监控车身尺寸波动，提供数据支持。

除传统三坐标测量、激光在线测量外，蓝光扫描测量、表面缺陷测量等视觉测量 方法可进行更加精细地测量，对车身基本特征尺寸、车体装配效果、缺陷等提供 高精度监控。多种监控测量手段互相结合，确保生产零件零缺陷、整车制造高质 量。

机器视觉引导系统突破机器人简单重复示教轨迹的限制，使其根据被操作工件的变化实时调整做工轨迹，提升机器人智能化水平。视觉引导技术逐渐渗透到汽车 制造的全过程，比如引导机器人进行最佳匹配安装、精确制孔、焊缝引导及跟踪、 喷涂引导、风挡玻璃装载引导等。

机器视觉检测系统可以对产品进行制造工艺检测、自动化跟踪、追溯与控制等， 包括通过光学字符识别（OCR）技术获取车身零件编码以保证零件在整个制造 过程中的可追溯性, 通过识别零件的存在或缺失以保证部件装配的完整性, 以及 通过视觉技术识别产品表面缺陷或加工工具是否存在缺陷以保证生产质量。

我国汽车产销量位于全球前列，汽车制造市场体量庞大。汽车行业自动化程度较 高，生产制造中许多环节已经无人化操作，同时汽车智能化蓝图多领域布局，促 进机器视觉在汽车行业应用深化。

3.3、 机器视觉在消费电子行业的应用

机器视觉在消费电子领域，以 PCB/FPC AOI 检测、零部件及整机外观检测、装 配引导等应用为主，并呈现出越来越多的新的应用场景。

AOI 光学检测是工业生产中执行测量、检测、识别和引导等任务的新兴科学技术， 广泛应用于 PCB 缺陷检测过程。其采用光学照明与图像传感技术获取被测物体 信息，通过数字图像处理增强目标特征，利用模式识别、机器学习、深度学习等 算法提取特征信息，并进行分类与表征，最后反馈给执行控制机构，实现产品分 类、分组分选、质量控制等生产目标。其基本原理是用各种光学成像技术与系统 模拟人眼的视觉成像功能，用计算机处理系统代替人脑执行实时图像处理、特征 识别与分类，用执行机构代替人手完成操作。

PCB 缺陷检测主要是焊点缺陷检测和元器件检测两大部分。传统的人工目视检 测法易漏检、速度慢、时间长、成本高，已不能满足生产需要，机器视觉 PCB 检测系统具有重要的现实意义。在电路板从印刷装置中移下，或在清洗剂中清洗 后，以及返修完成返回生产线中，机器视觉提供的在线视觉技术可以在实施印刷 操作后直接发现存在的缺陷情况，保证了操作者在加上 PCB 以前能够及时处理 有关问题。另外，发现缺陷时可以有效防止有缺陷的电路板送达生产线后端，从 而避免出现返修或废弃现象。操作者能够及时得到反馈，明确处于操作中的印刷 工艺操作是否良好，达到预防缺陷产生的目的，对生产效率和良率的提升至关重 要。

据中商产业研究院，消费电子及半导体领域的机器视觉市场规模 2018 年突破 20 亿元，2019 年将达到接近 30 亿元水平。消费电子行业元器件尺寸小，质量标 准高，适合用机器视觉系统检测，也促进机器视觉技术进步。同时，消费电子产 品生命周期短，需求量大，拉动机器视觉市场需求。

3.4、 食品包装与制药行业应用

机器视觉在食品包装领域适用范围广泛，可用于检测瓶子的分类和液位测量、标 签、盖子、盒子的检查，以及瓶的形状、尺寸、密封性和完整性。被检查的包装 形状不限包装盒、包装箱、金属箱、管状、泡状、盘状、广口瓶、细口瓶、罐装 和桶装等。食品包装是食品质量的重要保障，可以保护食品在流通过程中免受污 染，提高品质，避免发生安全事故。同时，食品包装的观赏性也会给消费者良好 的购物体验。因此，食品包装检测是控制不合格食品流入市场的关键环节，影响 企业在行业中的竞争力。

制药企业的生产过程中，药品关系到人的生命健康，即使是微小的缺陷存在，一 旦药品流通到市场后也会对患者造成无法弥补的损失，甚至导致医疗事故的发生。 机器视觉在药品包装、质量检测及控制等多个方面有广大作为，助力医药行业加 快现代化、智能化进程。目前，在数粒、打码、泡罩版缺粒、药品残缺和断片、 加装说明书、编码识别等检测环节，机器视觉检测内容丰富、稳定、精确，满足 医药行业包装线经常变包装产品的需求。

4、 机器视觉技术仍在迭代，应用场景不断丰富

4.1、 提质、增效、降本是机器视觉发展的源动力

2019 年，我国 65 岁及以上人口占总人口比率达 12.57%，标志我国已步入严重 老龄化社会。劳动力供给不足，推动企业用工成本上升。根据国家统计局数据， 城镇非私营单位就业人员平均工资从 2012 年的 4.68 万元上升为 2019 年的 9.05 万元，八年间用工成本接近翻倍。我国制造业在转型升级过程中必然向自动化、 智能化迈进，并不断得到深化。

2017 年 7 月，国务院发布《新一代人工智能发展规划》，明确提出科技引领、系 统布局、市场主导、开源开放四项基本原则，以及“三步走”的发展战略：到 2020 年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经 济增长点，人工智能技术应用成为改善民生的新途径；到 2025 年人工智能基础 理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动我国 产业升级和经济转型的主要动力，智能社会建设取得积极进展；到 2030 年人工 智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心， 智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要 基础。这确立了人工智能在我国当下的重要地位。2017 年-2020 年，人工智能、 智能制造连续四年被《政府工作报告》覆盖，2019 年更是将“智能制造”提升 为“智能+”，进一步明确了人工智能、智能制造在国民经济中的重要地位。为响 应国务院的号召，各行业、各地方政府也相继出台相关政策，确立了人工智能与 智能制造的发展目标。机器视觉作为智能制造的核心分支之一，也是能够率先渗 透并发展起来的核心技术之一，在政策利好的环境下，或将获得广大而稳定的发 展空间。

全球机器视觉新增专利数量持续提升。截至 2019 年，全球累计专利数量达到 8.6 万项；国内机器视觉相关申请和公开专利共计 1.1 万项

4.2、 核心部件自主化进行中

国内机器视觉行业研发投入从 2016 年的 5.6 亿元增长至 2018 年的 11.7 亿元， 年均复合增长率达 44.8%。国内机器视觉代理商企业的销售额在 2018 年占行业 销售额的 32.4%；国内机器视觉企业早期依靠国际供应商的产品代理，缺乏扎 实的自主研发基础和具有自主知识产权的核心技术。相比国际龙头企业，国内企 业经营时间短，积累薄弱，加大研发是实现进口替代的必由之路。

机器视觉算法是对获取的图像信息进行处理的关键步骤，也是视觉控制系统的 重要基础。 国内视觉处理分析软件大多建立在 OpenCV 等开源视觉算法库中， 或以 Halcon、Vision Pro 等第三方商业算法库为基础进行二次开发，只有少数 企业具有独立自主的底层算法库。独立底层算法需要经历漫长的研发周期和巨大 的资金投入，是未来国内机器视觉企业自主化的主要技术支持。

深度学习拓宽应用场景。 目前主流的机器视觉技术仍采用传统方式，即首先将数 据表示为一组特征，分析特征或输入模型后，输出得到预测结果，在结构化场景 下定量检测具有高速、高准确率、可重复性等优势。但随着机器视觉的应用领域 扩大，传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。深度学 习对原始数据通过多步特征转换，得到更高层次、更加抽象的特征表示，并输入 预测函数得到最终结果。深度学习可以将机器视觉的效率和鲁棒性与人类视觉 的灵活性相结合，完成复杂环境下的检测，特别是涉及偏差和未知缺陷的情形， 极大地拓展了机器视觉的应用场景。

传统的 2D 机器视觉技术在三个自由度（x、y 和旋转）上定位目标物体，并基于 灰度或彩色图像对比度提供图像处理分析结果，无法获取目标物体的三维信息， 也易受光照条件变化、物体运动等影响。3D 机器视觉技术可以在六个自由度（x、 y、z、旋转、俯仰和横摆）上定位目标物体，提供丰富的三维信息，使机器能够 感知物理环境的变化并作出相应调整，提高了应用中的灵活性和实用性。

高精度成像和互联互通技术助力。 高精度成像技术要求新型光源、更全面的波长 覆盖和创新的光源布局等光源技术，以及提供更大靶面和更小像元的新型镜头和 相机产品，是机器视觉行业始终追求的技术发展目标。行业内企业、协会和产业 联盟不断合作，制定数据接口、通讯协议等基础共性标准，旨在打通视觉和各信 息系统的通道，实现系统间的互联互通，是工业发展的必然趋势。

4.3、 应用场景不断丰富，千亿蓝海大有可为

全球机器视觉正处于快速成长期。据 markets and markets 预测，全球机器视觉 市场规模在 2020 年有望达到 107 亿美元，至 2025 年有望达到 147 亿美元。国 内机器视觉核心部件市场长期由少数国际巨头把持，而国产品牌正在崛起。看未 来，实现进口替代的路径由易到难，先后是光源、相机、镜头、开发软件；而在 应用端，机器视觉设备应用如火如荼，在消费电子领域的应用已较为普遍。而随 着国内制造升级，全球高端制造产能向我国转移，将同步提高对高端精密机器视 觉设备的需求，如面板前中段制程和半导体检测设备也正逐渐实现进口替代。这 将进一步促进国内机器视觉部件和设备厂商的技术迭代，并提升对应用工艺的理 解。

随着机器视觉硬件方案的不断成熟和运算能力的提升，以及软件在各种应用解决 方案、3D 算法、深度学习能力的不断完善，机器视觉在电子产业（如 PCB、FPC、 面板、半导体等领域）应用的广度和深度都在提高，并加快向食品饮料、医药等 其他领域渗透，预计我国机器视觉市场规模将继续保持较高的增速。

GGII 数据显示，2019 年我国机器视觉市场规模 65.5 亿元（不包含计算机视觉 市场），同比增长 21.8%。2014-2019 年复合增长率为 28.4%，并预测到 2023 年中国机器视觉市场规模将达到 155.6 亿元。

机器视觉核心部件和设备企业盈利能力优异，行业成长性和进口替代的庞大空 间是国内机器视觉企业的历史性机遇。 2019 年，机器视觉国际巨头基恩士和康 耐视毛利率分别为 82.35%/73.85%，净利率分别为 38.52%/28.10%，而国内以 光源为主打产品的奥普特毛利率/净利率分别为 73.59%/39.35%。

在机器视觉设备领域，相关企业毛利率普遍在 40-50%的较高水平。随着核心零 部件国产化进程的加快，将降低机器视觉应用成本，提升国内机器视觉设备企业 的竞争优势，并推动机器视觉在智能装备领域的普及。

5、 行业评级及重点公司推荐（略，详见报告原文）

机器视觉是人工智能最重要的前沿技术之一，以远超于人类视觉的性能助力工业自动化、智能化的发展。提质、增效、降本是智造升级的源动力，随着我国步入 老龄化社会，企业用工成本上升，机器替人成为必然趋势。我国已成为全球第三 大机器视觉领域应用市场，蓝海市场已开启。国内厂商正加快机器视觉核心部件 国产化，从低端向高端市场布局，逐步实现进口替代。

……

（报告观点属于原作者，仅供参考。报告来源：国海证券）

获取报告请登录未来智库www.vzkoo.com。

立即登录请点击： 「链接」

机器视觉应用场景多样：机器替代人眼，优势明显，渗透率逐渐提升

（报告出品方/分析师：东莞证券 黄秀瑜 谢少威）

1. 行业快速发展，需求不断增加

1.1 机器视觉优势明显

根据美国制造工程师协会(SME)机器视觉分会和美国机器人工业协会(RIA)自动化视觉分会关于机器视觉的定义：机器视觉是通过光学的装置和非接触的传感器，自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。

机器视觉即用机器代替人眼，模拟眼睛进行图像采集，经过图像识别和处理提取信息，最终通过执行装置完成操作。

机器视觉是计算机学科的一个重要分支，综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也推动了机器视觉的发展。

机器视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS 和 CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作，是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。

机器视觉的特点是提高生产的柔性和自动化程度。在不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。可以在最快的生产线上对产品进行测量、引导、检测和识别，并能保质保量的完成生产任务。

机器视觉的灰度分辨率强，一般可使用 256 个灰度级，采集系统可具有 10bit、12bit、16bit 等灰度级，远强于人类视觉的 64 个灰度级，也弥补了人类视觉对灰度分辨率的缺陷。目前，机器视觉的空间分辨率有 4Kx4K 的面阵摄像机和 12K 的线阵摄像机，通过设备各种光学镜头，可观测小物件至微米，大物体至天体的目标。此外，机器视觉可从紫外光到红外光的较宽光谱范围，也有 X 光等特殊摄像机等配件适用于不同特殊用途。

人类视觉适应性强，可在复杂环境中识别目标，较为适合无结构化场景，而机器视觉具有速度、准确度和可重复性等优势，更擅长定量测定结构化场景。使用合适的相机分辨率和光学元件制造的机器视觉可检测人眼难以看到的物体细节。机器视觉检测可避免测试系统和待测零件发生物理接触、零件损坏、由机械组件磨损产生的维护和成本支出，同时减少制造过程中的人为干预，从而增加安全性和操作便捷性。此外，还可以避免人为污染无尘室，保护工人误入危险环境。

根据自动成像协会(AIA)，机器视觉涵盖所有工业和非工业应用，它综合使用硬件和软件的功能，根据图像的采集和处理为设备提供操作指引。虽然工业机器视觉的使用与学术、教育、政府、军事等应用相同的机器视觉算法和方法，但个别方面仍具有不同之处。与学术、教育视觉系统相比，工业视觉系统需要更高的坚固性、可靠性和稳定性，而且成本相对而言较低。机器视觉系统依靠工业相机内受保护的数字传感器和专用光学元件采集图像，使计算机硬件和软件能够处理、分析和测量各种特性以帮助制定决策。

机器视觉的用途可分为定位、识别、引导、测量、检查。

（1）定位：零件定位在机器视觉应用中是关键的第一步。

无论是简单的装配验证还是复杂的三维机器料箱拣选，所有机器视觉应用的第一步是通过模式匹配技术在相机视野中找到关注的对象或特征。

关注对象的定位决定了成功还是失败。如模式匹配软件工具无法精确定位图像中的零件，则无法进行识别、引导、检查或测量。

在实际生产中，零件外观出现差异将无法实行定位，该步骤具极具挑战性；视觉系统根据图案来识别零件，尽管严格管控元器件的制造过程，在视觉系统中的外观也会有一些差异。

视觉系统的零件定位工具必须足够智能且快速并准确地将培训模式和下移至生产线上的实际对象进行比较，从而获得更准确、可靠且可重复的结果。

（2）识别：视觉技术可以读取字母、数字、字符。

零件标识和识别机器视觉系统可以读取条码 (一维)、数据矩阵代码 (二维)、直接部件标识 (DPM) 和零件、标签与包装上印刷的字符。先由光学字符识别 (OCR) 系统在不知情的情况下读取字母、数字、字符，然后由字符验证 (OCV) 系统确认字符串的存在。此外，机器视觉系统可以通过定位具体图案来识别零件或根据颜色、形状或大小识别物品。

DPM 应用将代码或字符串直接标记到零件上，通过直接部件标记进行追溯可以改善资产追溯和零件真伪验证。通过记录成品子组件中各元件的谱系信息，它还可以提供单位级数据，从而推动出色技术支持和保修服务的提供。

（3）引导：有多种需要引导的原因。

首先，机器视觉系统可以定位零件的位置和方向，然后将其与规定的公差进行对比，并确保它位于正确的角度以便准确地验证装配。

然后可以通过引导将零件在二维和三维空间中的位置和方向报告给机器人或机器控制器，使机器人能够定位零件或让机器能够对准零件。机器视觉引导在许多任务中可以实现比手动定位更高的速度和准确性。

另外，可通过引导与其他机器视觉工具对准。这是机器视觉的一个非常强大的功能，因为生产期间零件可能会以未知的方向出现在相机视野中。

通过定位零件再将其与其他机器视觉工具对齐，机器视觉可以实现自动工具固定。这涉及定位零件上的关键特征以精确放置卡尺、斑点、边缘或其他视觉软件工具从而正确地与零件产生相互作用。这种方法使制造商能够在同一条生产线上制造多个产品并减少了对检测时需要维持零件位置的昂贵的硬件换型的需求。

引导需要几何图案搭配。图案搭配工具必须能处理对比度和照明方面之间存在的差异，以及比例、旋转和其他因素的变化，同时每次都要可靠地找到零件。这是因为其他机器视觉软件工具的对准需要图案搭配获得位置信息。

（4）测量：测量距离和位置以评估是否符合规格。

测量应用中的机器视觉系统计算测量对象上两个点、多个点或几何位置之间的距离以确定这些测量是否符合规格。如不符合标准，视觉系统向机器控制器发送失败信号，触发拒绝机制以将对象从生产线上弹出。

在实际应用中，使用固定安装的相机采集通过相机视野的零件图像，然后系统使用软件计算图像中各个点之间的距离。由于许多机器视觉系统可以测量 0.0254 毫米范围内的对象特征，所以能解决诸多手工接触测量无法处理的应用。

（5）检查：识别缺陷、异常和其他制造缺陷。

检查应用中的机器视觉系统用于检测制造的产品中的缺陷、污染、功能缺陷和其他异常。如检查药物的药片是否有缺陷，验证显示屏上的图标或确认像素的存在，或检测触摸屏以评估背光对比度的水平。机器视觉也可检查产品的完整性，如保证食品和药品行业产品和包装是否相符，以及检查瓶子的密封、瓶盖和环的安全性。

1.2 国内机器视觉行业正处于高速发展阶段

机器视觉是人工智能正在快速发展的一个分支，全球机器视觉行业发展从 20 世纪 50 年代开始，工作主要是二维图像分析与识别，包括光学字符识别、工件表面图片分析、显微图片等分析。

60 年代开始以研究及理解三维场景的机器视觉。

1965 年研究学者从数字图像中提取如立方体、楔形体等的三维结构，研究物体形状与物体空间关系，开始对三维机器视觉的研究。

受到积木世界的创造性研究的启发，对积木世界做更深入的研究，理解积木玩具组成的三维世界，以此为基础深入研究与理解更复杂的三维场景。

从边缘、角点等特征开始，再到线条、平面、曲面等要素，再深入研究至图像明暗、运动以及成像几何，并建立了各种数据结构和推理规则。

深入研究积木世界后，70 年代起，机器视觉的理念逐步清晰明了，行业发展速度极快。知名大学正式开设“机器视觉”课程，越来越多学者踊跃参与机器视觉理论、算法、系统设计的研究。

80 年代至今，机器视觉蓬勃发展，新概念、新理论相继涌现。

机器视觉全球市场规模从 2010 年的 31.7 亿美元增长至 2020 年的 107 亿美元，年复合增长率为 14.47%。从地区分布来看，机器视觉市场规模最大的为欧洲地区，占全球的 36.4%；北美和亚太地区分别占比为 29.3%、25.3%，南美、中东、非洲地区的占比为 9.1%。

受益于全球制造中心向中国转移，中国机器视觉市场发展迅速，将成为欧洲、北美和日本外另一个国际机器视觉厂商的重要目标市场。

与全球机器视觉行业相比，国内机器视觉行业起步晚，1999-2003 年是我国机器视觉发展的启蒙阶段，开始出现跨专业的机器视觉人才，2004 年后进入发展初期，机器视觉企业开始探索与研发自主技术和产品，同时取得一定的突破。

经历十年，中国机器视觉产业逐步迈向高速发展阶段。目前，中国有近百家机器视觉相关企业，从事半导体、食品、安防、医疗及金融等各个领域。

启蒙阶段（1999-2003）：国内企业主要以代理业务为客户进行服务，逐渐熟悉了解行业的标准，从而提高国内行业的标准要求。

在代理业务期间，国内机器视觉企业不断吸收消化海外机器视觉的理念和海外企业产品先进技术。国内跨专业的机器视觉人才从了解图像的采集和传输过程、理解图像的品质优劣开始，到初步的利用国外视觉软硬件产品搭建简单机器视觉初级应用系统，逐渐掌握国外机器视觉产品的使用方法。通过市场宣传和推广、技术交流、项目辅导、培训和引导中国客户对机器视觉技术和产品的理解和认知，从而启发客户发现使用机器视觉技术的场合，开启中国机器视觉行业发展进程。

特种印刷和烟草等对成本不敏感，但对品质要求较高的领域率先引进机器视觉技术，成为机器视觉技术最早的受益者。机器视觉技术提高了人民币的印刷质量和自动化水平、统一人民币印刷质量标准。作为中国优势产业的烟草领域，机器视觉技术进入烟叶异物剔除、包装检测等工序，替代人工的同时大幅提升了生产效率和产品质量。在特种印刷和烟草行业，机器视觉技术的应用令更多的企业关注机器视觉技术带来的价值和应用前景，机器视觉行业逐步进入发展阶段。

发展阶段（2004-2007）：国内本土机器视觉企业开始探索自主核心技术及提升、机器视觉软硬件研发，发现更多机器视觉设备和集成的新应用领域并取得关键性突破。

受益于制造业逐渐向国内转移，汽车、包装等行业客户对产品质量要求提升，大部分自动化领域的系统集成商开始熟悉并使用机器视觉技术，视觉技术在相关设备中的应用程度也有所提高，如 PCB 检测、SMT 检测等设备国产设备迅速兴起。国内厂商陆续推出新产品，凭借产品性价比和服务的优势填补了国内相关市场需求，逐渐占据低端市场。国内传统产业，如棉纺、农作物、纸张等行业开始使用机器视觉技术作为提升质量、效率、取代人工的工具。

高速发展阶段（2008-至今）：经历近十年的发展，中国机器视觉进入了高速发展阶段。

大批机器视觉核心零部件研发厂商涌现，努力打造了中国创造的机器视觉产品。随着机器视觉技术在半导体、LCD、烟草、印刷、汽车等多个行业的广泛应用，国内企业的产品在实践中不断成熟与完善，国内企业的机器视觉技术仍有较大的上升空间。

2015-2018 年，中国机器视觉行业市场规模增速较快，维持在 40%以上。根据中商产业研究院预测，2020 年中国机器视觉市场规模为 115 亿元，同比增速 11.65%。2015-2020年复合增长率为 37.97%，较全球机器视觉行业 2015-2020 年复合增长率高 24.31pct。

根据中国机器视觉产业联盟统计，国内机器视觉行业以中小企为主，主要集中在销售额 1-3 千万范围，占 31.80%；1 千万以下销售额占比为 19.80%，3-5 千万销售额企业占比 13.20%，5 千万-1 亿元销售额企业占比 18.70%，1 亿以上销售额企业占 16.5%。

我们认为，国外企业占据更大的市场份额与销售优势，主要以高端市场为主，国内大部分机器视觉企业需提升自主研发技术和产品，仍有巨大的上升空间。

从区域分布来看，机器视觉企业聚集较为集中，分布在广东省、江苏省、山东省、浙江省、上海市，分别占比为27.01%、15.88%、7.73%、7.63%、4.07%，5个省市共占据62.33%。

1.3 政策规划扶持，机器视觉渗透率逐渐提升

在人口老龄化严重、人工成本加重的情况下，国家越来越注重智能制造的发展，为高端装备、人工智能、自动化生产等领域发布各项政策规划支持行业发展，充分支持智能制造行业的产品研发和市场扩展。

高端装备制造、人工智能、自动化生产行业均是机器视觉技术的主要应用领域，对于精准度的严格要求需要机器视觉技术的支持。受益于国家各项政策推动，机器视觉行业得以快速发展。中国制造逐渐走出国门，迈向全球。

从2013年起，国家陆续发布相关政策与规划为机器视觉行业提供支持。2016 年发布的《智能制造“十三五”发展规划》，提出十大重点任务，加快智能制造装备发展并推动重点领域智能转型。发展规划为高端装备制造和自动化生产的发展提供大力支持，而作为配套设备的机器视觉产品需求也逐渐增加。

2019年发布的《加快培育共享制造新模式新业态，促进制造业高质量发展的指导意见》，提出要求支持平台企业积极应用人工智能技术，发展智能检测功能，不断提升制造全流程的智能化水平。机器视觉技术为智能检测提供便利，提高效率及降低人工成本。随着行业的发展，客户了解到机器视觉技术的应用广泛、增效降本等有利因素后，机器视觉在各行业的渗透率逐渐提升。

此外，随着机器视觉技术和产品不断扩张下游应用领域，客户对机器视觉的标准提出更高要求。我国在持续制定机器视觉行业相关标准，机器视觉产业联盟于 2020 年发布了《工业镜头术语》及《工业数字相机术语》两项团体标准，进一步推动国内机器视觉标准的制定。同时《智能制造机器视觉在线检测通用要求》国家标准正在征求意见，而《智能制造机器视觉在线检测测试方法》国家标准在起草当中。

2. 关注上游零部件细分领域，下游应用场景多样

机器视觉系统的成功取决于所用的关键组件。

机器视觉系统的主要组成部分包括光源照明、镜头、图像处理和视觉处理组件等。照明可以照亮要检测的零件，使其特征突出，从而可通过相机清晰地看到。镜头采集图像并以光的形式将其传送给传感器。

机器视觉相机中将此光转换为数字图像，然后将其发送至处理器进行分析。视觉处理包括检查图像和提取所需信息的算法，运行必要的检查并做出决定。最后，通过离散 I/O 信号或串行连接将数据发送到记录信息或使用信息的设备完成通信。

机器视觉行业产业链中，上游硬件部分包括光源、镜头、工业相机、图像处理器、图像采集卡；软件包括图像处理软件和底层算法。中游为设备制造商与系统集成商；机器视觉下游应用广泛，包括半导体、汽车、包装、医药、工业机器人等行业。在机器视觉产品中，上游软硬件共占总成本的 80%，分别占比为 45%、35%，组装集成和维护分别占总成本的 15%、5%。

2.1 上游高端产品仍依赖进口，国内企业加速追赶

光源

光源照明是影响机器视觉系统输入的重要因素之一，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的光源产品，以达最佳效果。

光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯、钠光灯和 LED 灯。可见光的缺点是光保持稳定的能力较弱，如何使光在一定的程度上保持稳定，是实用化过程中急需要解决的问题。

另一方面，环境光有可能影响图像的质量，可采取加防护屏的方式减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式方便安装。

结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。

机器视觉对光源的 5 个要求：

（1）高亮度：高速扫描、高速成像，要求曝光时间短的场合；

（2）高均匀性：表面检测、缺陷检测，利用灰度差异进行检测的场合；

（3）低功耗：移动设备、便携检测系统；

（4）长寿命：节约成本和维护费用；

（5）光谱特性好：利用光谱单色性检测的场合。

目前，机器视觉光源主要采用 LED 照明为主，主要是形状自由度高，使用寿命长、响应速度快、单色性好、颜色多样、综合性价比高等特点在行业内广泛应用。在国家的规划政策大力推动下，为 LED 照明产业的可持续发展奠定了坚实的基础。

随着环保意识的不断加强、LED 照明的技术进步及成本下降，叠加全球 LED 照明产业转移中国的速度加快，为中国 LED 照明产业发展提供新的发展机遇。供求方面，国内 LED 照明产品在海外的渗透率仍较低，随着海外的需求不断的扩大，LED 照明作为我国的优势行业，未来仍有巨大的上升空间。

2020 年中国 LED 照明市场规模为 8627 亿元，同比增长 14.30%，2017-2020 年复合增长率为 10.71%。从 LED 照明竞争梯队来看，年销售收入 20 亿元以上为第一梯队，分别有飞利浦、欧普照明、雷士照明、佛山照明、阳光照明等国内外企业；第二梯队为 5-20 亿元年销售收入，包括雪莱特、勤上光电等企业；第三梯队主要以国内民营企业和知名度较小企业为主。

镜头

镜头是机器视觉图像采集的重要成像部件。

镜头的主要作用是将目标成像在图像传感器的感光面上。分辨率、对比度、景深和像差等指标对成像质量有重要影响。工业镜头按焦距可分为定焦镜头和变焦镜头；按光圈可分为固定光圈和可变光圈；按视场分为长焦镜头、普通镜头和广角镜头。另外，有几种特殊用途的镜头，包括远心镜头、紫外镜头、红外镜头等。因为传统镜头存在视差现象，畸变通常大于 1-2%，使用远心镜头较为合适，可以在一定物距范围内校正视差，控制畸变系数。远心镜头因独特的平行光路设计，满足精密检测的需求，在对镜头畸变要求较高的机器视觉应用中使用率较高。

根据 QYResearch 统计，2019 年全球工业镜头市场达到 33 亿元。海外品牌经过多年在镜头领域布局、业务累积和技术升级，徕卡、施耐德、尼康、富士等领头企业已经在全球范围内形成。因为光学镜头行业需融合精密机械设计、几何光学、薄膜光学、色度学、热力学等技术，制造过程和工艺复杂，行业技术壁垒较高。

国内企业起步晚，2008 年之前国内光学镜头市场被德、日系品牌垄断。近年，中国工业镜头行业的国内企业迅速发展，主要以低端市场为主，以高性价比与海外品牌竞争。高端市场方面，国内仍依赖进口高端产品，主要以日本、德国等老牌制造商的产品为主。

工业相机

图像分析的前提是镜头捕捉光信号并将其转换成有序的电信号。与民用相机不同，工业相机具有更高的图像稳定性、传输能力和抗干扰能力，是机器视觉系统的关键组成部分。目前，市场上的工业相机产品主要类型有线阵列相机、面阵相机、3D 相机和智能相机。智能相机将图像采集、处理和通信功能集成到单个相机中，成为工业相机的发展趋势。

图像传感器是相机的核心，按芯片类型可分为 CCD（电荷耦合器件）和 CMOS（互补金属氧化物半导体）图像传感器。两者均使用光电二极管进行光电转换，但工作原理和产品特性差异较大。

CCD： 由光电二极管和存储区组成的矩阵。每个感光元件将光转换成电荷后，直接输出到下一个感光元件的存储单元，传输至最后一个感光元件形成统一输出。放大器将放大电信号，一个特殊的模数转换芯片将模拟信号转换成数字信号。

CMOS： 每个光敏元件都直接集成了一个放大器和模数转换逻辑。当光敏二极管接收照明并产生模拟电信号时，电信号将被光敏元件中的放大器放大，转换成相应的数字信号。机器视觉应用早期，CMOS 传感器在处理快速变化的图像时，电流变化频繁导致易热、难以控制噪声，在图像质量要求不高的低端产品的使用率较高；而 CCD 具有更高图像质量、抗噪声能力更强等优势，多使用于高端产品中。

受益于 CMOS 传感器在消费电子器件中的应用率提高，推动了 CMOS 技术的发展，性能得到了显著提高，制造成本也有所降低。

CMOS 传感器的分辨率和图像质量逐渐向 CCD 传感器靠近。CMOS 传感器在高帧率、高像素、低功耗、改善的噪声系数等优势助力下，确立了稳定的市场地位。在图像处理的诸多领域逐步取代 CCD 传感器。

工业相机行业在全球和中国市场增速较快，全球工业相机行业规模从 2011 年的 15.2 亿元增长至 2018 年的 40.3 亿元，年复合增长率为 14.95%；中国工业相机产业规模从 2011 年的 8000 万元增长至 2018 年的 7.3 亿元，复合增长率为 37.14%。中国工业相机市场正在快速扩张，以 2 倍以上速度超越全球市场增速。

目前，全球工业相机行业以欧美品牌为主，2018 年北美品牌占全球工业相机市场的 62%，欧洲品牌占 15%。我国工业相机细分领域起步较晚，较海外市场落后。

近年，中国工业相机行业逐步发展，涌现出一批自主研发工业相机的国产品牌，行业的研发技术得到提升。

我国工业相机行业主攻低端市场，高端工业相机产品仍以进口品牌为主。

图像采集卡

图像采集卡（Image Capture Card），又称图像捕捉卡，是一种可以获取数字化视频图像信息，并将其存储和播放出来的硬件设备。

很多图像采集卡能在捕捉视频信息的同时获得伴音，使音频和视频在数字化过程中同步保存、同步播放。图像采集卡的功能是将图像信号采集到电脑中，以数据文件的形式保存在硬盘上，是进行图像处理必不可少的硬件设备。图像采集卡可以把摄像机拍摄的视频信号从摄像带上转存到计算机中，利用相关的视频编辑软件，对数字化的视频信号进行后期编辑处理，如剪切画面、添加滤镱、字幕和音效等。

在电脑上通过图像采集卡可以接收来自视频输入端的模拟视频信号，对该信号进行采集、量化成数字信号，然后压缩编码成数字视频。大部分图像采集卡都具备硬件压缩功能，在采集视频信号时首先在卡上对视频信号进行压缩，再通过 PCI 接口把压缩的视频数据传送到主机上。一般的 PC 视频采集卡采用帧内压缩的算法把数字化的视频存储成 AVI 文件，高级视频采集卡能把采集到的数字视频数据压缩成 MPEG-1 格式的文件。

由于模拟视频输入端可以提供不间断的信息源，视频采集卡要采集模拟视频序列中的每帧图像，并在采集下一帧图像之前把这些数据传入电脑系统。因此，实现实时采集的关键是每一帧所需的处理时间。如每帧视频图像的处理时间超过相邻两帧之间的相隔时间，将会出现数据的丢失，即丢帧现象。采集卡是把获取的视频序列先进行压缩处理后存入硬盘，即视频序列的获取和压缩是同时完成的，免除了再次进行压缩处理的不便。不同档次的采集卡采集压缩性能质量也将有所不同。

图像采集卡主要有两种类型，分别为 PCI/PCIe 和 USB 采集卡，而业内企业以生产 PCI/Pcle 采集卡为主，PCI/PCIe 采集卡使用率较高，市场占比约为 80%。中国、欧洲和北美为图像采集卡主要生产地区，中国占比约为 36%。图像采集卡技术含量高，2020 年 CR5 市场占比约为 42%，市场集中度相对较高。2020 年全球图像采集卡市场规模为 3.31 亿美元，同比下降 0.06%。目前，北美是全球最大的图像采集卡市场，2020 年市场占比 达到 32%。国内图像采集卡市场规模为 3.9 亿元。

2.2 下游应用领域广泛，三大制造业领域领头

制造业是目前机器视觉应用中比重最大的领域之一。

由于制造业竞争加剧，成本压力迫使企业重视生产效率并促进了机器视觉技术的应用。

为了提高生产效率，降低人力成本、减少生产过程中的错误，工业生产和管理中的某些人工环节逐渐被机器替代。

机器视觉系统的特点是提高生产的柔性和智能化程度。此外，机器视觉易于实现信息集成， 是实现计算机集成制造的基础核心技术之一。

在制造业领域之外，机器视觉技术也应用于农业、医药行业、包装印刷业等其他领域。制造业细分领域中，消费电子、汽车、半导体是机器视觉行业应用最广泛的三大领域。

近十年，中国工业机器人密度高速增长。

2020 年，中国工业机器人密度为 246 台/万人，较 2019 年增加 59 台/万人，从全球第 15 名提升至第 9 名。中国工业机器人密度已高于全球水平，但仍低于发达水平国家，其中韩国、新加坡、日本长期霸占全球各国工业机器人密度榜首，分别为 932 台/万人、605 台/万人、390 台/万人；德国和美国工业机器人密度分别为 371 台/万人、255 台/万人。对比发达国家，中国的工业机器人密度仍有较大的上升空间，将拉动自动化生产设备需求，细分领域机器视觉需求也将增加。

消费电子&半导体行业

消费电子产业在二十年前开始应用机器视觉技术，目前仍是机器视觉最主要应用领域之一，也是带动全球机器视觉市场发展最主要的动力。受益于消费电子行业的发展，全球机器视觉技术得以崛起。消费电子行业元器件尺寸较小、检测要求高，使用机器视觉系统进行检测能起到降本增效的作用。同时，由于消费电子行业对精细程度的要求较高，促进了机器视觉技术的革新。

消费电子行业存在产品生命周期短、更新换代快的特征，智能手机等消费电子产品更新周期约为一年。频繁的型号和设计变更导致制造企业需要频繁采购、更新其生产线设备，对其上游的机器视觉行业产生巨大需求。同时，随着产品的不断更新换代，产品不断精密化，对作业精度的要求逐步提高，以苹果公司为首的知名消费电子企业不断增加对机器视觉技术的应用，预计消费电子行业对机器视觉产品的需求将持续增加。

在消费电子行业制造领域，元器件、部件和成品的制造各环节需要机器视觉的协助，其中约 70%的机器视觉产品应用在检测环节。此外，连接器检测、PCB底片检查、硬盘检测、机器人视觉引导定位、元器在线分类筛选、二维码读取等也需使用机器视觉产品。由于技术工艺的高要求，消费电子行业设备制造对机器视觉技术存在刚性需求。

半导体产业具有集成度、精细度高的特点，是机器视觉技术最早大规模应用的领域之一，机器视觉在半导体行业中的应用涉及到半导体外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等的检测，尤其是晶圆制作中的检测、定位、切割、封装过程全程都需应用机器视觉技术。

近年，半导体行业的技术水平持续提升，晶圆越做越大，而内部线路越做越细，连接体体积越做越小，需要机器视觉精密识别、定位的器件越来越多，对生产效率和次品率的要求也越来越严格，半导体行业对机器视觉产品的需求持续扩张。

机器视觉技术在半导体生产的硅片制造、晶圆制造、封装测试阶段应用广泛。

在硅片制造阶段，机器视觉主要用于对硅片的检测和分选；在晶圆制造阶段，机器视觉主要用于精密定位和最小刻度检测；在封装测试阶段，机器视觉技术的重要性更加凸显，晶圆在切割过程中需要利用机器视觉系统进行精确快速定位，如定位出错，整个晶圆将会报废，在整个切割过程中也需要机器视觉系统的全程定位引导，目前的机器视觉产品在引导过程中已兼具焊线掉线检测功能；晶圆切割完成后将继续利用机器视觉产品识别出非缺陷品进入贴片流程；在贴片过程中，核心构架为视觉加运动—需通过机器视觉产品识别晶片位置及角度，并引导电机对晶片角度进行校正后，拾取到 PCB 上的指定位置贴放。

根据中商产业研究院数据，2018 年消费电子和半导体行业机器视觉市场规模能够突破 20 亿元，同比增长约为 24%。主要是消费电子需求量大、更新换代速度快，将拉动机器视觉需求。2019 年市场规模将接近 30 亿元。

汽车行业

工业视觉下游应用领域不断拓展的过程中，新的领域呈现出更快的增长势头，如标准化程度更高的汽车制造领域。2021年中国汽车累计销量为2627.5万辆，同比增长3.81%。我国汽车行业作为传统制造业，机器视觉替代人眼趋势在近几年逐渐渗透，2019 年汽车领域机器视觉市场规模突破 10 亿元，同比增长约为 35%。

2020 年末中国人均汽车保有量为 173 辆/千人，而美国 837 辆/千人、澳大利亚 747 辆/千人、意大利 695 辆/千人、加拿大 670 辆/千人、日本 591 辆/千人。

国内人均汽车保有量远低于发达国家，国内汽车保有量仍有巨大提升空间。

同时，以电子化、信息化为基础，以驾驶者及车内乘客驾驶安全、维修、娱乐等方面多样化、个性化需求为目标，充分融合现代电子技术、传感技术、机械技术、控制技术、通信技术、数据挖掘、人工智能等诸多技术的智能汽车也在蓬勃发展。国内积极推动车联网、新能源汽车、智能汽车的高速发展，未来机器视觉产品在汽车销量中的占比将快速提高。

过去汽车以机械结构为主，而新能源和智能汽车中，电子零部件的成本占比将达到整车的一半以上，传感器、通信（GPS、DSRC、4G/5G）、摄像头、监控、检测、娱乐系统将会被装载在汽车之上。

随着汽车行业的电子化、智能化发展，汽车产业链对生产精度、智能化的要求均不断提高。汽车行业对采用机器视觉技术检测设备以及智能制造装备的需求量将不断提高。

3. 国外企业遥遥领先，国内企业逐渐崛起

3.1 国内外企业业务对比

基恩士

基恩士成立于1974年，2001年设立中国子公司，进入中国市场。

公司为传感器、测量系统、激光刻印机、显微系统以及单机式影像系统的国际化综合供应商，不断推动工厂自动化的创新与发展。

公司一直致力于开发优质可靠的产品，从而满足各类制造业中客户的需求。除创新的产品外，公司还提供全方位的服务，从而进一步为客户提供帮助。

专业的顾问式团队不仅能解决难以处理的客户应用问题，还能为客户提供更有效的解决方案。

公司的交货服务迅速，可以帮助客户尽快改善他们的工作流程。公司专注于通过将优异的技术与突出的技术支持相结合来为客户提供附加值。

公司的营销方式为直销，由公司受过专业培训、具备广泛知识以及丰富应用和行业经验的工程师为客户提供一体化的服务。

由于公司设立多家海外子公司和办事处，客户能快速预约本地技术工程师到作业现场做技术支持，能迅速的为客户解决问题，节省客户时间。公司已掌握机器视觉的核心技术，机器视觉系统、图像处理系统、镭射标记器、条码读取器等产品受到客户较好的评价。

公司在产品生产方面提供充足的安全措施，保证员工在生产过程中避免受到不同的伤害。产品生产在保质和保量的原则上加以研发创新，着重提高产品在客户作业现场使用时的安全性能，提高效率，减少作业人员的受伤几率。

公司一直致力于为客户创造最大的价值的同时减少对环境的负担。公司对环境保护提出一系列的措施，也要求供应商遵守相应的材料使用及环境保护的规则。公司在碳排放量上有显著的减少，从 2015 年的碳排放 4136t 减少至 2019 年的 2671t；在水源和电量使用、工业浪费上也有明显的改善。

奥普特

奥普特是一家主要从事机器视觉核心软硬件产品的研发、生产和销售的国家高新技术企业。公司定位于智能制造核心零部件供应商，以“打造世界一流视觉企业”为目标，致力于为下游行业实现智能制造提供具有竞争力的产品和解决方案。

公司成立于 2006 年，是我国国内较早进入机器视觉领域的企业之一。在成立之初，以机器视觉核心部件中的光源产品为突破口，公司进入了当时为国际品牌垄断的机器视觉市场。

在十几年的发展过程中，公司坚持“深耕优势、以点带面、以面促点、逐个突破”的发展路径，将产品线逐步拓展至其他机器视觉部件。

公司自主产品线已覆盖光源、光源控制器、镜头、视觉控制系统等机器视觉核心部件，并在相机产品方面完成布局并取得了先期的研发和销售成果。

公司以光源技术、光源控制器技术、镜头技术、视觉分析技术为核心，在硬件和软件方面，分别建立了成像技术和视觉分析技术两大技术平台。

公司重点发展深度学习技术、3D 处理与分析技术、图像感知和融合技术、图像处理分析的硬件加速等视觉前沿技术，并继续在光源及其控制技术、镜头技术、智能相机技术、视觉处理分析软件方面进行强化，巩固公司在光源、光学成像方面的优势。

结合多年积累的机器视觉在各下游行业应用的专有技术（Know-How），公司构造了包括基础核心技术、技术平台、应用技术在内的多层次的技术体系。以此为基础，公司能够向下游客户提供各种机器视觉解决方案，协助客户在智能装备中实现视觉功能，提高机器视觉系统的准确性、稳定性和可靠性，从而带动公司产品的销售。

公司的销售模式为买断式销售，主要依托向客户提供解决方案带动产品的销售，主要客户类型包括设备制造商、设备使用方、系统集成商/贸易商等。

机器视觉是智能装备的“眼睛”和视觉“大脑”，是实现智能制造的重要核心部分。而机器视觉在我国兴起和发展的时间较短，客户对于机器视觉能够实现的功能和能够达到的效果有一定的疑虑；且机器视觉功能的实现受到多种变量的影响，一套高效的机器视觉解决方案的设计需要大量的经验数据，而机器视觉的使用者往往较难积累足够的机器视觉应用经验数据库。

因此，在销售机器视觉部件过程中，为客户提供技术服务和支持尤为重要。通过对行业特点的分析，结合公司自身的优势，公司建立起了以向客户提供机器视觉解决方案，从而带动产品销售的业务模式。

矩子科技

矩子科技主营业务为智能设备及组件的研发、生产和销售，主要产品包括机器视觉设备、控制线缆组件、控制单元及设备。产品主要应用于电子信息制造、工业控制、金融电子、新能源、食品与包装、汽车等多个国民经济重要领域。

公司坚持以技术研发和产品性能为核心竞争能力，主要产品具有自主知识产权和自主品牌，已成功实现进口替代或远销海外，部分产品为国内突破性的高端智能装备。在机器视觉检测领域，公司参与全球市场竞争，累计已服务超过 700 家海内外知名客户，已成为多家知名企业或其代工厂商的重要机器视觉设备供应商。

公司拥有自主研发的 3D SPI, 2D/3D AOI 机器视觉检测全系列产品，凭借可提供整体检测解决方案的平台化优势，公司能够充分发挥各产品间的联动效应，在提升现有客户群体粘性、客户采购品类的基础上，开发更多客户资源。

公司主要产品包括机器视觉设备、控制线缆组件、控制单元及设备。公司机器视觉设备主要为自动光学检测设备（Automatic Optic Inspection，简称 AOI）和高端自动化生产设备。该产品的核心是公司自主研发设计并拥有自主知识产权的软件算法、光学设计以及软硬件相结合的 2D/3D 机器视觉系统，包括公司自主开发的图像处理底层算法、高精度光学成像系统及其核心零部件、多角度彩色照明系统等。

近年，随着国际市场机器视觉检测呈现 3D 化的发展趋势，公司布局多年并已成功进入 3D 检测领域。

公司采用 3D 数字投影相位差测量技术自主研发并推出了一系列 3D 自动光学检测设备。3D 自动光学检测设备能够测量元件、焊点、引脚等测量目标的高度与轮廓信息，大幅度提升检 测的稳定性与精确性，突破了 2D 检测的瓶颈。

截至目前，公司在线全自动光学检测设备主要有 2D AOI、3D AOI、3D SPI 等产品，在研产品包括针对医药、半导体、锂电、纺织等行业的自动光学检测设备。在线全自动生产设备主要有镭雕机、选择性波峰焊等产品。公司机器视觉产品具有智能化、自动化程度高、精密度高、信息化程度高、产品质量好等特点。

公司采取直销和代理商经销相结合的销售模式销售机器视觉设备。一方面，公司通过在全国范围内建立营销网络，采取直接销售方式，建立长期、稳定的客户渠道，有效管控公司产品销售价格体系，实现公司效益最大化，降低公司经营风险；另一方面，公司采取代理商经销模式有利于公司开拓市场。

3.1 国内外企业财务分析

基恩士

2017-2020年营收呈倒挂趋势，2018年营收触顶后回落，年复合增长率为0.76%。2020年营收为321.61亿元，同比下降9.00%。

奥普特 2017-2020 年营收规模增速相对较快，年复合增长率为 28.52%。2020 年营收为 6.42 亿元，同比增长 22.46%，仅为基恩士营收的 2%。

矩子科技营收规模逐渐追赶奥普特，相比基恩士仍有距离。2020年营收为4.82亿元，同比增长13.94%。

奥普特业务以机器视觉和配件为主，2020 年机器视觉业务营收为 5.85 亿元，占总营收的 91.11%；配件业务营收为 0.56 亿元，占总营收的 8.87%。

矩子科技主营业务为机器视觉设备、控制线缆组件、控制单元及设备，2020 年机器视觉设备营收为 2.08 亿元，占总营收的 43.18%；控制线缆组件营收为 1.59 亿元，占总营收的 33.06%；控制单元及设备营收为 1.07 亿元，占总营收的 22.23%。

与营收情况相同，基恩士归母净利润远高于奥普特、矩子科技。三家企业 2018-2020 年归母净利润同比增速均呈下降趋势。

2020 年基恩士扣非归母净利润为 117.90 亿元，同比下降 7.08%，主要受疫情影响日本国内销售情况有所下降。

奥普特和矩子科技 2020 年归母净利润分别为 2.44 亿元、0.89 亿元，分别同比增长 18.27%、3.13%。

2017-2020年基恩士与奥普特的毛利率趋势基本一致。

2020年基恩士和奥普特的毛利率分别为81.93%、73.04%，分别同比提升0.12pct、0.35pct。

2017-2020年矩子科技毛利率呈下降趋势，2020年毛利率为35.73%，同比下降4.14pct，主要是机器视觉业务毛利率下降导致。机器视觉企业毛利率相对较高，而矩子科技毛利率在业内相对较小，主要是矩子科技涉及其他业务。

2017-2020年基恩士净利率呈小幅下降趋势。

2020年基恩士净利率为36.66%，同比提升0.76pct。

2016-2020年奥普特净利率有较大的提升，2019年奥普特净利率超越基恩士。

2020年奥普特净利率为38.01%，同比下降1.35%。矩子科技2020年净利率为19.14%，同比下降 2.70pct。

基恩士海外收入来自于美国、中国以及非洲等国家和地区，2020年海外收入为186.82亿元，占总营收的58.09%。

海外收入中，来自美国营收为52.23亿元，占海外营收的16.24%；来自中国营收为40.91亿元，占海外营收的12.72%；来自其他国家地区营收为93.66亿元，占海外营收的29.12%。2017-2020年奥普特波动较大，2020年海外营收为0.37亿元，同比下降76.81%，占总营收的5.77%。

2017-2020年矩子科技海外营收较为波动，2020年海外营收为1.19亿元，同比下降10.41%，占总营收的24.82%。2020年奥普特和矩子科技的海外营收均有不同程度的下降，主要受疫情影响，海外企业停工停产，需求有所下降。

基恩士2019-2020年研发费用较大，2020年为9.61亿元，同比下降7.8%。

2020年基恩士的研发费用约为奥普特的 12 倍、约为矩子科技的 33 倍。奥普特2020年研发费用为0.76亿元，同比增长31.39%，主要是研发投入加大，研发人员增加，职工薪酬大幅增加。矩子科技2020年研发费用为0.28亿元，同比下降2.84%。

4. 报告总结

在国家的政策规划支持下，叠加人口老龄化问题不断深化和人工成本增加等因素，智能制造细分领域机器视觉产品的使用率将提升。

与人眼相比，机器视觉从效率、速度、可靠性、灰度分辨率以及空间分辨率等的优势较为明显。随着机器视觉逐渐被客户了解和认可，在各行业的渗透率逐渐提升。

产业链上游零部件成本占总成本的80%，主要以低端市场为主，仍未能打破海外企业在高端市场的垄断局面。随着各细分领域企业不断成长，自主核心研发技术的精进，未来有望逐步向中端市场迈进。产业链下游应用领域广泛，主要以制造业为主。在消费电子、汽车制造和半导体行业使用率最高。

目前，机器视觉行业迅速发展，逐步扩大下游应用领域，未来市场规模仍有巨大上升空间。

随着智能制造领域的不断发展，制造业转型自动化生产为必然趋势，机器视觉行业将受益，将拉动机器视觉产品需求。行业公司：奥普特（688686）、矩子科技（300802）。

5. 风险提示

（1）宏观经济下滑风险。（2）下游行业发展不及预期，对所处行业需求下行风险。（3） 市场竞争加剧风险。

—————————————————————

请您关注，了解每日最新的行业分析报告！

报告属于原作者，我们不做任何投资建议！

如有侵权，请私信删除，谢谢！

获取更多精选报告请登录【远瞻智库官网】或点击：远瞻智库|文库官网-为三亿人打造的有用知识平台

相关问答

插电摄像头的拍摄距离一般取决于其镜头的焦距和传感器的像素。通常来说,普通的插电摄像头在室内环境下拍摄距离可以达到10米左右,但是在室外环境下,受光线等因...

[最佳回答]摄像机的镜头相当于凸透镜,当人距镜头距离大于透镜的2倍焦距时,成倒立、缩小的实像.又因为识别系统的摄像机可以自动将镜头前1m处的人脸拍摄成数码...

[最佳回答]1.倒立缩小实像正立放大虚像2.大于f小于2f倒立3.大于4.大于68毫米

[最佳回答]①红光、绿光、蓝光叫做三原色光.②物体到焦距为10cm的凸透镜距离为25cm时,因为25cm>2f,U<2f所以成倒立、缩小的实像.所以:2f>v>f,即:20cm>v&...

[最佳回答]如图所示，是第一套2010年上海世博会特种邮票。用焦距为15厘...

[最佳回答]用焦距为10厘米的凸透镜观察这张邮票上较小的图案,凸透镜起放大作用,所以邮票到透镜的距离应小于10cm.故选C.用焦距为10厘米的凸透镜观察这张邮票...

[回答]内窥镜一般都是固定焦距不可调,光纤内窥镜在目镜处有个调节(跟望远镜差不多的),这个是调节屈光度的(近视或老花),电子镜的调焦距一般是数码变焦!如...

[回答]光学显微镜主要由目镜、物镜、载物台和反光镜组成.目镜和物镜都是凸透镜,焦距不同.物镜相当于投影仪的镜头,物体通过物镜成倒立、放大的实像.目镜相...

50mm镜头适合拍什么?如果你喜欢摄影,你就应当拥有一支50定焦。是的,50定焦是一支很重要的镜头,我来说说本人的摄影路上的这一支镜头吧。本人在2006年购买了...

圖一到四,南京四方當代美術館,圖五,南京浦口火車站,圖六七八上海街景,圖九南京牛首山。手機拍攝。個人認為四平八穩的拍攝建築雖然無過,但也流于平淡。還是...圖...