简单来说，我们可以把机器视觉产业链分为底层开发者(核心组件和软件提供商)、集成和软件服务提供商(二次开发)，核心组件和软件可以细分为光源、镜头、工业相机、图像采集卡、图像处理软件等。在目前整个机器视觉系统的成本结构中，零部件和软件开发占80%，是产业链中绝对的核心环节和价值获取者。

从技术壁垒的角度来看：

1)软件是主要屏障，底层算法库是核心。目前被康耐视、MVTec等外资企业垄断，主要靠国外几十年的自动化培养；国内自动化进程不长，软件算法还处于研发阶段，很少有应用做得好的。

2)应用层面的技术也很关键，主要是掌握不同应用环境的诀窍，做出适应性强的产品。

目前，国内机器视觉行业的市场参与者主要有四种类型：国际综合自动化公司、国际专业机器视觉公司、国内专业机器视觉公司和国内自动化设备公司。其中，在底层开发者层面，国际企业占主导地位，国内公司多部署在附加值较低的二次开发层面(包括系统集成和装配生产自动化专机)，并在此基础上逐步尝试上游核心环节。

1.光源

光源是定位最充分的环节。光源的质量在于对比度、亮度和对位置变化的敏感度。LED光源产品主要用于机器视觉行业。目前还没有通用的机器视觉照明设备，每个具体的应用实例都有个性化的方案来达到最佳效果。目前光源行业本土化程度高，竞争激烈。

2.镜头

国内有低端镜片的企业有一定的竞争力，高端镜片基本靠进口。透镜的基本功能是实现光束调制，将目标成像在图像传感器的光敏面上，完成信号传输。工业镜头可分为定焦镜头、定光焦度镜头、远心镜头和连续可变光焦度镜头等。不同的工业领域根据需求使用不同的镜片，价格差距也很大。

3.工业相机

工业相机主要从欧美进口，国产品牌逐渐从低端市场进口替代。工业相机是工业视觉系统的核心部件，其本质功能是将光信号转换成电信号，对传输力、抗干扰力和稳定的成像能力要求较高。

4.图像采集卡

图像采集卡在国内的发展相对完善和成熟，也称为视频采集卡。这部分通常是插入PC的卡。这个采集卡的功能是连接摄像头和PC。它从摄像机获取数据(模拟信号或数字信号)，然后将其转换成可由PC处理的信息。5.图像处理软件

图像处理软件基本被国外企业垄断，国内企业在二次开发上有一定布局。工业视觉软件对数字信号进行各种运算，提取目标的特征，然后根据判别结果控制现场设备的动作，自动完成图像采集、显示、存储和处理。目前流行的开发模式是“软件平台视觉开发包”(Software Platform Vision Development Package)，它封装了基于软件平台的各种常用图像处理算法。软件工程师可以直接调用封装的算法实现各种复杂的图像处理功能，降低了二次开发的难度和工作量。

6.系统综合

国内制造商在集成方面发展迅速，特别是在一些尚未安排外资的领域，或者在非标准自动化领域，如3C。国内集成厂商只有二次开发的利润空间很小。在某个行业的下游完成一个好的布局后，他们会尝试逐步向上游底层拓展，导入和替换核心软硬件。

机器视觉最重要的下游

机器视觉广泛应用于电子半导体、汽车制造、食品包装、医药等领域，其中电子汽车和电子是目前机器视觉最重要的应用领域。

1.下游应用领域——电子

根据前瞻研究所的数据，电子行业贡献了机器视觉约50%的需求，主要用于高精度制造和质量检测，如晶圆切割、3C表面检测、触摸屏制造、AOI光学检测、PCB印刷电路、电子封装、丝网印刷、SMT表面贴装、SPI焊膏检测、半导体对准和识别。以iPhone为例，整个生产过程需要70多个系统。未来，全球对智能手机、平板电脑和可穿戴设备等消费电子产品的需求预计将激增。

以3C行业为例，我们判断未来行业对机器视觉的需求将继续快速增长。主要需求来自几个方面：1)视觉技术的进步(很多针对玻璃和屏幕的缺陷检测技术还没有实现)推动了应用领域。拓宽；2)随着国产智能手机逐渐向高端发展，手机厂商的利润率将会提高，目测在国产手机生产线的应用有望普及。

2.下游应用领域——汽车

根据前瞻研究所的数据，汽车行业对机器视觉的需求约占15%，机器视觉主要用于几乎所有系统和部件的制造过程，如车身装配检测、面板印刷质量检测、字符检测、零件尺寸精度测量、工件表面缺陷检测、自由曲面检测和间隙检测。目前，一条生产线配备了十几个机器视觉系统。未来，随着汽车质量控制、汽车智能化和轻量化的趋势，对检测提出了更高的要求，对机器视觉技术的需求也将逐渐增加。

比如3D视觉系统可以高精度测量间隙，对每辆车进行对位，全面检查所有组装好的车门和车身。3D视觉系统还可以帮助底盘制造商自动化货架上车身面板的装载、卸载和检查，并在自动设备拾取之前检测货架上是否有缺陷组件，从而减少缺陷组件的焊接。

3.下游应用领域——制药

根据前瞻研究所的数据，医药行业贡献了机器视觉约7%的需求，主要用于药瓶包装缺陷检测、胶囊包装质量检测、药物颗粒检测、生产日期编码检测、药片颜色识别和分拣等。目前大部分企业在流水线上都有1-2套机器视觉系统，但实际需求应该至少有5套。未来，随着医药行业自动化升级改造的加快，普及率将继续提高。

例如，在药品包装后的检测过程中，可以通过机器视觉快速准确地检测物体是否完好无损，通过设置图像传感器获取被包装物体的图像信息，并通过预设的面积参数对每个药品颗粒或瓶子进行检测和比较，从而检测出损坏的药品颗粒或丢失的瓶子包装，并正确正常地通过。

4.下游应用领域——食品

食品与包装也是机器视觉应用的一个重要下游领域，主要用于高速检测、外观包装检测、食品包装缺失检测、外观和内部质量检测、分拣和选色等。单个生产线的消耗量在不同的产品之间差异很大。目前，机器视觉在大型食品企业(如伊利、蒙牛)中应用广泛，但在整个行业的普及率不高。

比如欧洲生鲜商品市场上广泛使用的食品分拣机，一般使用多个摄像头来捕捉产品整个表面的图像。当产品基本是圆的时候，漏洞里就有一个机制让产品在摄像头下旋转。形状可以根据最大直径和最小直径、比例关系等进行分类。颜色一般根据扫描的整个表面来确定。简单百分比、强度直方图、定义最大面积或最小面积等识别方法。

展望未来，机器视觉行业主要有几个发展趋势：

1)越来越快的图像数据传输和更先进的软件算法带来了数字化、实时化和智能化性能的提高；

2)硬件性能的提升(分辨率更高，扫描速度更快等。)以及产品软件价格的下降推动了机器视觉的普及率；

3)产品向小型化、集成化方向发展。