想学好PLC必须掌握的循环扫描工作过程！

1 CPU自检阶段

CPU自检阶段包括CPU自诊断测试和复位监视定时器。

在自诊断测试阶段，CPU检测PLC各模块的状态，若出现异常立即进行诊断和处理，同时给出故障信号，点亮CPU面板上的LED指示灯。当出现致命错误时，CPU被强制为STOP方式，停止执行程序。CPU的自诊断测试将有助于及时发现或提前预报系统的故障，提高系统的可靠性。

监视定时器又称看门狗定时器WDT，它是CPU内部的一个硬件时钟，是为了监视PLC的每次扫描时间而设置的。CPU运行前设定好规定的扫描时间，每个扫描周期都要监视扫描时间是否超过规定值。这样可以避免由于PLC在执行程序的过程中进入死循环，或者由于PLC执行非预定的程序造成系统故障，从而导致系统瘫痪。如果程序运行正常，则在每次扫描周期的内部处理阶段对WDT进行复位（清零）。如果程序运行失常进入死循环，则WDT得不到按时清零而触发超时溢出，CPU将给出报警信号或停止工作。采用WDT技术也是提高系统可靠性的一个有效措施。

2 通信处理阶段

在通信处理阶段，CPU检查有无通信任务，如果有则调用相应进程，完成与其他设备（例如，带微处理器的智能模块、远程I/O接口、编程器、HMI装置等）的通信处理，并对通信数据做相应处理。

3 读取输入

在读取输入阶段，PLC扫描所有输入端子，并将各输入端的通/断状态存入相对应的输入映像寄存器中，刷新输入映像寄存器的值。此后，输入映像寄存器与外界隔离，无论外设输入情况如何变化，输入映像寄存器的内容也不会改变。输入端状态的变化只能在下一个循环扫描周期的读取输入阶段才被拾取。这样可以保证在一个循环扫描周期内使用相同的输入信号状态。因此，要注意输入信号的宽度要大于一个扫描周期，否则很可能造成信号的丢失。

4 执行程序阶段

可编程控制器的用户程序由若干条指令组成，指令在存储器中按顺序排列。当PLC处于运行模式执行程序时，CPU对用户程序按顺序进行扫描。如果程序用梯形图表示，则按先上后下、从左至右的顺序逐条执行程序指令。每扫描到一条指令，所需要的输入信号的状态均从输入映像寄存器中读取，而不是直接使用现场输入端子的通/断状态。在执行用户程序过程中，根据指令做相应的运算或处理，每一次运算的结果不是直接送到输出端子立即驱动外部负载，而是将结果先写入输出映像寄存器中。输出映像寄存器中的值可以被后面的读指令所使用。

5 刷新输出阶段

执行完用户程序后，进入刷新输出阶段。可编程控制器将输出映像寄存器中的通/断状态送到输出锁存器中，通过输出端子驱动用户输出设备或负载，实现控制功能。输出锁存器的值一直保持到下次刷新输出。

在刷新输出阶段结束后，CPU进入下一个循环扫描周期。

工业机器视觉深度报告——兼具高成长和成熟技术的AI应用赛道

原创 智能机器人系统 智能机器人系统

01

核心要点

核心观点:

工业机器视觉是高技术壁垒、商业模式成熟、国产替代迅速、行业快速发展的优秀赛道。行业端： 3C电子是最主要的行业，新能源行业增速最快，受益于质量管控政策和行业高增速。技术端： 大模型和3D视觉等AI技术将打开更多工业场景，推进标准化，助企业降本增效。

随着中国制造业的智能化转型，机器视觉会深度赋能工业全流程。

1、高技术壁金赛道，产业链上游份值量高。

工业机器视觉是集光学成像、人工智能、自动化控制等多方面技术于一体的行业，具有很高的技术壁垒。同时相较干其他AI赛道。具有更成熟的技术和商业模式。工业机器视觉产业链上游为零部件及软件算法，中游为视觉装备及方案。下游为具体的应用场号与行业。上游的零部件及软件算法占机器视觉80%的价值量。

2、技术、产业、政策三重利好，助推我国机器视觉产业发展。

技术端，3D视觉技术、深度学习逐渐成熟，工业机器视觉有望在更复杂的工业检测场景中实现渗透。AI大模型的提出，将推进软件的标准化进程，帮助企业降本增效。产业端，随着制造业智能化转型的需求。机器视觉设备的渗透率将。

3、国产厂商技术逐渐成熟，国产替代正当时。

近年来国产厂商的市场份额呈上升趋势，2021年国产厂商占据了近50%市场份额，在中低端元件等市场中已经具有较强竞争力。同时国产厂家通过技术研发、投资并购等式积极布局高端零部件市场。部分产品已经具备一定国际竞争力。例如，康耐视在中国的机器视觉业务呈现出增速放缓趋势，2020/2021/2022的同比增速分别为46%/19%/13%。

4、下游应用需求明确，3C电子是最主要机器视觉市场，新能源涨势迅猛逐步成为主要增长市场。

受益于在3C电子更多环节逐步渗透以及产线持续送代带来的稳定需求。3C机器视觉稳健增长:新能源行业受益于明确的质量管控需求。机器视觉在更多环节应用，且行业增这和竞争格局更优，GGI预计2021-2025的中国理电机器视觉市场规模CAGR达到45.11%。

02

机器视觉产业宏观分析

2.1 工业机器视觉是软硬件一体化的应用系统

工业机器视觉是软硬件一体化的集成系统，它的目的是代替人眼对被测物进行观察和判断。从组成上，机器视觉系统硬件设备主要包括光源、镜头、相机等，软件主要包括传统的数字图像处理算法和基于深度学习的图像处理算法。系统工作时首先依靠硬件系统将外界图像捕捉并转换成数字信号反馈给计算机，如下图深灰色方块所示过程，然后依靠软件算法对数字图像信号进行处理，如下图中灰色方块所示过程。

工业机器视觉在识别的精确度、速度、客观性、可靠性、工作效率、工作环境要求、

数据价值方面都优于人眼。

2.1.1 机器视觉的“眼睛”：由光源/镜头/相机组成的成像系统

光源:形成有利于图像采集的条件，或用作测量的工具和参照物。

机器视觉系统是通过分析物品上反射的光线来形成图像的，不同的光源方案可以实现不同特征的增强或弱化，进而实现成像效果的改进，例如通过背光增强物体的轮廓特征，便于对物体的尺寸测量: 特殊的光源方案还可以作为测量的工具和参照物，例如3D机器视觉中的结构光。

镜头:采集图像并将图像发送至相机

镜头是机器视觉采集和传递被摄物体信息过程的起点，其功能相当于眼睛中的晶状体。不同的镜头具有不同的分辨率、对比度、景深以及像差等光学指标，对成像质量具有关键性影响。

相机:将镜头传输的光信号转化为数字信号便于后续处理分析

相机中的图像感测器是其中的关键部件，通过CCD或CMOS技术将光信号转化为电信号，其功能相当于眼睛中的视网膜。相较于民用相机，工业相机需要更高的传输力、抗干扰能力和稳定的成像能力。

2.1.2 机器视觉的“大脑”：算法+软件平台

机器视觉系统的算法软件部分是利用计算机视觉算法对获取图像进行分析，进而为进一步决策提供所需信息。

根据集成程度和开发难度的不同可以细分为供集成商和设备商开发使用的底层算法和供最终客户使用的二次开发好的算法包由于不同工业应用场景之间的差异性以及对精度的高要求，往往需要专门设计对应的软件算法以满足工业场景下的视觉需求。如下左图所示的便是相关的底层基础算法，工业场景中的具体功能实现便是在这些底层算法的基础上开发而来，如下右图所示的是主要的机器视觉软件开发包，其中便包含了相关的底层算法。

2.1.3 机器视觉可实现由易到难等多种功能

机器视觉可实现外观检测、识别验证、尺寸量测、引导定位等功能。

机器视觉的功能主要分为四大类，从技术实现难度上来说，识别验证、引导定位、尺寸测量、外观检测的难度是递增的，而基于四大基础功能延伸出的多种细分功能在实现难度上也有差异。

2.2.1 机器视觉发展史：重点把握核心技术的突破和下游应用拓展

机器视觉伴随制造业的转型升级和对品控要求的不断加强，逐步实现核心技术的突破和下游应用场景的拓展。

欧美: 应用场景层面上，从80年代开始，由汽车、半导体等高端制造业的发展而开始发展;后续快速发展的消费电子成为机器视觉最为重要的应用场景: 各行各业对于生产制造的要求逐步提升也推动机器视觉在各行各业中逐步渗透。技术能力层面上，从早期基于模式匹配的2D逐步向以深度学习和3D视觉检测为代表的新技术发展。

中国: 应用场景层面上，与我国制造业发展相匹配，最早应用在食品、印刷包装等场景中应用，后续快速发展的3C电子成为最为重要的应用场景，近年来随我国制造业的转型升级如半导体、汽车以及新兴产业的兴起如新能源逐步渗透更多的应用场景。技术层面上，从早期依赖海外的技术到逐步实现核心技术的自研，目前在部分领域中已经达到全球领先水平。

应用场景的拓展为机器视觉提供广阔市场空间，技术能力突破为机器视觉在更多场景应用落地奠定能力基础，二者是分析机器视觉发展历史、现状与前景的重要因素。

2.2.2 机器视觉发展史：成像、算法、算力、和应用是四大核心驱动力

成像、算法、算力、应用接力驱动机器视觉行业，AI算法的发展有望推动行业进入新时代。

每经历约十年，机器视觉技术与应用都会产生一次深刻变革，近年来，AI算法有望推动行业爆发式扩展。

2.3.1 产业角度：制造业转型升级持续推动机器视觉发展

机器视觉主要下游应用行业增速明显: 2021年，锂电池、新能源汽车、工业机器人与电子等行业的下游行业的增速较快，分别达到了181%、150%、65%、40%。数字化、智能化需求不断提升，下游应用场景稳步增长，需求有望释放。

工业企业技术改造意愿强烈:随我国制造业企业逐步向精细化、数字化、智能化方向发展，我国工业企业技术改造强烈，全国规上工业企业技术改造经费支出自2017年开始连续正增长，利好机器视觉设备在下游工业现场的渗透率增加我们认为，我国制造业的数智化转型升级将带动机器视觉应用场景的拓展和渗透率提升，为机器视觉提供有力支撑。

2.3.2 技术角度1：从2D到3D，技术能力和应用范围的提升

相较于2D机器视觉，3D机器视觉可以提供三维信息，从而实现更广泛、准确的检测与分析。

3D机器视觉可以完成许多2D机器视觉无法完成的任务。

以检测为例，下图零件表面有一划痕、边沿有凹陷。传统的2D机器视觉只能依靠表面图像颜色的不连续来判断是否缺陷，但此案例中，缺陷和零件表面反光颜色接近，判断难度很大。3D相机可以得到表面凹凸的深度信息，从而准确的判定划痕和边缘的凹陷。

3D机器视觉覆盖场景全面，市场空间广阔。

目前3D视觉技术在高精度检测、高精度测量(例如弯管、不规则件)、智能分栋、装配(引导机械臂在三维空间内避障和定位)、物流车导航等更多场景中实现了相较于2D机器视觉更为广泛的应用覆盖，具有广泛的市场空间，根据GGI1测算，中国工业3d视觉2021年市场规模11.51亿元。随着我国高端制造业的发展，国内3D视觉的应用需求仍将持续保持高增长势头，预计到2025年达到57.52亿的市场规模。

2.3.2 技术角度2：深度学习赋能机器视觉，提升具体场景分析能力

目前工业机器视觉系统主要采用的是传统的基于规则学习的思路。

以缺陷检测为例，首先需要人去总结缺陷的类型，提取出判断各类缺陷的特征，再通过大量的含特征的样本训练使得计算机能够区分这些特征从而判断是否存在缺陷。但在检测场景变得复杂时，基于规则学习的思路便无法较好满足要求。

工业机器视觉与深度学习技术结合，实现应用场景的拓展。基于深度学习的机器视觉，不但可以判断缺陷，还可以理解缺陷的共同特征。预测新的缺陷类型，从而实现对于更复杂场景的更优分析。如下图所示，通过深度学习判断出可以接受的异常和不可接受的缺陷之间的差异。但相应的，深度学习技术的应用也会对计算能力和储存能力提出更高要求。我们认为，3D机器视觉的发展和深度学习技术的应用将促进机器视觉性能的提升以及应用在原先无法胜任的场景中。

2.3.2 技术角度3：结合大模型实现降本增效，推动更广泛商业化落地

过去的工业机器视觉系统主要针对垂直场景的少量数据进行小模型的训练。

一方面，由干模型参教量有限，因此模型能够处理的问题的复杂程度受到限制；另一方面，在这一训练模式下，若想要针对新的场景进行工业机器视觉的应用，需要更大量的相关场景数据以及对模型进行重新训练，这带来了更高的应用推广成本，不利于广泛的商业化落地。

大模型的发展将助力工业机器视觉实现应用性能的提升和应用场景的拓宽。

以华为盘古大模型在矿山场景的应用为例，其建立在L0的基础大模型的技术上，通过导入海量无标注的矿山场景数据进行预训练，盘古矿山大模型即可进行无监督自主学习，仅一个大模型就能覆盖煤矿的采、掘、机、运、通等业条流程下的1000多个细分场景，让AI应用在煤矿普及更容易。在准确率方面。基于盘古矿山大模型的掘进作业席列智能监测，动作规范识别准确率超过95%，用规范的A流程来替代不确定的人工流程。让AI成为矿工规范作业的好帮手，保障井下作业安全。

视觉大模型技术突破，赋能机器视觉的革新与突破: 以近期Meta提出的SAM模型为例，其在切割任务的不同具体场景中展现出了强大的泛化能力，在零样本(zero-shot) 和少量样本 (few-shot)的基础上便能实现非常优秀的完成不同的切割任务。

同时SAM模型还具备高精度自动标注能力，降低数据标注成本，相关技术的发展与突破将从两个方向赋能机器视觉产业变革:

1)过去数据成本、训练成本高的场景将有望实现降本增效:

大模型在广泛下游场景中具备优异能力，因而有望大幅降低定制化开发产品的成本，带来机器视觉产品毛利率的提升和应用场景拓展的加速。

2)过去因样本数量不足而机器视觉难以应用的场景将得以拓展:

受益于大模型在零样本或者少量样本上的优秀表现，机器视觉将在这些领域得以拓展，比如从代码驱动变为视觉驱动的机器人领域、流程工业场景等。

2.3.3 政策角度：政策利好加持机器视觉发展

工业机器视觉是人工智能产业和制造业转型升级的重要环节，是国家政策重点关注和发展的行业:

2016年以来，在人工智能产业和智能制造业升级相关的政策文件中被多次提及，2016年的《智能制造发展规划 (2016-2020)》、2017年的《新一代人工智能发展规划》、2020年的《工业互联网创新发展规划》和2021年的《“十四五”智能制造发展规划》等文件中均提出重点突破计算机视觉、视觉传感相关技术，为机器视觉产业发展提供了政策助力。

2.3.4 全球机器视觉市场规模稳定增长，国内市场增速明显

全球规模稳健增长:据Markets and Markets和GG数据，2016-2021年，全球机器视觉行业规模销售收入从378.88亿元上涨至804亿元，预计2025年全球市场规模将达到1276.05亿元，5年复合增长率约为13%。

国内市场涨势迅猛:据GGI统计，2016-2021年，国内机器视觉行业规模销售收入从46.87亿元上涨至138.16亿元，5年复合增长率为24.1%，领先同期全球复合增长率约10个百分点。在技术、产业、政策等多方利好因素的推动下，国内机器视觉销售规模将进一步提速扩增，预计2022年销售额将达到168.88亿元，未来至2025年中国机器视觉行业销售收入规模有望达到349.03亿元。(注: 2021年因原材料价格普涨，中游企业产品价格上涨20%，因此同期按销量口径统计的增速小于以销售额口径统计的增速)。

2.4.1 国内机器视觉品牌市场占有率不断提升

机器视觉全球竞争的赛头格局更加凸显: 根据华经产业研究院数据，基恩士和康耐视占据接近65%的市场份额，凭借优秀的产品力和销售网络占据优势地位。

随国产品牌技术能力逐步提升，机器视觉国产化浪潮逐步推进，国产品牌技术能力不断提升，一方面减少对千国外技术的依赖另一方面也在市场竞争中逐步取代国外品牌。国外品牌市场占有率逐渐降低，国产品牌的市场占有率逐渐提升，但高端市场占有率仍有差距。

根据华经产业研究院数据，2021年国内机器视觉市场份额占比中。基恩士，康耐视两大国际机器视觉龙头占比仍为前两位，但国内机器视觉龙头企业如凌云光也已经与康耐视相当。从整体上，根据中商产业研究院的数据，本土品牌在国内机器视觉中的占比从2018年的44%上升至2021年的58%(注: 不同的研究机构的统计口径有所差异，但整体趋势一致)

2.4.2 市场角度：国内机器视觉品牌市场占有率不断提升

中国市场整体保持高增速: 2021年凌云光、奥普特、天准增速分别为43.4%、36.3%、31.22%。

海外巨头分化: 2021年基恩士保持快速增长，增速达49.2%，康耐视增速明显回落，增速18.92%。

03

机器视觉产业链各环节分析

3.1 上游：环节价值量大，国产高端部件有待突破

机器视觉行业上游环节价值量大。

关键零部件和软件系统约占工业机器视觉产品总成本的80%。工业相机、底层软件算法等技术壁垒高，利润率高。对机器视觉上游环节的掌握是目前市场竞争的关键。同时，相机、镜头、光源等核心零部件部件在机器视觉产品中的占比超过50%。

国产低端零部件逐步实现国产替代，高端部件有待突破。

技术门相对较低的零部件如光源，国产厂商凭借性价比优势及逐步体现的产能优势在市场竞争中逐渐实现对于国外品牌的替代。技术门槛较高的零部件如光源及相机，我国企业进入较晚，目前产品仍主要布局中低端市场，高端市场仍主要被国外品牌占据。

3.1.1 光源：国产品牌表现强势，达国际领先水平

光源环节是国产品牌最有竞争力的环节。

目前光源是上游硬件中国产程度较高的环节，国产品牌与国外品牌展开充分竞争。以我国机器视觉光源龙头奥普特与国际光源龙头日本CCS公司对比为例，奥普特光源产品在照度及均匀性两大重要指标上均具有一定优势，同时，控制器产品在易用性和安全性上的功能设计也更为周全。

趋势1:

光源在照明功能之外更注重拓展功能的实现，以结构光为代表的高端光源产品逐步获得更大市场份额。

趋势2:

随着机器视觉逐步渗透更加复杂的工业制造环节，对于光源的照度、均匀性、能耗等关键指标要求逐渐提高。

3.1.2 镜头：技术逐渐成熟，国产替代逐步推进

国产厂商逐步进入工业镜头领域，技术逐渐成熟 。

2008年前我国镜头市场基本被日本、德国品牌所垄断，但随着国产厂商逐步布局并进入工业镜头领域，目前已经在中低端镜头市场中，国产工业镜头已经能基本满足机器视觉系统的需要。随着国产厂商如奥普特、长步道等，进一步推动工业镜头研发，有望在高端镜头市场进一步实现国产替代。

趋势1:

随着机器视觉逐步渗透更复杂的工业制造环节，对于高分辨率镜头、广域镜头等高性能镜头的需求逐渐提高。

趋势2:

随着下游应用场景的不断丰富，定制化的工业镜头需求日益高涨，许多中游机器视觉企业加快布局镜头环节。

3.1.3 工业相机：国产厂商开始布局，“智能化”趋势明显

国产品牌开始布局工业相机。

工业相机是机器视觉上游零部件中技术壁垒最高、技术迭代最迅速的部分，其市场规模也大于镜头与光源，是最具光明前景的细分赛道之一。但我国对于工业相机的研究起步较晚，早期主要为代理国外品牌，近年来国产品牌才逐步推出自主研发的工业相机，目前仍主要布局中低端市场。

趋势1:

CMOS传感器技术逐渐成熟，具备集成度高、分辨率与帧率提升容易等优点，将成为工业相机的主要技术方案。

趋势2:

为解决更为高难度的工业制造场景中的复杂问题，工业相机呈现检测简易化、处理高速化及智能化的特点。

3.1.4 算法软件：算法自研，呈现技术标准化、软件便捷化趋势

软件算法开发难度较大，国产品牌自研程度较高。

算法库开发周期长、投入大，业内公司通常基于开源算法库开发自身应用算法，或自主开发与第三方集成并举。目前头部国产品牌拥有自主研发的商业机器视觉算法库，如VisionWare(凌云光)、SciVision (奥普特)。

趋势1:

随着下游客户需求更加多样化，算法/软件需要更多的采用“标准化技术”实现对于不同应用场景需求的匹配，软件算法开发更完善，能够满足不同应用场景需求的厂商具有更强的竞争力。

趋势2:

随着机器视觉技术向工业领域的不断普及，现场工程师成为算法软件及开发工具的潜在用户，因而推动机器视觉厂商提供在优秀的检测性能之外需要兼具便捷性和易用性。

3.2 中游：具体分为系统和设备，设备中检测技术难度较高

机器视觉产业中游按照设备集成度分为机器视觉系统和机器视觉设备。

机器视觉系统由光学成像硬件与图像处理软件与算法组成，是机器的“眼睛”和“大脑”部分，需要与另外的产品或自动化机台结合才可工作。

机器视觉设备在系统的基础上，增加了额外的自动化平台 (机台/机械手) ，可以独立开展工作。机器视觉产业中游按照具体应用需求分为测量/定位/识别/检测设备，其中检测设备需求和技术壁垒较高: 市场规模上，检测设备规模约占机器视觉设备总体规模的25.0%。

技术难度上呈现“检测>定位>测量>识别”的排序。原因在于检测面向对象主要是各类缺陷，具有细微，类型丰富，特征不固定等特点，技术难度大。相对而言，而工业场景下的识别、定位、测量往往面对的是标准化程度更高的识别对象(例如工业条形码) ，难度较小。

3.2.1 纵向：拓展产业链布局，推进上下游环节自主研发/深度合作

机器视觉上游零部件厂商和中游系统/设备厂商通过产业投资/自主研发等方式逐步拓展产业链上下游布局，以期进一步提升机器视觉产品性能，同时在竞争逐渐加剧的机器视觉行业中构建起更高的技术护城河。

奥普特、海康机器人通过自主研发实现了机器视觉核心零部件、软件算法的全覆盖。凌云光通过产业投资方式拓展MOS传感器芯片(长光辰芯)和工业镜头《长步道光电)布局，并自主开发特色相机、特种相机、特色专属光源和图像采集卡: 天准科技自主开发3D视觉传感器(线激光传感器) ，精密驱动控制器等视觉设备上游零部件。

在机器视觉相关的光学成像、软件算法、自动化与精密控制等核心技术方面具有更深厚积累的公司在竞争加剧、上下游互相渗透的发展格局中具备更强的竞争优势，头部的国产机器视觉厂商已经具备了和海外龙头相当的全产业链技术。

3.3.2 横向：围绕机器视觉技术，实现产品种类拓展

将机器视觉技术与生产制造环节融合，推出智能化生产制造设备。

天准科技将机器视觉相关软件算法技术应用于PCB生产过程中的曝光工艺，推出成像质量、产能及对位精度更高的LDI激光直接成像设备。2020年底推出产品，2021年便实现了7000万的销售额。矩子科技将机器视觉检测环节与点胶生产环节相结合，推出生产质检一体化的高速点胶设备，取得良好市场反馈。

跟随下游应用需求变化而不断拓展机器视觉产品种类是当下中游厂商发展的必经之路，而具备机器视觉“基因”的智能化生产制造设备正在为机器视觉设备厂商带来全新增长点。

3.3 下游：应用场景逐步拓展，重点赛道需求高增

随我国制造业逐步转型升级，我国机器视觉产业下游应用赛道逐步拓展。

我国早期机器视觉主要应用于消费电子、半导体、汽车三大行业。这些行业整体对于设备精度、准确度、稳定性要求较高。近年来，随着我国制造业整体转型升级，向智能化、自动化方向发展，机器视觉技术与相关设备得以渗透进入更多下游应用行业，如电池、机器人等。

锂电池为代表的重点新赛道值得关注。

从下游应用行业增速上看，锂电池、新能源汽车行业在2021年增速最快，分别实现增速181%、150%。下游应用行业的快速发展与工业机器视觉在产线中渗透率的逐步提升，带来了工业机器视觉的需求高增，锂电池、新能源汽车行业的需求增速分别达到30%、25%。

3.3.1 3C电子：高质量标准带来较高机器视觉渗透率

机器视觉在3C电子行业中得到广泛应用。

3C电子行业具有元器件尺寸较小，质量标准高的特点，因而对于机器视觉需求较高。目前，机器视觉应用于PCB和3C电子产线中的多个环节中。未来机器视觉技术有望在更多环节中渗透在PCB生产制造环节中，机器视觉是PCB对位、SMT拾取、放置和安装验证及焊膏验证应用等环节至关重要的工具。

随着3DAOI产品的不断成熟，机器视觉产品将打开更多应用场景在电子成品设备制造环节中，机器视觉解决方案应用于显示器缺陷检测、产品外壳缺陷检测、轴敷和盘片装配/磁头悬浮组件机器人引导、光学字符识别等环节。

3.3.2 3C电子：产品与产线升级迭代带来稳定增长

产品持续迭代升级带来稳定需求。

随着3C电子产品更新换代，产品精密度逐渐提升，对于生产制造过程中的精度要求也随之逐步提升，推动机器视觉进一步渗透。同时，由于消费电子产品整体生命周期较短，新产品如折叠屏、5G手机的迭代导致制造企业需要不断更新其生产线，进而为机器视觉企业创造稳定需求。

消费电子产品产线进一步升级迭代。

随3C电子产品逐步发展，电子产品生产厂商也逐步迭代生产质量标准，例如在手机生产过程中，苹果手机的生产工艺和流程标准最高，但随着市场竞争加剧，各大安卓手机厂商也正在逐步推进生产质量析准和产线的升级迭代，有望带来机器视觉需求的扩大。

在未来几年中，尽管3C电子整体行业市场规模增速放缓，但3C电子行业机器视觉需求仍将稳定提升，同时技术逐渐成熟的国产厂商有望获得更大的市场份额，整体上3C电子仍是机器视觉中重要的下游应用场景。

3.3.3 锂电：机器视觉逐步渗透

机器视觉在锂电行业的渗透率逐步提升:

随着锂电池制造智能化、自动化程度的提升，机器视觉产品开始广泛地应用于锂电池设备生产的各个工段。从前段工艺的涂布辊压，到中段工艺的电芯组装，再到后段化成分容之后的检测以及模组PACK段，机器视觉应用渗透率在逐步提升。

3.3.4 锂电：品质管控需求明确，竞争格局优秀

品质管控需求明确。

早期的锂电行业扩产往往较少考虑质量管控，但随着行业逐步从高速发展转向高质量发展以及用户对于锂电安全的更高需求。机器视觉已经成为锂电池生产企业解决质量和效率问题的必然选择，据GGJ预测，锂电机器视觉检测系统市场规模将保持高速增长，未来5年年复合增长率在40%。

竞争格局优秀。

在3C电子和汽车等行业中的机器视觉中海外巨头有着更加强的技术积累和长期合作关系，对于我国机器视觉企业的市场拓展产生一定阻碍，但锂电池行业是近年来在我国发展起来的新兴产业，因此其中锂电企业与我国机器视觉企业协同配合发展而来，国产化程度较高。

锂电行业行业整体增速较快，且锂电中的机器视觉具备行业增速高、需求明确、竞争格局优秀的优势，在未来两三年内有望维持高增速，是最具潜力的下游应用市场。

3.3.5 汽车：生产制造自动化程度高，机器视觉需求持续提升

汽车生产制造过程自动化程度高，机器视觉应用较为广泛。

汽车生产制造过程中的安全高效是汽车生产企业的首要目标，因此主机厂进入门槛很高，且产线已经基本实现了自动化 。目前机器视觉产品应用在汽车总装和零部件检测、发动机检测等环节。据调查，目前一条产线配备十余个机器视觉系统。

汽车产线逐步升级带来机器视觉的需求和要求双重提升。

一方面，汽车产线管控需求持续提升，另一方面伴随着新能源和自动驾驶的发展，雷达、传感器、通信装置、摄像头等精密电子零部件将被装载在汽车上，两方面因素推动汽车生产过程的精度和智能程度要求持续提升，为机器视觉企业带来全新发展机遇。但由于传统汽车厂商已经与国外机器视觉龙头构建稳定的合作关系且供应商更换成本较高，因此我国机器视觉企业在汽车行业中的机会主要在新兴起的新能源厂商。

汽车行业是机器视觉应用非常成熟的行业且前景明确，短期国内厂商与新兴汽车厂商的协同发展，若长期能在传统汽车厂商中实现对于海外厂商的替换，将打开巨大的市场空间。

3.3.6 半导体：机器视觉应用较为成熟，海外巨头占据高端市场

半导体行业对机器视觉需求明确，应用较为成熟广泛。

半导体产业具有集成度高、精细度高的特点，人眼视觉能起到的检测作用相当有限，对于机器视觉需求明确。基于此特点，半导体产业是机器视觉技术最早大规模应用的下游领域之一，覆盖半导体外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等检测，晶圆制造中的检测、定位、切割和封装过程全程都需要机器视觉技术的辅助。

高端半导体检测设备主要被海外巨头占据。

由于海外巨头在半导体检测领域的先发优势，因而目前半导体机器视觉中的高端市场主要被海外龙头占据。同时，因为半早体行业的生产要求很高，因此导致国产机器视觉厂商往往难以直接进入这一领域。

国产厂商已在个别产品上取得突破，如精测电子的膜厚测量设备、关键尺寸测量设备、电子束缺陷复查设备、图形晶圈缺陷检测设备，中科飞测的图形与无图形品圆缺陷检测设备、膜厚测量设备、三维形貌测量设备，均已取得订单或在客户产线验证通过。高端半导体检测是我国需要重点突破的高端技术。

3.3.7 仓储物流：降本增效需求明确，智能化市场空间广阔

仓储物流行业降本增效需求明确。

机器视觉在仓储物流行业的典型应用场景为码垛和快速分拣，具体包括对于多SKU商品向裹的识别与定位，从而引导机器人抓取和放置的视觉引导设备，对于商品信息《如二维码》进行快速扫描识别的积觉识别设备。物流仓储行业整体人力和设备成本、毛利率水平均较低，对于机器视觉解决方案的性价比要求更高。

智能仓储物流设备市场空间广阔。

目前我国智能仓储物流行业仍然处于起步阶段，整体智能设备渗透率较低，但随着人口结构变化带来的劳动力成本上升，以及电子商务的物流仓储应用场景的快速发展带来的需求增长，智能仓储物流系统仍然是未来行业发展的必然趋势，在智能仓储物流的多个环节中发挥重要作用的机器视觉也有望得到较好发展。仓储物流行业短期受降本增效需求驱动，长期受数字化、智能化需求驱动，机器视觉渗透率有望提升。

3.3.8 包装印刷：存在国产代替机遇，消费场景回暖带动需求复苏

印刷包装产线深度依赖机器视觉检测，存在国产替代机遇。

机器视觉参与包装印刷行业中的测定包装物体积、识读包装条码、检测包装封口缺陷等环节，整体渗透率较高，但由于我国的印刷包装行业发展时间较早，因而初期与海外)商建立了合作关系，目前仍存在一定的国产替代空间。

后疫情时代印刷包装行业的机器视觉需求有望复苏。

伴随后疫情时代消费场景的逐渐活跃。食品、饮料、药品等生活消费品产能有望进一步释放，预计包装印刷行业将有所复苏，进而带动机器视觉需求。印刷包装行业中机器视觉的应用需求较为稳定，存在国产替代空间，看好消费回暖带动整体行业需求增长。

3.3.9 光伏：机器视觉深度参与，嵌入式/可配置系统有望推广

机器视觉设备深度参与光伏组件的生产流程。

目前机器视觉设备在光伏组件生产中的电池片分选、EVA/背膜裁切、电池片焊接、外观/尺寸检测、封装、铝边框/接线盒安装、隐裂检测环节有所应用，随着光伏下游装机增量及刺激产能释放，光伏生产商必然升级或新采购制造与检测自动化设备以提高其产线的生产效率和产品的竞争力。

产线特点决定嵌入式/可配置视觉系统具有更好应用前景。

光伏产线的布局比较紧凑，工序街接较为成熟，嵌入式或可配置视觉系统因为其可以尽可能减少对现有产线的改造，有望在光伏组件领域得到更广泛应用。

机器视觉在光伏产业中的渗透率较高，应用较为成熟，但短期光伏产业增速放缓导致行业增速相对放缓未来清洁能源重要性和性价比提升将带来一定增长空间。

04

机器视觉海外龙头企业分析

4.1 基恩士：立足光电传感技术，领先的工业自动化产品综合供应商

基恩士成立于1974年，是领先的传感器、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，采用Fabless模式进行生产。

基于光电传感核心技术，不断推出全球领先的机器视觉产品。

公司产品逐步从自动化传感器、测量仪器发展到到机器视觉系统与设备如激光打标机、图像测量处理系统和2D/3D激光扫描仪。基恩士通过不断研发，成为全球传感设备的领导者。产品覆盖多个工业制造与科学研究领域，服务位于全球约70个国家的超过200.000名客户。在《福布斯》“世界最具创新力的公司”榜单上排名第17位。

4.1.1 基恩士：提供丰富工业自动化产品，机器视觉核心环节全覆盖

公司提供丰富的工业自动化产品。

公司产品包括视觉系统与设备、显微系统、工业测量系统、PLC与刻印设备等，按照通用目的进行工程设计，可以适用在各个行业领域。

公司实现机器视觉核心环节全覆盖。

公司机器视觉自主产品覆盖LED光源及光源控制器、机器视觉相机、镜头、软件算法一方面得以更好地灵活运用零部件，进而更好的满足不同客户的不同雪求，另一方面大幅度强化产品系列组，从而更大限度发挥公司产品的图像处理的能力。同时，也为公司构建起较高的“产业护城河”，有利于公司维持其市场地位。

4.1.2 基恩士：提供丰富工业自动化产品，机器视觉核心环节全覆盖

4.1.3 基恩士：近年来公司营收增长迅速，海外业务持续拓展

2021年以来公司营收增长迅速，盈利能力有所上升:

2021财年公司主营业务收入为67.49亿美元，实现同比增长40.33%.净利润实现27.11亿美元，同比为53.76%，高于营收同比增速，反映出营收高增的同时公司盈利能力亦有所上升。

海外业务拉动增长:

基恩士在2021财年日本销售额为27.72亿美元，同比增长30.9%; 海外销售额为39.77亿美元，同比增长47.7%。中国区域增速最快，实现营收11.49亿美元，同比达49.2%。

基恩士把在日本开拓客户的自主经验推广到海外亚洲区业务增长显著:

随公司销售团队逐步拓展海外市场以及海外市场制造业转型升级加速带来更多需求，2019至2021公司日本本土业务占比分别为47.19%/44.01%/41.07%，公司海外业务占比分别52.81%/55.99%/58.93%，呈现上升趋势。

4.1.4 基恩士：为广泛下游行业提供解决方案，各下游占比较为均衡

公司为广泛的下游行业提供丰富的解决方案:

基恩士产品应用覆盖了汽车、半导体/液晶、电子元件、医疗、物流、金属、薄膜/片材、食品/药品、树脂等广泛的下游行业。同时在单个下游行业内提供丰富的解决方案，以电子元件行业为例，基恩士可以实现晶圆定位/PCB版定位/水晶振子缺陷检测/鲤电池缺陷检测等功能。

公司下游应用行业营收分布较为均衡:

2021财年下半年，基恩士日本国内客户按下游行业划分分别为SPE&LCD 10%/电子元件 15%/汽车 25%/机床等机械设备10%/ 餐饮和医疗 10%/其他 30%，整体收入结构较为均衡，对单一下游行业的依赖性较弱，有利于公司持续稳定发展。

4.1.5 基恩士：营销网络布局全球，直销模式更好满足并挖掘客户需求

公司已经实现了营销网络的全球布局:

目前基恩士已经在46个国家和地区设有 230 个办事处，组成了高效的全球分公司网络，为全球“财富500强”制造企业乃至小供应商提供能够改善其自动化制造质量与效率的解决方案。

公司采用直销模式以更好满足客户需求:

相较于传统经销模式，公司采用直销模式直接与客户进行联系。一方面，以更高效率为客户提供更好的产品相关信息与服务，包括现场制造和自动化知识、模型选择、现场操作指导、产品采用后的注意事项以及售后服务等。另一方面，得以与客户深度协同，基于客户在相关场景中的行业知识，针对客户潜在需求进行挖掘与产品开发，持续推出满足全球领先的机器视觉产品。

4.1.6 基恩士：领先全球的产品力塑造搞利润率

公司采取Fabless经营模式:

公司专注于利润率最高的传感器、自动化设备等设计开发部分，将生产相关的业务外包给专业制造厂商。2018财年至2021财年期间，公司有形固定资产占总资产的比例仅为0.63%/0.59%/0.48%/0.42%。

领先全球的标准化产品帮助公司维持毛利率/净利率高水平: 2017财年至2021财年，公司毛利率稳定维持在80%以上，净利率则整体在38%左右波动，全球领先的产品能力。完熟的机器视觉核心环节布局，让甚恩士呈现出相较全行业有更强的盈利能力。

4.2.1 康耐视：全球机器视觉和代码读取领域的领导者

康耐视成立于1981年。

是为制造自动化领域提供视觉系统、视觉软件、视觉传感器和工业读码器的先进提供商。康耐视围绕机器视觉技术，为制造业领域提供不同的自动化设备。

Cognex取“cognition experts”(认知专家)之意，发展早期便致力于机器视觉在制造业的应用，公司早期机器视觉产品，DataMan视觉系统，是世界上第一个能够读取、验证和确认零件和组件上直接标记的字母、数字和符号的工业光学字符识别 (OCR)系统。

后续发展过程中，康耐视通过自主研发、收并购等方式，一方面逐步完善了自身产业链布局，如开发自主工业机器视觉相机，另一方面拓展了在自身机器视觉产品的产品矩阵，从应用行业上进一步覆盖自动化设备、电子立品、汽车等领域，从产品定位上覆善低、中、高端市场。

4.2.2 康耐视：提供丰富机器视觉产品，相机、软件环节自主覆盖

康耐视提供丰富的机器视觉和读码器产品。

公司产品主要分为机器视觉和读码器两部分，其中机器视觉部分分为2D视觉传感器、2D视觉系统、3D视觉系统，实现对于丰富下游应用领域和不同检测对象、检测任务、检测性能要求的覆盖。读码器包括固定式读码器、手持式读码器、条码验证器等。

康耐视实现了机器视觉零部件中较为重要的相机、软件两个环节的自主覆盖。

公司具有业界领先的机器视觉软件系统VisionPro(3D) 和In-Sight Vision Suite (2D)。同时公司提供包括工业相机 (CIC)、图像板卡、I/0卡、视觉控制器视觉配件，可以方便地与公司软件进行集成，建立满足不同行业应用需求的解决方案。

4.2.3 康耐视：营收有所下滑，中国业务占比上升

2022年营收略有下滑:

2022年公司实现营收10.061亿元，同比下降2.99%，实现归母净利润2.155亿元，同比下降23.01%。整体上于印尼的供应商工厂发生的火灾影响了公司对于相关订单的完成。在具体行业中，21年占比最高的物流行业中大型电子商务客户的项目进展放缓导致物流行业收入下降25%，消费电子和汽车行业分别实现了约8%和7%的收入增长，部分抵消了物流行业下滑的影响.

2017年至2020年公司营收增速有所放缓:

同比增速分别为47.10%/5.25%/-10.01%/11.77%。2021年，受益于电子商务的兴起、汽车领域向电动汽车发展、劳动力短缺、对产品可追溯性要求的增加以及新冠肺炎疫情“无触控”条码读取的加速发展，实现28%的增长。

中国业务占比上升但增速放缓:

尽管公司整体营收增速有所下滑，但其他地区业务相较于中国地区业务增速较慢，因此中国业务从2016年的占比12%增长至2022年的22%。但近年来相关增速也呈现放慢趋势，2020/2021/2022的中国地区营收增速分别为46%/19%/13%。其他地区业务中欧洲业务收缩最为明显，从2016年的43%降低为2022年的23%。而美洲业务在2016至2021年间持续扩2021年达到42%，张，但2022年有所下降，减少至38.82%

4.2.4 康耐视：汽车/消费电子业务有所收缩，物流成为主要下游应用场景

下游应用场景广泛，汽车/消费电子/物流为主要应用场景:

康耐视提供标准化产品，应用于广泛的下游场景，包括自动化设备、汽车、消费品、电子产品、食品饮料、物流等。其中汽车、消费电子、物流为康耐视主要的下游应用场景，合计占比70% (21年).2022年医药相关业务增速较快，在整体业务中成为第四大应用场景，占比10%。

汽车消费电子业务收缩，物流场景成为最主要的下游应用场景:

随国产厂商技术逐步成熟，在苹果产业链中实现国产替代，公司消费电子业务有所收缩，从2019年的25%减少至2021年的20%，同时汽车业务呈现明显收缩趋势，从30%下降至20%。随电子商务行业发展及新冠带来的物流业变革，物流行业占比呈现上升趋势，从15%发展至30%，在下游场景中占比最高。2022年由于印尼工厂火灾，导致物流业务明显下滑，其他各业务占比相应上升，若去除火灾影响，整体上业务格局并未发生明显改变。

报告来源： 中信建投

报告编辑： 智能机器人系统

相关问答

plc数据排序方法?

在PLC(可编程逻辑控制器)中进行数据排序主要有两种方法。第一种是使用数组或者数据表格进行排序。首先,将待排序的数据存储在一个数组或者数据表格中,然后使...

plc数据排列指令实际应用?

常开触点I0.0常闭触点I0.1和传送指令MOV_B组成网络1,当MOV_B指令前的条件满足时,会将值1赋给QB0,也就是将Q0.0置1。这时你若按下常闭触点I0.1,虽然可以使MOV...

关于松下PLC的端子排列?

PLC外部接线与内部的IO地址是一一对应的。所以,不管是输入还是输出,调换线后,在梯形图上调换下内部地址即可。PLC外部接线与内部的IO地址是一一对应的。所以,...

plc母线是啥?

右母线可以不画出。梯形图是PLC使用得最多的图形编程语言,被称为PLC的第一编程语言。梯形图语言沿袭了继电器控制电路的形式,梯形图是在常用的继电器与接触...

三菱PLC中SEGD指令怎么理解和应用，如下图所示?

SEGD是7段码显示指令|————||——————SEGDS.D.当驱动条件成立时,把S中所存放低4位十六进制数编译成相应的7段显示码保存在D中的低8位。...

PLC如何数据滤波?

在PLC(可编程逻辑控制器)中,数据滤波是通过编程实现对输入信号的噪声或干扰进行处理的过程,以提高控制性能和系统稳定性。数据滤波方法有很多种,以下是一些...

台达plc如何用北京时间来控制开启停止-ZOL问答

首先PLC要有万年历功能,然后将PLC上电并与编程软件WPLSoft连接,在编程软件的“设置”——“万年历设置”中,将PLC内部的万年历设置正确,然后编程使用指令TRD将P...

西门子plc五个信号先后排序?

西门子的PLC五个信号的先后排序是根据它们在控制过程中的重要性和优先级来决定的。常见的排序方式为输入信号、输出信号、中断信号、计时器和计数器信号。其...

PLC的基本数据类型，我们如何在编程中选用?

PLC的基本数据类型,我们常用的有如下几种:1.布尔类型BOOL,也就是我们常说的0和1,也可以理解为True和False,对于PLC来说就是DI或者DO点的输入或输出状态...

PLC冒泡算法怎么让排序的寄存器与输出点建立对应关系?

最简单的方式,建立临时变量,寄存器内的数据比较后先放入到临时变量里,每次循环结束,再使用MOV指令将排序好的数据放入到相应地址里。既然是冒泡排序,肯定不...