Serviceline
点击这里给我发消息联系客服

扫描关注微信!

智能制造浪潮中,凭借机器视觉这块跳板,谁能翻上潮头?

2022-07-11 08:56


导语:中国在制造业大国向制造业强国转型过程中,机器视觉下游应用需求层出不穷。其中,消费电子是最主要的应用领域,但锂电、汽车、半导体等新行业应用需求正快速增长。

  据中国机器视觉产业联盟统计,2020年机器视觉在电子、半导体、汽车领域的销售额分别占全行业销售额的52.9%、10.3%、8.8%。如今,机器视觉已在多个应用领域和行业中大范围的应用。

  一、实现智能制造,「眼睛」很关键

  智能制造实际上是由许多子技术结合而成的一个庞大概念。提供图像数据并进行处理的机器视觉系统、在边缘和云端提供算力的云边计算架构、让设备具备 " 学习能力 " 的人工智能,都是智能制造的重要组成部分。

  它们之间的关系相辅相成:人工智能为一个机器视觉系统的搭建提供了底层技术,云边计算为承担了大量数据负载的人工智能提供了算力保障。

  而机器视觉则是整个智能制造的 " 眼睛 ",为人工智能提供视觉数据。

  由于精确、高效的特性,机器视觉在多个行业已经被广泛应用。

  机器视觉常常被应用在超越人类视觉极限的质量检测中:如在 3C 电子制造中,部分产品的瑕疵尺寸指标已经小于 10 μ m 以下,超过了人类的分辨极限,而机器视觉技术则能够检测出人工不能察觉的瑕疵。在高速印刷中,部分产品检测的精度要求也已经超出人眼识别极限,现有的人工检测流程已经无法满足要求,必须采用高速、高精度的机器视觉方案。

  并且机器视觉也能够大大提高工业生产的效率。例如在汽车生产中的质检、装配等流程中,机器视觉能够帮助工厂提高检测和装配的效率,有效提升大部分系统和组件的性能。无论是精度还是效率,对企业实现智能制造来说都至关重要。

  这使得企业纷纷开始探索如何应用机器视觉提升自身的竞争力。

  但传统企业要想真正发挥好机器视觉的力量,走向智能化,仍要面对重重挑战。

  传统制造引进机器视觉,还要过两关

  对于传统的制造企业来说,机器视觉是他们此前未曾接触过的新事物。要将机器视觉应用于生产中,没有太多的过往经验可以借鉴。

  对希望利用机器视觉来获得效率提升的企业来说,在他们面前,仍有两项挑战:一是如何将机器视觉和自己的需求结合,设计机器视觉的应用场景;二则是如何开发机器视觉方案,完成自身需求。

  二、在新能源领域渗透率逐步提高

  光伏产业发展迅速

  来自国家能源局的数据显示,我国2021年新增光伏发电并网装机容量5297万千瓦,连续9年稳居世界首位。截至2021年底,光伏发电并网装机容量达到3.06亿千瓦,突破3亿千瓦大关,连续7年稳居全球首位。

  在光伏产业稳步拓展和降碳环保背景下,光伏生产良率爬升,降本增效显得刻不容缓。

  光伏的核心是太阳能电池片,在太阳电池片的生产过程中,会产生如碎片、电池片隐裂、表面污染、电极不良、划伤等缺陷,这些缺陷限制了电池的光电转化效率和使用寿命,会造成电池片等级降级或报废,从而影响工厂的生产效能。采用机器视觉技术对上述缺陷进行检测可以大大提高光伏产品的良率,因此机器视觉在光伏领域应用的渗透率逐步增加。

  2022年锂电领域机器视觉需求出现明显攀升

  根据主流锂电企业产能规划,预计截至2022年底名义产能合计将达1105GWh,同比增加35%,对应机器视觉需求为19-39亿元。此外,由于锂电领域设备的毛利率相比消费电子低,国外机器视觉企业进军锂电市场动力较小。

  新技术和新材料的应用将带来全新检测需求

  如4680电池技术在行业内的推广普及,新技术的应用即提升了现有电池技术,同时新材料的运用,如铸造铝合金等材料在锂电池的不断运用,将带来锂电新材料的放量,也对机器视觉检测提出了新的要求,增加行业市场规模。以锂电和光伏为代表新能源市场快速发展给机器视觉市场带来新的增量。

  三、得视觉者得天下

  从人脸识别到工业智造,计算机视觉的落地目前已跨越了半导体、汽车、航空、新能源、精度光学等行业,如镜片分拣、轴承检测、特种条码设计与识别、偏光弯膜、模具检测、AVI检测等。

  以芯片检测为例,基于深度学习的计算机视觉算法就有可以完成亿级晶体结构的全自动聚类分析:检出率超过99.99%、单流程处理效率提高96%、AI自动化全检处理效率提升90%。

  传统制造业在国家经济中的占比,就是智能制造未来的市场容量。据国家统计局数据显示,2019年、2020年,中国工业增加值的规模均超过了31万亿。工业领域1-2%的效率提升就意味着数千亿级的经济增值。

  纷繁复杂的机器视觉市场是一个足够大,足够远的市场,同时也是一个需要众多玩家齐心协力,发挥所长,共同拉高需求,推动水平的市场。

  智能制造这片汪洋大海,于是涌现出一批随中国工业化进程而汇聚起来的各路人马。

  在这批人马中,有一路卧薪尝胆,穿越时间的曲线而老当益壮的传统视觉厂商;有从安防市场切入,带头突破国际巨头防线的海大宇;有从人脸识别赛道拔地而起,分走计算机视觉市场半壁江山的AI四小龙。

  同时,一大批AI新锐企业,也正沿着前辈们开垦过的视觉之路你追我赶,稳扎稳打,循序渐进。

  他们凭借自身的技术实力,从各个细分领域切入,一寸一寸地攻城略地,大有抢占智能化时代潮头之势。

 总结

  机器视觉,是通向智能制造时代之船的一块跳板,这块跳板正在日益加剧的行业竞争中,被不断拓宽、加固。

  在这块并未被完全开发的宝地上,一批新冒头的AI企业动作快、势头猛、技术强、肯吃苦,特别善于在时代转型的弥合处寻找机会,发挥自身的技术专长。

  从各个环节来看,上游的核心零部件生产存在极大的技术壁垒,核心零部件及软件开发占据了80%的比例,是产业链的价值高地。