7月22日，首批25家科技创新板挂牌。公司举行上市仪式。在这些企业中，随着工业检测相关的公司有两家:天准科技和华星源创。其中，天准科技专注于视觉检测，而华星源创是检测设备和全线检测系统的解决方案提供商，已经交付了两个柔性有机发光二极管的机器视觉检测项目。这足以说明机器视觉检测的热度居高不下。
机器视觉的四大应用包括定位、识别、测量和检测。目前，检测端是市场上规模最大、应用最广泛的部分。2018年全球视觉市场总额约70亿美元，测试应用占比超过60%。相关数据显示，2018年国内机器视觉市场规模为53.79亿元，同比增长27.95%。
四个潜在市场
据相关从业者统计，2018年机器视觉检测主要分布行业中，电子、半导体占46.85%，汽车占11.28%，食品包装占10.13%，医药占10.34%，其他行业占21.75%。
部分外观检查的下游市场应用
机器视觉的兴起很大程度上是因为半导体行业的需要。半导体行业元器件尺寸小，对产品的精度和柔性要求高。例如，AOI检测对于一些精细产品的外观和内部结构是必要的，而高性能的机器视觉组件对于焊膏印刷机、贴片机和AOI检测等设备是必要的。因此，工业视觉系统广泛应用于半导体和电子制造、测试等方面。
从市场规模来看，目前的半导体领域工业视觉市场年增长率在25%左右，2018年市场规模超过20亿元。
在汽车行业，外国工业相对于应用，视觉产品更加多元化，中国起步较晚。工业视觉还处于普及阶段，市场规模增长率近30%。除了主机厂，在汽车零部件方面的检测应用也越来越多。例如轮胎花纹检测、条形码识别以及驱动电机中的转子检测和跟踪等。
在汽车零部件行业，南方轴承总经理蒋宗成说:“我们现在主要是人工检验，外观和性能检验都有，效率低，浪费大，而且大部分都在后期的成品检验。我们希望在前端实现在线检测，进一步降低不良率。”
在医药行业，平方和CEO蔡忠伦表示:“目前我们主要做的是胶囊外观检验、糖浆检验、安瓿青霉素检验、口服液检验、大输液灯检验。制药行业对生产环境的要求极高，所以对自动化的要求也很高。在测试端，这个行业还是一片蓝海，很多复杂的应用场景很少有人做。”医药、食品包装、印刷等行业都是如此，增长空间巨大。
快科光伏是一家专业从事太阳能光伏控制、光伏连接传输系统和户外精密防水连接器系统产品的公司。公司其总经理王新林说:“在检测端，光伏连接器与电缆、储能连接器与电缆之间的功能检测是非常重要的地方，还有连接器内部的结构检测，但目前还很难完成。”
在锂电池行业，各种专用检测机大行其道。视觉龙董事长丁少华列举了一些检测设备，如涂布机对位在线检测系统、辊压机涂布缺陷在线检测系统、分切机涂布缺陷在线检测系统等。目视检查已在各个车站得到应用。
3C。半导体将继续引领工业发展。
尽管工业视觉在半导体和电子工业中发展较早，已经占据工业整个视觉市场的一半。但是基于工业以视觉的技术特性和半导体、电子行业本身的制造要求，半导体、电子行业在未来很长一段时间内仍将领先。工业视觉产业的发展。
从制造技术的角度来看，半导体和电子设备制造是对的工业对视觉有刚性需求。工业视觉具有高精度的特点，自然适合高性能、精密的专业设备制造，这也是相关产业能够带动整体的原因。工业视觉兴起的原因。
在半导体制造领域，前中工序都需要。工业视觉的精确定位和视觉测量、电学检查、切割、AOI封装以及制造过程后期对晶片的检查都需要广泛的应用。工业视觉技术，工业在半导体制造中，视觉在速度和精度上具有明显的优势。
在3C制造领域，也需要零部件和主要零件。工业视觉辅助，其中70%工业视觉单元应用于检测环节的机器视觉单元被应用于该环节。此外，连接器检查、PCB底片检查、硬盘检查，机器人还需要视觉引导定位、元设备在线分拣筛选、二维码读取。工业视野。由于技术和工艺要求高，半导体和电子设备制造是对的。工业对视觉技术有刚性需求。
工业视觉落差地面钱琳沟湾河
下游应用领域的不断拓展也是对的工业视野提出了更高的要求。就目前的技术而言，工业视觉方面还存在一些技术和应用瓶颈，导致一些领域出现一些问题工业视觉商业化进展缓慢。平方和CEO蔡忠伦进一步指出:“大多数国内视野公司只是应用层面的二次开发，并不具备底层开发能力。如果他们使用的平台达不到要求，他们就无法运营。这也是国内很多应用场景还是空白的原因。
通用糟糕的性和智力
机器视觉在通用性方面有一些不足，在一些集成应用中无法承载。一个设备可能只适合一个厂商或者一个行业，导致开发成本很高。在智能方面，当库存单位高或移动速度快时，工业视觉很难满足识别精度的要求。
实际应用中的精度仍不令人满意。
虽然从一些算法的测试结果来看，工业视觉图像识别的准确率已经达到了很高的水平，但是还需要实现工业系统的应用还需要保证能够快速完成批量检测，同时能够适应各种环境(包括面材、工厂环境、工作距离等。).只有在实际应用中才能实现非常小的错误检测率，工业视觉可以实现其应用预期，从而满足客户的标准并得到推广。
Mecarmand首席执行官邵天澜表示:“从准确率上来说，即使你做到了95%，也很难达到客户的预期，因为对于客户来说，这个环节不应该出问题，所以客户的要求必须是99%以上。”
对算法和计算能力的要求也在不断提高。
工业视觉通过读取和分析真实场景的图像和视频来实现其功能。图像和视频包含了足够多的数据，但是也存在大量的冗余信息。单一的简单特征提取算法无法满足算法的普适性要求。同时，随着应用场景和功能的复杂化，在设计通用的特征提取算法时，对计算能力和存储速度的要求越来越高，这也带来了开发成本和产品。价格一个比较高的问题。
未来，以深度学习为代表的AI技术有望解决这一问题。深度学习可以模拟人类智能的神经网络来分辨异常，同时可以应对复杂场景下的自然差异，具有人工视觉检测的灵活性和机器视觉系统的速度和鲁棒性。