麦姆斯咨询：机器视觉（Machine Vision, MV）是这场自动化革命的核心。机器视觉相机市场将从2017年的20亿美元增长到2023年的40亿美元左右，复合年增长率（CAGR）为12%。自动化不仅限于机器人技术，还涉及制造周期的几乎所有机器。
机器视觉是自动化革命的核心
工厂里正在进行一场悄无声息的革命。我们面临的变革力量与以前的工业革命时期发生的变化相似，但是这种变革力量不是蒸汽或电力相关技术。如今的发展趋势是自主性和按需生产，对人类和机器都是如此。工厂内部的转型升级是来源于自动化相关技术。
机器视觉（Machine Vision, MV）是这场自动化革命的核心。机器视觉相机市场将从2017年的20亿美元增长到2023年的40亿美元左右，复合年增长率（CAGR）为12%。自动化不仅限于机器人技术，还涉及制造周期的几乎所有机器。对质量的需求，促进了机器视觉在汽车、电子、半导体、食品和包装行业的发展。食品分拣是推动自动化发展的一个有趣例子。总体而言，分拣水果和食品的能力有助于增加农业食品的营收，特别是在亚洲市场。事实上，机器视觉已经“飞跃”工厂，现身于农场、牧场、道路和停车场（如车牌识别）等多种环境中。最近资本市场上最为火热的机器视觉领域非“自动驾驶汽车”莫属，Yole预计该机器视觉细分市场未来五年的复合年增长率将高达140%。
机器视觉相机的主要应用领域及市场预测
在我们上一版报告中提到，斯沃琪集团（Swatch Group）于2014年宣布推出Sistem51系列手表，该表是一款全自动化生产制造的机械表。自那时起，其它公司也采取了类似的举措，如佳能在相机制造方面引入自动化和富士康在消费电子产品制造方面部署一百万台机器人。因此，自动化产品的销售增速超过了工业生产的增速。展望未来，由于西方国家便宜的劳动力短缺，而中国的工人薪水也在增长，因此这种自动化生产的趋势可能会加速推进。
高度活跃的市场和厂商生态系统
自动化革命创造了一个高度活跃的市场和厂商生态系统。在2014年至2017年的三年中，并购（M&A）活动在图像传感器和相机模组级均有所加快。该趋势的最新例子是，FLIR于2016年以2.15亿美元收购了Pointgrey公司，TeLEDyne则于2017年以7.90亿美元收购了e2v公司。其它值得注意的收购包括：2016年ams以2.35亿美元收购CMOSIS公司；2014年安森美（ON Semiconductor）以4亿美元整合Aptina公司，并以9000万美元收购Truesense公司。最近，私募股权公司Lakesight整合了机器视觉相机制造商Tattile、Microtron和Chromasens。据麦姆斯咨询估算，这段时间内的并购总额超过17亿美元。
机器视觉产业链厂商的竞争格局
2017年机器视觉相机厂商的市场份额
从电荷耦合器件（CCD）到互补金属氧化物半导体（CMOS）的转变对机器视觉的图像传感器产生了深远的影响，掀起了上述的并购浪潮。虽然这在多年前就开始影响了其它市场，例如20世纪90年代的消费类图像传感器和21世纪初的摄影用传感器，但直到现在，从CCD到CMOS的技术转变才触及图像传感器市场的高峰。
销售“高成本/小批量”产品的公司无法投资或维持生产设施。由于建设生产设施的固定投入较高，所以需要高产量的产品支撑。并且与之前的垂直整合CCD厂商相比，实现CMOS图像传感器制造的入门成本更高，因此，除了索尼（Sony）之外，很多厂商都转向无晶圆厂（Fabless）的商业模式。这也导致CMOS图像传感器专用代工厂的兴起，如TPSCo、Dongbu Hitek 和收购LFoundry的中芯国际（SMIC）。
从CCD到CMOS：在相机模组级有可能导致新厂商出现的主要变化
在技术方面，图像传感器从CCD到CMOS的转变极大地简化了相机设计，更容易商品化。将相机功能集成到CMOS图像传感器中也导致相机可用单个电路板实现。这种单板相机反过来又会影响供应链，把机器视觉相机厂商的地位提升。因此，我们可以看到新兴的相机厂商将这些单板相机集成到新的系统、新的应用和智能相机中。
工业相机的演进
注：在CCD应用中，大部分功能都是在相机的电路板上进行的。当应用需要修改时，设计人员可以改动板级电路而无需重新设计图像传感器芯片。在CMOS图像传感器中，电荷转换成电压的工作是在每一像素上进行的。CMOS图像传感器芯片在像素级把电荷转换成电压，而大部分的功能则集成进芯片。这样所有功能可通过单一电源工作，并能够实现依照感兴趣区域或是开窗灵活读出图像。 一般来说，CCD采用NMOS技术，因而能够通过如双层多晶硅、抗晕光（Anti-blooming）、金属屏蔽和特定起始物料互相覆盖等特定工艺实现性能。而CMOS则是基于集成电路的标准CMOS工艺技术生产，再根据客户要求加入成像功能。
板级相机
将相机模组集成到系统和智能相机中也受到来自智能手机技术的推动。片上系统（SoC）和移动产业处理器接口（MIPI）使得开发智能视觉系统变得更加容易。智能相机流行的一个例子是Specim公司最近发布的多光谱相机产品。
机器视觉的十字路口
机器学习（Machine Learning，ML）是使智能相机能够广泛应用的一项重要技术。例如，2017年康耐视（Cognex）收购了深度学习软件公司Vidi Systems，目的是将深度学习应用到智能相机中。机器视觉和深度学习等技术对自动驾驶汽车将产生重要的影响，推动相关市场迅速成长。预计到2023年，自动驾驶汽车领域的机器视觉相机市场将超过9亿美元，占据整个机器视觉相机市场的四分之一。
