据悉，华为安防将更名为华为机器视觉。一直以来，推动“万物感知万物互联万物智能”是华为业务发展方向。华为公司的愿景使命是把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界。那么，此次华为安防的更名对于安防行业来说有哪些启示？

　　据了解，机器视觉是使用光学非接触式感应设备，自动接收大量真实场景图像数据并进行智能化分析处理，获得信息以控制机器或流程。机器视觉系统是由图像获取与感知、数据处理与分析、决策执行三部分组成，是一个包含算法、软件和硬件等诸多单元的应用系统。
　　机器视觉的理论和算法基础是计算机视觉,使机器视觉应用从工业领域延展到非工业领域，以实现对事物的定位、检测、测量、识别和判断。机器视觉现在和未来的主要应用领域包括智能安防、消费电子、工业视觉、ADAS（高级驾驶辅助系统）、AGV（自动引导车）、机器人等。
　　视频成为万物感知核心
　　在去年安博会期间，在华为智能产业峰会2019大会上，华为常务董事汪涛发表了《5G+AI+视频，加速千行百业智能化升级》的主题演讲。他提出智能视频、5G和AI是实现万物感知、万物互联和万物智能的核心技术。智能终端（面向2C侧）和智能视频（面向2B侧）正成为万物感知的核心。
　　尤其是在当下加速进入“5G+AI”的时代背景，以“视频+AI”为核心的华为智能安防也不再局限于“安”与“防”，华为希望可以承担更多，因此用“机器视觉”引爆行业数字化，助力千行百业数字化转型。

　　从近些年安防行业发展我们也可以发现，“泛在的安防”、“大安防”概念以及诸多企业向AIOT迈进，其实都是在阐述新格局下公共安全泛在化已成为必然。简单地说就是将原来只关注社会治安、犯罪等狭义的领域，向更广泛的领域推进。
　　同时，基于人工智能等新技术的不断迭代，安防行业的内涵与外延都在发生着改变。从事后取证调查，向预判、预警和预防演进，应用领域向公安以外的行业拓展。另外，用户的需求从产品向解决方案演进，产品类型也更加广泛，从最早的图像的采集、图像的传输、到图像存取、显示，到现在发展成各行业智能业务和更智能的用户的业务流、管理流、数据流等等。
　　针对华为安防更名，相关媒体评论，“华为安防将借助此次更名实现赛道升级，业务扩张，以获得集团更多的资源支持及业务拓展。”不管怎样我们期待华为的发展，同时，我们也将持续与华为合作，如果您需要华为安防的相关产品可以直接在河姆渡弱电直接采购。

    机器视觉（MachineVision）指的是通过光学的装置和非接触的传感器自动的接收和处理真实物体的图像，以获得所需信息或控制机器人运动的装置，通俗的说就是应用在工业领域的视觉应用。

    目前，机器视觉的基础功能主要可以分为四大类：模式识别/计数、视觉定位、尺寸测量和外观检测，当前的应用也基本是基于这四大类功能来展开。

    模式识别/计数主要指对已知规律的物品进行分辨，比较容易的包含外形、颜色、图案、数字、条码等的识别，也有信息量更大或更抽象的识别如人脸、指纹、虹膜识别等。

视觉定位主要指在识别出物体的基础上精确给出物体的坐标和角度信息。定位在机器视觉应用中是非常基础且核心的功能，一个软件的好坏大概率与其定位算法的好坏密切相关。尺寸测量主要指把获取的图像像素信息标定成常用的度量衡单位，然后在图像中精确的计出需要知道的几何尺寸。优势在于对高精度、高通量以及复杂形态的测量，例如有些高精度的产品由于人眼测量困难以前只能抽检，有了机器视觉后就可以实现全检了。

    外观检测主要检测产品的外观缺陷，最常见的包括表面装配缺陷（如漏装、混料、错配等）、表面印刷缺陷（如多印、漏印、重印等）以及表面形状缺陷（如崩边、凸起、凹坑等）。由于产品外观缺陷一般情况下种类繁杂，所以检测在机器视觉中的应用中属于相对较难的一类。

    从技术实现难度上来说，识别、定位、测量、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，目前看3D视觉功能是当前机器视觉应用技术中最先进的方向之一。

    随着技术的进步以及应用成本的下降，机器视觉在工业中的渗透率日益提升，整个市场快速发展。2018年全球机器视觉市场规模超88亿美元，预计2019年这一数字将近100亿美元。从国内来看，2018年中国机器视觉市场规模首次超过100亿元，预计2019年市场规模将近125亿元。

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

全球机器视觉下游需求结构

数据来源：公开资料整理

数据来源：公开资料整理

目前国内机器视觉相关公司多分布在长三角和珠三角地区，一般为做系统集成的企业或者做自动化专机的企业；也逐步出现布局中上游、具备较强软件算法能力的企业。3C和汽车是目前机器视觉应用最多的领域，但国内上规模的机器视觉相关企业主要集中在3C行业，在汽车等领进入却不多，原因有：1）3C领域需求更多是非标，需要工程师在现场与客户反复沟通、共同研发，而汽车领域需求标准化程度更高，外资在客观地区性和主观业务选择上更倾向于后者。2）汽车产业在我国发展更早，且产业链的中高端部分基本长期处于寡头垄断格局，下游需求者对产品性能要求高而对价格敏感性相对低，外资企业有技术和品牌优势；而3C产业链是近年随着苹果产业链转移培育起来的，技术迭代快、产业格局相对不固定，国内企业凭借性价比和服务切入更容易。

    随着制造业从机械化向自动化、再向智能化升级的过程中，机器视觉在其中的地位和发挥的作用将越来越重要。而中国作为全球最大的工业制造国，在未来产业升级的过程中将有望释放巨大的机器视觉系统需求。对智能制造至关重要的领域——激光。国内已经出现了诸如大族激光、锐科激光等具备全球或国内竞争力、已经走出来的全产业链或核心零部件企业。

    电子行业贡献了机器视觉近50%左右的需求，主要用于晶圆切割、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锡膏检测、半导体对位和识别等的高精度制造和质量检测。以iPhone为例，其生产全过程就需70套以上系统。未来在全球智能手机、平板电脑和可穿戴设备等消费电子领域的需求有望爆发。

    以3C行业为例，未来行业的机器视觉需求还会持续较快增长，主要需求来自几个方面：1）视觉技术进步（现在好多玻璃、屏的缺陷检测技术上还不能实现）推动适用领域拓宽；2）随着国内智能手机逐渐中高端化带来手机厂商利润率提升，视觉检测在国产手机产线中的应用有望推广开来。

汽车行业贡献了机器视觉15%左右的需求，主要用于车身装配检测、面板印刷质量检测、字符检测、零件尺寸的精密测量、工件表面缺陷检测、自由曲面检测、间隙检测等几乎所有系统和部件的制造流程。目前一条产线大概配备十几个机器视觉系统，未来随着汽车质量把控、汽车智能化、轻量化趋势对检测提出更高要求，对机器视觉技术的需求还会逐步提高。例如，3D视觉系统可以以高精度测量间隙并对准每一辆车，并对装配的所有车门和车身进行全面检测。3D视觉系统还能帮助底盘制造商使货架中车身板件的上架、下架和检测实现自动化，在自动设备拾取缺陷元件之前检测货架上是否存在缺陷元件，从而减少将缺陷元件焊接到一起。

    制药行业贡献了机器视觉7%左右的需求，主要应用在药瓶封装缺陷检测、胶囊封装质量检测、药粒却是检测、生产日期打码检测、药片颜色识别及分拣等。目前大多数企业流水线上有1-2套机器视觉系统，而实际需求至少应该在5处，未来随着制药行业自动化升级改造提速，渗透率会持续提升。

    例如，在药品包装后的检测环节中，可以利用机器视觉快速、准确地检测到对象是否完好无缺，通过设定图像传感器，获取包装后的对象图片信息，通过预先设定的面积参数对每个药粒或者药瓶进行检测对比，这样，破损的药粒或者缺瓶的包装都将被检测出来，正确的正常通过。

    食品及包装也是机器视觉应用的重要下游领域，主要用于高速检测、外观封装检测、食品封装缺漏检测、外观和内部质量检测、分拣与色选等，单条产线用量在不同产品中差异较大。目前机器视觉在大型食品企业（如伊利、蒙牛）中应用较多，而在行业整体的渗透率并不高。

    例如，欧洲鲜货市场广泛使用食品分拣器，一般采用多台摄像机捕获产品整个表面影像。当产品基本为圆形时，在漏洞内设有机构，让产品在摄像机下进行旋转。形状可以根据最大直径和最小直径、比例关系等进行分选。颜色一般根据已扫描的整个表面情况来决定。鉴定方法如简单百分比、强度值直方图、定义最大面积或最小面积等。

    光源是国产化最充分环节。光源的好坏在于对比度、亮度和对位置变化的敏感程度，机器视觉行业主要采用LED光源产品。目前没有通用的机器视觉照明设备，针对每个特定的应用实例有个性化的方案，以达到最佳效果。目前光源行业国产化程度高，竞争比较激烈。

数据来源：公开资料整理

    低端镜头国内企业具备一定竞争力，高端镜头基本依赖进口。镜头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递。工业镜头主要可以分为定焦镜头、定倍镜头、远心镜头、连续变倍镜头等，不同的镜头根据要求应用于不同的工业现场，价格差距也较大。

    工业相机以欧美进口为主，国产品牌从低端市场开始逐步进口替代。工业相机是工业视觉系统的核心部件，其本质功能完成是将光信号转变成电信号的过程，要求更高的传输力、抗干扰力以及稳定的成像能力。

    图像采集卡国内发展较为完善和成熟，也称为视频抓取卡，这个部件通常是一张插在PC上的卡。这张采集卡的作用将摄像头与PC连接起来。它从摄像头中获得数据（模拟信号或数字信号），然后转换成PC能处理的信息。

图像处理软件基本被国外企业垄断，国内企业在二次开发中有所布局。工业视觉软件则对数字信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作，自动完成对图像采集、显示、存储和处理。当前比较流行的开发模式是“软件平台+视觉开发包”，开发包是基于软件平台对常用各种图像处理算法进行了封装，软件工程师可以直接调用封装好的算法实现各种复杂的图像处理功能，降低二次开发难度和工作量。

    国内厂商在集成端发展迅速，尤其是在一些外资还没有布局的领域、或者非标自动化领域如3C等。国内集成厂商单纯进行二次开发利润空间较小，在某一行业下游完成良好布局之后，会尝试逐步向上游底层开发延伸，进行核心软硬件的进口替代。

机器视觉概念在20世纪50年代提出，20世纪80年代开始逐步进入产业化，到2000年后进入快速发展期。经历了近20年的高速增长，我们认为机器视觉仍然是一个有较强成长动力的行业，主要驱动因素来自两个方面，一是对机器代人过程的不断进行、二是技术进步使得更多需求得以释放，前者的底层逻辑主要是人口红利的消失以及人生理能力的局限性，后者的底层逻辑主要是生产过程向更高效、更精确、更优质的进化。

从经济性来看，市场上大多数机器视觉系统单价在3-5万元水平（主要取决于系统的复杂程度，简单的1-3万元，高参数或者3D系统可达20-30万元）。在发达国家，一个典型的10000万美元机器视觉系统应用可以替代3个年工资在20000万美元左右的工人，投入回收期非常短，且后续维护费用较低，具备明显的经济性。随着人工成本上涨、人口红利逐步消失，对经济性的追求将推动机器视觉渗透率快速提升。

    从生产过程中的质量和效率来看，由于人眼天生的物理局限性以及人主观的情绪波动，在高通量、高速率、高精度等的生产环境中，机器视觉优势更加明显，有些需求甚至只有机器视觉才能满足。

数据来源：公开资料整理

    以全球机器视觉龙头康耐视为例，基于在条形码扫描、3D机器视觉以及AI和深度学习等方面的技术进步，其近年来在物流、生物科学等领域的收入快速增长，2018年康耐视将自己的目标市场空间从29亿美元上调到了、010-。