人类通过肉眼来观察和了解世界，机器感知世界同样需要配备一双“眼睛”，而机器视觉检测系统就是利用机器代替人眼来作各种测量和判断。
1950年代，图像处理成为机械工业的一个检测项目，视觉检测作为一项生产检测机制诞生了；1990年代，智能相机的出现使视觉检测技术得到飞速发展；2000年，数码相机的发明和普及，使得老式的帧式抓取相机被淘汰．．．．．．
随着人工智能技术的不断发展，自动化需求的不断扩大，机器视觉以各式各样的方式融入工业的各个场景。伴随着智能化、数字化的发展，机器视觉持续“破圈”，已经成为备受全球科技巨头关注与重点投入的对象。
近日，工业领域高精度智能视觉检测方案供应商“深度视觉”宣布完成过亿元的A轮融资，本轮融资由通用技术创投领投，惠友资本、中关村发展启航投资、高通创投跟投。
事实上，从2022年开始，就有机器视觉厂商先后陆续获得融资，包括地标科技、矩视智能、格灵深瞳、领湖智能等厂商，且融资数额基本在千万级别以上，甚至过亿元级别的融资也不再少数。
如今，深度视觉获得高额融资的背后，似乎也在预示着这一行业的潜力正在释放。
低调崛起的深度视觉
深度视觉成立于2017年，从这个时间段来看，与国内人工智能市场的发展以及工业制造业数字化转型的时机刚好相符。
根据国外调研机构Markets and Markets 的统计数据，2011年－2017年，全球机器视觉市场规模持续增长，2017年已突破80亿美元。有研究报告指 出，2011年至2017年，我国机器视觉行业市场规模从10．8亿元增长至80亿元，年均复合增长率近40％。
中国制造正从“制造大国”向“制造强国”转型升级，人工智能、机器视觉作为实现中国制造2025的核心技术正处于制造产业的风口浪尖，越来越多的现代工业生产商，正在使用计算机视觉技术，检查工业产品问题，提升质量。
尤其在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉，同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。
深度视觉作为一家工业领域高精度智能视觉检测方案供应商，拥有智能AI相机＆3D相机整机的自主研发能力、光学设计能力、多重算法库的研发能力、FPGA平台图像采集处理系统的研发能力及自动化设备的设计制造能力，其一体化检测设备已经应用于多个工业细分领域。
在技术上，深度视觉进行了图像采集－数据分析－设备一体化的产品布局。在图像采集层面，深度视觉进行了特殊的光源和光路的设计，以及光学透镜组的设计，解决了金属零件表面高反光带来的过度曝光问题，同时通过明场和暗场结合的方式，满足了机加工零部件及汽车零部件特殊位置的图像拍摄要求。
在数据分析层面，与传统的视觉检测设备依靠工控机进行集中式运算不同，深度视觉采用了分布式运算的方式，这样做的好处是可以将整台设备的算力更好的分配，完成在不同光照条件下对目标进行多次检测，提高检测精度。
目前深度视觉的客户已经超过300家，其中包括舍弗勒集团、不二越、人本集团、五洲新春等国内外知名企业。产品年出货量为近千台，且均为直销渠道，这样可以使深度视觉更好地理解客户需求并快速迭代产品。此外，深度视觉也正在建设自己的生产基地。
自成立以来，深度视觉也屡获资本的关注。据天眼查数据显示，截止至今，深度视觉共收获4轮融资，通用创投、惠友资本、高通风投、红杉基金等多家知名机构纷纷融资，其中，最近一轮融资金额超亿元。
不过，随着越来越多的新进者和潜在竞争者参与其中，整个市场由蓝海向红海过渡的趋势逐渐加重，而深度视觉及整个行业也在面临一些不确定挑战。
工业视觉检测或将成为“新基建”下一发力点？
作为工业生产线机器设备的重要感知部分，在近年来工业4．0的升级中，工业视觉技术作为核心技术单元之一产业化进展迅速，目前加速在多个制造行业中渗透，整个产业链规模也呈现加速扩容的情形。
据GGII数据显示，随着机器视觉技术在工业领域的广泛应用，预计到2023年我国机器视觉市场规模将达到208．6亿元，其中3D视觉市场规模将达到34．28亿元；预计至2025年我国3D视觉市场规模将超过100亿元。
当车间逐渐实现生产流程的优化和精益化，工业检测成为大厂必争之地。巨头们携带自己磨炼许久的深度学习能力悉数入场，希望存量和增量市场用到自己的先进技术。
在中国工业质检市场，百度智能云占据最大份额，在3C行业的固定点位缺陷检测（比如宁德时代电池质检）、钢铁行业的中厚板检测、纺织行业的智能验布领域都提供了相应的解决方案。
阿里工业大脑「见远」已经应用在电池片瑕疵检测、蚕丝瑕疵、道路裂缝检测、垃圾分类、智能养殖等多个领域；腾讯也携带着在华星光电、空客积累的一些工业视觉智能能力，深入其他制造领域。
随着智能制造、精密加工对生产标准提出要求，工业视觉也面临着更严格的考验，这些变化使得工业视觉的应用场景被打开，并加速了其在制造业的广泛落地。
但由于工业行业种类繁多，技术壁垒和场景不同，大部分厂商基本都是从某个垂直领域切入，硬件技术能力有限，不断崛起的AI技术可以满足部分高精准的检测需求，在一定程度上满足了硬件的不足，但对于深度视觉等厂商而言，工业视觉检测发展之路还存在一定的问题。
目前的视觉检测市场中，参与的厂商都在进行价格内卷，无论是为了后期的融资还是抢占市场，都在一定程度上对市场秩序造成破坏，低价下的用户体验无法保证。对于潜在的种子客户来说，影响其自动化改造的阻碍之一就是对于成本的考量。
于一些需要采购产品的厂商而言，前期的产品量需求比较少，无法通过边际效益来分摊产品成本，而市场中很大一部分潜在用户都是对价格以及供应链敏感的用户，处于初期发展的工业视觉检测产品撬动市场比较困难。
千行百业的产线定制化需求使得设备具备非标性，通用性差，对于工厂来说不同的业务场景、生产环节，甚至不同工厂之间的需求都不尽相同，制造过程中的多品种、小批量影响企业的改造难度。设备交付之后还需要经过一段时间的调试，最终与产线适配才可以，存在一定的周期影响着企业的自动化改造积极性。
纵观当下，随着制造业数字化、智能化转型的趋势成为明确方向，包括供应链、生产链在内的生产流程数字化转型也成为未来的大方向，工业视觉检测也逐渐成为制造企业必不可少的一环。
作为已经深耕制造业工业视觉检测领域多年的深度视觉，或许能在这场工业升级的大浪潮之下享受到市场带来的红利，同时，工业视觉检测也将在大趋势下赋能制造业升级。
来源：新工业洞察
