人類通過肉眼來觀察和了解世界，機器感知世界同樣需要配備一雙“眼睛”，而機器視覺檢測系統就是利用機器代替人眼來作各種測量和判斷。

1950年代，圖像處理成為機械工業的一個檢測項目，視覺檢測作為一項生產檢測機制誕生了；1990年代，智能相機的出現使視覺檢測技術得到飛速發展；2000年，數碼相機的發明和普及，使得老式的幀式抓取相機被淘汰......

隨著人工智能技術的不斷發展，自動化需求的不斷擴大，機器視覺以各式各樣的方式融入工業的各個場景。伴隨著智能化、數字化的發展，機器視覺持續“破圈”，已經成為備受全球科技巨頭關注與重點投入的對象。

近日，工業領域高精度智能視覺檢測方案供應商“深度視覺”宣布完成過億元的A輪融資，本輪融資由通用技術創投領投，惠友資本、中關村發展啟航投資、高通創投跟投。

事實上，從2022年開始，就有機器視覺廠商先后陸續獲得融資，包括地標科技、矩視智能、格靈深瞳、領湖智能等廠商，且融資數額基本在千萬級別以上，甚至過億元級別的融資也不再少數。

如今，深度視覺獲得高額融資的背后，似乎也在預示著這一行業的潛力正在釋放。

低調崛起的深度視覺

深度視覺成立于2017年，從這個時間段來看，與國內人工智能市場的發展以及工業制造業數字化轉型的時機剛好相符。

根據國外調研機構Markets and Markets 的統計數據，2011年-2017年，全球機器視覺市場規模持續增長，2017年已突破80億美元。有研究報告指 出，2011年至2017年，我國機器視覺行業市場規模從10.8億元增長至80億元，年均復合增長率近40%。

中國制造正從“制造大國”向“制造強國”轉型升級，人工智能、機器視覺作為實現中國制造2025的核心技術正處于制造產業的風口浪尖，越來越多的現代工業生產商，正在使用計算機視覺技術，檢查工業產品問題，提升質量。

尤其在一些不適合于人工作業的危險工作環境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺，同時在大批量工業生產過程中，用人工視覺檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。

深度視覺作為一家工業領域高精度智能視覺檢測方案供應商，擁有智能AI相機&3D相機整機的自主研發能力、光學設計能力、多重算法庫的研發能力、FPGA平臺圖像采集處理系統的研發能力及自動化設備的設計制造能力，其一體化檢測設備已經應用于多個工業細分領域。

在技術上，深度視覺進行了圖像采集-數據分析-設備一體化的產品布局。在圖像采集層面，深度視覺進行了特殊的光源和光路的設計，以及光學透鏡組的設計，解決了金屬零件表面高反光帶來的過度曝光問題，同時通過明場和暗場結合的方式，滿足了機加工零部件及汽車零部件特殊位置的圖像拍攝要求。

在數據分析層面，與傳統的視覺檢測設備依靠工控機進行集中式運算不同，深度視覺采用了分布式運算的方式，這樣做的好處是可以將整臺設備的算力更好的分配，完成在不同光照條件下對目標進行多次檢測，提高檢測精度。

目前深度視覺的客戶已經超過300家，其中包括舍弗勒集團、不二越、人本集團、五洲新春等國內外知名企業。產品年出貨量為近千臺，且均為直銷渠道，這樣可以使深度視覺更好地理解客戶需求并快速迭代產品。此外，深度視覺也正在建設自己的生產基地。

自成立以來，深度視覺也屢獲資本的關注。據天眼查數據顯示，截止至今，深度視覺共收獲4輪融資，通用創投、惠友資本、高通風投、紅杉基金等多家知名機構紛紛融資，其中，最近一輪融資金額超億元。

不過，隨著越來越多的新進者和潛在競爭者參與其中，整個市場由藍海向紅海過渡的趨勢逐漸加重，而深度視覺及整個行業也在面臨一些不確定挑戰。

工業視覺檢測或將成為“新基建”下一發力點？

作為工業生產線機器設備的重要感知部分，在近年來工業4.0的升級中，工業視覺技術作為核心技術單元之一產業化進展迅速，目前加速在多個制造行業中滲透，整個產業鏈規模也呈現加速擴容的情形。

據GGII數據顯示，隨著機器視覺技術在工業領域的廣泛應用，預計到2023年我國機器視覺市場規模將達到208.6億元，其中3D視覺市場規模將達到34.28億元；預計至2025年我國3D視覺市場規模將超過100億元。

當車間逐漸實現生產流程的優化和精益化，工業檢測成為大廠必爭之地。巨頭們攜帶自己磨煉許久的深度學習能力悉數入場，希望存量和增量市場用到自己的先進技術。

在中國工業質檢市場，百度智能云占據最大份額，在3C行業的固定點位缺陷檢測（比如寧德時代電池質檢）、鋼鐵行業的中厚板檢測、紡織行業的智能驗布領域都提供了相應的解決方案。

阿里工業大腦「見遠」已經應用在電池片瑕疵檢測、蠶絲瑕疵、道路裂縫檢測、垃圾分類、智能養殖等多個領域；騰訊也攜帶著在華星光電、空客積累的一些工業視覺智能能力，深入其他制造領域。

隨著智能制造、精密加工對生產標準提出要求，工業視覺也面臨著更嚴格的考驗，這些變化使得工業視覺的應用場景被打開，并加速了其在制造業的廣泛落地。

但由于工業行業種類繁多，技術壁壘和場景不同，大部分廠商基本都是從某個垂直領域切入，硬件技術能力有限，不斷崛起的AI技術可以滿足部分高精準的檢測需求，在一定程度上滿足了硬件的不足，但對于深度視覺等廠商而言，工業視覺檢測發展之路還存在一定的問題。

目前的視覺檢測市場中，參與的廠商都在進行價格內卷，無論是為了后期的融資還是搶占市場，都在一定程度上對市場秩序造成破壞，低價下的用戶體驗無法保證。對于潛在的種子客戶來說，影響其自動化改造的阻礙之一就是對于成本的考量。

于一些需要采購產品的廠商而言，前期的產品量需求比較少，無法通過邊際效益來分攤產品成本，而市場中很大一部分潛在用戶都是對價格以及供應鏈敏感的用戶，處于初期發展的工業視覺檢測產品撬動市場比較困難。

千行百業的產線定制化需求使得設備具備非標性，通用性差，對于工廠來說不同的業務場景、生產環節，甚至不同工廠之間的需求都不盡相同，制造過程中的多品種、小批量影響企業的改造難度。設備交付之后還需要經過一段時間的調試，最終與產線適配才可以，存在一定的周期影響著企業的自動化改造積極性。

縱觀當下，隨著制造業數字化、智能化轉型的趨勢成為明確方向，包括供應鏈、生產鏈在內的生產流程數字化轉型也成為未來的大方向，工業視覺檢測也逐漸成為制造企業必不可少的一環。

作為已經深耕制造業工業視覺檢測領域多年的深度視覺，或許能在這場工業升級的大浪潮之下享受到市場帶來的紅利，同時，工業視覺檢測也將在大趨勢下賦能制造業升級。

來源：新工業洞察