市场概况
　　机器视觉系统，是一种非接触式的光学传感系统。它同时集成软硬件，能够自动地从所采集到的图像中获取信息或者产生控制动作。上世纪八十年代，机器视觉系统开始迅猛发展。用来读取和验证字母，符号和数字的光学字符识别（OCR）系统被首先应用到了工业自动化生产领域。如今具有越来越高的图像质量和图像采集能力的机器视觉系统与采用先进传感器的智能相机正在被广泛关注。
　　2002年全球机器视觉系统的市场规模达到11.3亿美元。预计到2009年可达到26.2亿美元www.cechina.cn，复合增长率可达12.8%。自2003年年中以后，随着欧洲经济逐渐复苏，欧洲机器视觉系统市场开始呈现较快的增长速度。预计到2011年，欧洲机器视觉系统市场将达到约9.5亿美元，复合增长率达到9.6%。北美一直以来都是机器视觉最大的市场，不过近年来随着制造业向亚洲转移，欧美市场的份额稳中有降。而日本作为亚洲最大的机器视觉市场，有渐渐超过欧洲的趋势。亚洲其他国家和地区也呈现出稳中有升的趋势www.cechina.cn，中国和印度现在虽然仍是市场需求很小的国家，但从未来长期来看，其市场规模将会有大的增长（数据摘自：Frost & Sullivan 行业研究报告）。
　　■  电子与电气制造（包含半导体）
　　■  机械工程
　　■  汽车
　　■  食品，饮料，药品和化妆品
　　■  其他（包含木材加工，纸浆和纸产品www.cechina.cn，化工，纺织品等等）
　　在电子制造领域的应用主要是引导机器人进行高精度PCB定位和SMT元件放置，还有表面检测。在机械领域主要是部件识别和在线质量检测，通过反馈控制来提高产品的产量和成品率。在汽车领域主要是装配的在线检测和零部件的离线检测CONTROL ENGINEERING China版权所有，还有表面检测。在食品饮料领域主要有包装检测和分类识别方面的应用。在纸产品领域主要是表面检测和均匀度检测，同时优化生产流程。在医药领域主要是包装检测和标签识别。其他领域主要是部件识别和表面检测方面应用。
　　从事机器视觉相关业务的公司包括有系统部件提供商，系统提供商，系统集成商和咨询服务机构等。大多都是开展地区性业务的中小公司。市场的主要公司有：康耐视（Cognex），欧姆龙（Omron）和西门子（Siemens）等。多数为跨国公司，有些在各地设独资子公司，有些通过分销商和战略伙伴来取得市场。大公司通过分销商或者直接对用户销售，而中小公司通过OEM商和系统集成商来获得客户资源，很少直接销售。市场排名前四位总共约占26%市场份额。

图：机器视觉系统的主要应用领域

　　市场机会
　　严格的质量控制要求
　　近十来年，客户对于产品质量和质量控制的要求越来越高，已经不能接受任何缺陷。伴随着自动化生产线不断扩大产能的要求和质量控制的要求，人工检测不仅麻烦，也越来越变得不可行了。解决的方法就是采用自动检测。自从上世纪七十年代机器视觉系统产品出现以来，其已经逐步向处理复杂检测，引导机器人和自动测量几个方面发展，逐渐地消除了人为因素，降低了错误发生的概率。为了保持产品质量和产量两方面的竞争力，产品产业链上的公司都纷纷采用了机器视觉技术。更快的处理速度和更高的图像采集质量是未来发展趋势。

　　灵活的生产要求
　　在应用领域中，尤其是汽车产业，在生产方面需要更大的灵活性。客户对产品种类多样性的需求导致了生产上对灵活性的要求，比如降低转换生产不同产品所需的时间，多部件同时检测和要求系统具有紧凑性。反映到对机器视觉系统的要求就是可以同时检测多个部件，有效地不停顿地应付产品转换，转换时不需要对程序有大的变动。这个趋势使得机器视觉系统变得一方面对使用者更加方便和友好，另一方面可以高速同时处理多个任务且不影响产品的产量。

　　新的应用领域
　　随着机器视觉系统在工业领域被广泛接受，出现了越来越多的有关新应用领域的报道。像在木材加工，化工和包装等领域，机器视觉系统被越来越多地应用在质量检测，部件识别和自动引导等方面。这个趋势在未来中长期将会带动对机器视觉系统的需求。

　　市场驱动和制约因素
　　中国市场的建议
　　随着对产品质量提高和产量扩大的要求，作为世界工厂的中国也将会在从劳动密集型转向先进的自动化生产过程中，对机器视觉的应用提出需求。不过，中国的机器视觉市场现在还处在初始阶段，还需要经历一段成长的时间，与欧美市场相比还有较大的差距。
　　机器视觉系统市场是一个技术驱动的市场，北美和日本在技术方面具有优势，在这一点上中国和欧洲市场有着相似的地位。如何与跨国公司竞争，参考欧洲中小企业的方法，就是通过OEM商和系统集成商开展业务，进行地区性的经营策略www.cechina.cn，把握住地区性的客户或者合作伙伴。但是从中国现在的情况看，中国大陆的机器视觉公司主要仍是以销售所代理的国外产品来生存，系统集成商的实力现阶段还很不足。而有些具有研发能力的公司，其研发团队缺少自动化生产线方面的应用经验，在