(一)机器视觉行业由 2D 机器视觉向 3D 机器视觉升级趋势目前，2D 目标检测算法不断成熟，无论是精度还是检测速度都已达到较高的水准，在制造业领域已经取得广泛的应用，但由于 2D 视觉检测无法获得物体的空间坐标信息，所以存在包括不支持与形状相关的测量，无法区分相同颜色物体之间的特征或具有接触侧的物体之间的位置，同时特别依赖于光照和颜色/灰度的变化，测量精度易受照明环境的影响等检测缺点

相比之下，3D 机器视觉可以测量包括高度、角度、平面度、厚度体积、颜色相近表面等信息，通过更丰富的数据采集获取物体的三维图像。3D 测量技术可以根据以上测量数据设置公差，进而以超出公差为标准检测缺陷，同时可以持续储存产品缺陷的相关测量数据，并对数据进行量化分析以优化和改进前端的制造工艺，提高生产效率。此外，3D 机器视觉还具备高测量稳定性、高精度及可重复性等优势近年来，随着工业化及智能制造的大力发展对精确度的要求越来越高3D 机器视觉检测应用范围愈发广阔，目前机器视觉技术及产品由 2D向 3D 迈进已逐步成为行业的主要发展趋势之一。

(二)机器视觉行业人工智能深度学习+机器视觉的技术发展趋势

传统的基于规则的机器视觉系统可以高精度地每分钟检查数百甚至数千个零件，但系统仍是通过逐步过滤和基于基本规则的算法运行的。而深度学习算法使用了卷积神经网络，利用卷积层提取出图像特征，而卷积层的参数并非全部由人工设计而是通过数据训练所得。机器视觉系统与其结合后，将会形成以下几个优点: 1) 克服视觉应用程序难以使用基于规则的算法，进而进行编程: 2) 维护应用程序并在工厂车间重新训练新的图像数据: 3) 无需重新编程核心网络即可适应新的示例:4)处理迷惑性较高的背景和零件外观的变化等

近年来，得益于计算能力的提高和大规模数据集的出现，AI 技术本身以及各类商业解决方案已日臻成熟，正在快速进入工业化阶段人工智能深度学习+机器视觉可以帮助机器视觉设备快速进行图像分类

目标检测和分割，且已越来越多的应用在 3D 机器视觉中，成为业内公认的未来主流发展趋势之一

（三)机器视觉行业技术提升带来的渗透率提升及加速进口替代

的趋势受益于光源系统、图像处理系统以及相机等软硬件领域的技术持续提升，机器视觉设备的成本端呈现逐年下降趋势。在同等价格甚至性价比更高的条件下，机器视觉设备可以提供更多更快的图像数据传输、更先进的软件算法，实现数字化、实时化和智能化的性能提升。

性价比的提高加大了机器视觉设备的市场渗透率，同时，国内企业在地域性及客户服务上相较于境外企业有明显优势，随着国产机器视觉设备逐渐成熟，原先机器视觉行业较高的进口依存度为进口替代带来广阔的空间