5G+工业视觉生态现状与发展建议

杜 斌 周 洁

中国信息通信研究院 北京 100191

引言

5G将开启万物互联的新时代，同时，作为第四次工业革命的重要基石，工业互联网是5G最重要的应用场景，5G+工业互联网已经成为重要的探索方向[1]。2021年7月工业和信息化部等十部门共同出台《5G应用“扬帆”行动计划(2021-2023年)》，明确了未来三年重点行业5G应用发展方向，并指出要推进5G模组与机器视觉等工业终端的深度融合[2]。

5G+工业视觉是指通过5G网络将现场由光学装置和非接触传感器自动采集的真实物体图像传送到云端计算及处理平台，并根据平台的分析结果，将控制信息传递到控制系统实现反向控制。目前，5G+工业视觉已成为工业领域最为广泛的应用之一，广泛应用于电子制造、半导体、轨道交通、印刷包装、锂电池、卷烟、光伏以及汽车制造等行业领域[3]的安防监控、质量检测、自动分拣等场景。本文从技术、产业两个维度对5G+工业视觉应用面临的问题进行深度剖析，归纳出制约其规模化发展的核心问题，并给出推动5G+工业视觉发展的建议。

1 5G+工业视觉应用及产业发展现状

1.1 5G+工业视觉应用发展现状

按照最终应用目的的不同，5G+工业视觉可分为5G+目标识别、5G+定位引导、5G+测量标定、5G+质量检测4大类应用，涉及8种细分应用场景，如表1所示。从技术成熟度及商业前景分析，固定少接入、移动少接入、定位引导、温度测量、尺寸测量、大缺陷检测6种应用类型技术可复制且商业可推广；固定多接入、小缺陷检测等2种应用类型技术待优化但商业价值高。

表1 5G+工业视觉典型应用概览

5G+目标识别：通过5G网络将采集的图片或视频上传至云端计算及处理平台，经过云端处理实现对目标对象(如人脸、设备标签等)识别，根据识别结果选择性地开展后续处理流程。按照接入终端的数量和运动状态，可细分为固定多接入、固定少接入、移动少接入3种应用场景。其中固定多接入场景，考虑4K/8K等超高清摄像头的应用以及终端接入数量的增加，5G单小区上行带宽不足，需要通过提高图像压缩比例和5G上行增强等技术，才可实现规模化应用；固定少接入场景受限于终端设备5G升级改造费用高，未能形成规模化应用；移动少接入场景中机器人巡检等服务可以规模化应用，但无人机巡检受到空域管制限制，目前无法规模商用。

5G+定位引导：通过5G网络将采集的图片或视频上传至云端计算及处理平台，经过云端处理获取特定对象的位置信息，实现引导机械手臂进行抓取/放置、辅助无人车辆对障碍物识别等功能。定位引导场景已经在货运机器人、工业机械臂等场景完成试点应用，由于工业机器人市场碎片化、产品种类多且规模小，因此规模化商用困难。

5G+测量标定：通过5G网络将采集的图片或视频上传至云端计算及处理平台，经过云端处理把获取的图像像素信息转换为温度或几何尺寸。根据测量对象的不同，可细分为温度测量、尺寸测量2种应用场景，5G网络能力均能够满足其应用需求，但由于应用较分散、行业碎片化、规模较小且系统升级改造费用高，目前暂未能形成规模化应用。

5G+质量检测：通过5G网络将采集的图片或视频上传至云端计算及处理平台，经过云端处理识别产品缺陷，提升产品质量和检测效率。根据缺陷面积占整幅图片比例可细分为大缺陷检测、小缺陷检测2种应用场景，其中大缺陷检测应用场景技术已能满足，但由于原有系统改造费用昂贵，投入产出比低，未能形成规模应用；小缺陷检测场景主要集中在制造领域，对图像像素完整性要求高，一般不进行图像压缩，上行通信需求通常在500Mb/s以上，现有5G网络尚无法满足。

1.2 5G+工业视觉产业范畴及发展现状

5G+工业视觉产业主要由视觉器件、视觉部件、5G网络、处理平台、解决方案及视觉处理算法六大领域组成，涉及12个细分领域，如图1所示。其中，产业竞争的核心是视觉器件及视觉处理算法。

图1 5G+工业视觉产业范畴

视觉器件是5G+工业视觉终端系统的底层核心，实现图像的采集、传输、处理与决策等功能，主要包括图像传感器、视觉处理芯片、5G芯片、5G模组四大部分，是系统的硬核心。其中图像传感器直接决定图像采集质量和速度，由于我国在产品设计和质量上与国外相差较大，目前国内市场主要由国外企业占据。视觉处理芯片为视觉处理算法提供基础算力平台，按照部署位置的不同分为终端侧与平台侧两大类。其中，终端侧芯片中/低端型号已基本实现国产替代，但高端型号依然以国外企业占有为主。平台侧芯片由于性能要求较高，国内替代产品尚不能满足应用需求，市场长期被美国企业把持。5G芯片为5G模组或终端提供符合5G标准的调制/解调能力，国内外市场主要份额均被高通把持。5G模组是5G+工业视觉信息传输的基础，据GSA统计数据显示，我国5G模组型号款数全球占比超过80%，占据市场主导地位，但现在5G模组呈现市场碎片、细分市场容量受限等因素影响，存在价格高、规模化推广难的问题。

视觉处理算法决定了5G+工业视觉的功能和性能，通过对数字图像进行处理，达到目标识别、定位引导、测量标定、质量检测等目的，是系统的软核心。根据算法功能不同，视觉处理算法包含编解码算法、传统图像处理算法和人工智能图像处理算法三大类；根据应用需求及终端芯片能力，算法可部署在视觉部件或云端平台上。视频编解码算法是通过消除邻近帧间的相关冗余数据，实现数据压缩，达到减少传输带宽目的。目前主流编解码算法是H.264/265和我国自主研发的AVS(音视频编码标准)。传统图像处理算法通过降噪、分割、提取特征等传统方式，实现数字图像处理。国外凭借几十年的自动化进程的培育，算法积累成熟，性能优化充分；而国内工业自动化进程时间不长，算法积累处于起步阶段，落后于国外。人工智能处理算法是基于神经网络的深度学习在图像处理领域的具体应用，通过海量的训练数据和算法模型，积累实际场景下的目标特征，实现数字图像处理。国外企业基础算法原理能力强，新兴的算法框架、模型结构领先国内，并且通过开源的方式建立了良好的生态；国内应用场景丰富，市场容量大，在算法训练和素材上具有优势。

视觉部件是5G+机器视觉的终端实现形态，包含工业相机、视频监控摄像机、智能相机、5G智能网关等设备。其中工业相机主要实现图片采集和传输，国内企业主要布局于中/低端市场，国内市场份额占比超过50%，正逐步实现进口替代；但在高分辨率、高速的高端领域仍以进口品牌为主。视频监控摄像机通过视频摄像头，对目标进行实时监控，目前在向AI智能方向发展。2020年全球视频监控摄像机发货量约为1.6亿台，其中国内企业发货量占比约60%[4]，海康、大华两家企业合计占有全球市场45%的份额。智能相机集图片采集、处理及通信于一体，已成为工业相机发展的趋势。凭借着终端算法优势，以康耐视、基恩士为代表的国外企业占据国内半数以上市场份额。5G智能网关是传统视频终端进行5G传输的中枢，依托国内5G模组的市场主导地位，当前国内技术领先于国外。

云处理平台是5G+工业视觉算法训练、推理和执行中枢，为5G+工业视觉图像推理和训练提供更高的算力和更大的存储空间，解决了传统机器视觉本地处理算力不足的问题。按照云平台部署位置的不同，可分为中心云和边缘云平台，国内外厂商在云平台上竞争激烈。

解决方案通过系统集成视觉器件、视觉处理算法、视觉部件、传输网络、平台等环节，为行业客户提供整体打包方案，是5G+工业视觉最终体现和交付方式。依据应用行业的不同可分为工业系统集成和视频监控系统集成两大类。其中，工业系统集成主要应用于电子和汽车制造行业的质量检测、部件组装等应用，国外企业凭借系统集成和品牌优势占据主导；国内企业主要集中在国外企业尚未布局的面板、光伏以及锂电等领域，产品的技术竞争力较低，利润空间较小。视频监控系统集成主要应用在工业园区和厂房的安防监控领域，海外市场头部企业效应明显，国内企业尚未进入前十，且受国际标准认证和专利制约，出海受阻；国内市场基本由本土企业占据。

2 5G+工业视觉发展面临的挑战

现阶段，智能制造、交通、安防等行业领域积极探索5G+工业视觉在安防监控、质量检测、自动分拣等场景的应用，但5G+工业视觉应用距离规模化复制推广还有一定差距，在应用及产业发展方面还面临一系列问题。

2.1 5G+工业视觉应用发展面临的问题

5G+工业视觉在应用发展方面主要面临以下三个问题。

1)5G终端研发及使用成本高。5G模组是5G+工业视觉终端的基本组成部分，其成本60%以上来源于芯片，国外芯片企业对于研发适配于5G+工业视觉的精简化5G芯片意愿较低，国内芯片企业在工业5G芯片研发方面能力受限且投入不足，以上因素导致5G模组成本居高不下。同时，现有5G模组只具备调制功能，内部存储器容量、接口数量和种类均较少，和现有视觉处理芯片互联互通难度大，致使5G视频部件产业发展缓慢。

2)5G网络和应用落地需相互促进。目前，5G网络建设主要覆盖消费领域。在行业应用区域(工厂园区、矿山、码头等)，由于商业模式不清晰和实际落地应用少等原因，基础电信运营商网络建设缓慢，潜在行业客户处于无网可用状态，严重制约了5G+工业视觉应用的规模化推广。

3)应用方案定制化、成本高。国内工业视觉应用场景繁多，但由于缺少图像处理通用算法库，解决方案商多通过定制化方案，满足客户需求，自给自足的现状导致解决方案难以形成规模化效应，致使5G+工业视觉应用成本高，可复制性差。

2.2 5G+工业视觉产业发展面临的问题

5G+工业视觉在产业发展方面主要面临以下两个问题。

1)视觉处理芯片随时可能出现断供风险。终端侧海思芯片占据80%以上的中/低端市场份额，存在由于国际局势导致供应链出现问题的风险，甚至引发国产化替代进程倒退；平台侧芯片是人工智能处理算法的搭载平台，长期被美国厂商(Intel、AMD、英伟达等)把持，随时可能出现断供风险，致使我国机器视觉产业出现“缺芯少魂”的局面。

2)图像处理算法国内发展制约因素众多。传统图像处理算法优化需要借助操作系统和CPU架构的指令集，采用底层机器语言进行算法转换，由于缺乏自主研发的终端操作系统和CPU架构，致使整体优化能力严重不足。同时，完全的市场行为导致刚起步的国内算法厂商缺乏竞争力，形成恶性循环，致使通用算法库缺乏大量应用的迭代，应用适应性差。人工智能处理算法研发主要依靠对主流神经网络和框架支持的专用开发工具，需要视觉处理芯片厂商在配套软件上做大量的投入，而国产芯片厂商由于起步较晚，软硬件生态严重落后国外，加上配套软件投入不够，致使在芯片的易用性上存在严重不足，致使人工智能处理算法研发缓慢。

3 下一步推进的路径建议

1)聚焦核心痛点环节，拉通产业集中突破。一是通过政策支持，鼓励政府与行业龙头企业、科研机构以合作生态的方式建立关键技术试验验证环境，提供通用芯片、终端及应用解决方案的测试验证环境，提升产品性能和管控质量，降低企业研发成本。二是鼓励企业加大对算法原理、操作系统和软件平台架构的研发投入，打破视觉处理算法落后于国外的局面。

2)构建应用生态，降低定制化成本。一是建立工业视觉通用算法库，依托国内应用场景丰富、算法训练素材充足的产业生态现状，开展通用算法库更新迭代，减低行业准入门槛，扩展5G+工业视觉应用规模。二是建立精简化5G芯片生态，对现有5G芯片进行裁剪，研发适用国内市场的精简化5G芯片，同时研发5G+工业视觉专用模组，降低视觉部件5G升级改造费用，助力5G+工业视觉规模化落地。三是鼓励基础电信运营商根据行业客户需求，扩大建网规模、深度覆盖，加大行业客户用网和开展5G+工业视觉应用的意愿，实现双赢。

3)构建标准体系，提升产品质量。一是面向5G+工业视觉，构建终端模组、多接入边缘计算MEC、安全和应用标准体系，依托国内庞大的市场需求和完善的5G网络环境，开展标准验证工作，逐步推向国际标准。二是建立国家级5G+工业视觉检测认证中心，构建具有国际影响力的质量认证体系，打造自主认证权威品牌。

4 结语

5G商用两年以来，我国5G应用探索与实践广度、深度不断加强，应用场景逐渐丰富，应用项目梯次商用，实现从“0”到“1”的突破，进入规模化复制推广的关键阶段。本文重点研究分析5G+工业视觉领域技术及产业方面的发展现状及面临的重点问题，旨在为进一步规模化复制推广奠定基础。