5G+工業視覺生態現狀與發展建議

杜 斌 周 潔

中國信息通信研究院 北京 100191

引言

5G將開啟萬物互聯的新時代，同時，作為第四次工業革命的重要基石，工業互聯網是5G最重要的應用場景，5G+工業互聯網已經成為重要的探索方向[1]。2021年7月工業和信息化部等十部門共同出臺《5G應用“揚帆”行動計劃(2021-2023年)》，明確了未來三年重點行業5G應用發展方向，并指出要推進5G模組與機器視覺等工業終端的深度融合[2]。

5G+工業視覺是指通過5G網絡將現場由光學裝置和非接觸傳感器自動采集的真實物體圖像傳送到云端計算及處理平臺，并根據平臺的分析結果，將控制信息傳遞到控制系統實現反向控制。目前，5G+工業視覺已成為工業領域最為廣泛的應用之一，廣泛應用于電子制造、半導體、軌道交通、印刷包裝、鋰電池、卷煙、光伏以及汽車制造等行業領域[3]的安防監控、質量檢測、自動分揀等場景。本文從技術、產業兩個維度對5G+工業視覺應用面臨的問題進行深度剖析，歸納出制約其規模化發展的核心問題，并給出推動5G+工業視覺發展的建議。

1 5G+工業視覺應用及產業發展現狀

1.1 5G+工業視覺應用發展現狀

按照最終應用目的的不同，5G+工業視覺可分為5G+目標識別、5G+定位引導、5G+測量標定、5G+質量檢測4大類應用，涉及8種細分應用場景，如表1所示。從技術成熟度及商業前景分析，固定少接入、移動少接入、定位引導、溫度測量、尺寸測量、大缺陷檢測6種應用類型技術可復制且商業可推廣；固定多接入、小缺陷檢測等2種應用類型技術待優化但商業價值高。

表1 5G+工業視覺典型應用概覽

5G+目標識別：通過5G網絡將采集的圖片或視頻上傳至云端計算及處理平臺，經過云端處理實現對目標對象(如人臉、設備標簽等)識別，根據識別結果選擇性地開展后續處理流程。按照接入終端的數量和運動狀態，可細分為固定多接入、固定少接入、移動少接入3種應用場景。其中固定多接入場景，考慮4K/8K等超高清攝像頭的應用以及終端接入數量的增加，5G單小區上行帶寬不足，需要通過提高圖像壓縮比例和5G上行增強等技術，才可實現規模化應用；固定少接入場景受限于終端設備5G升級改造費用高，未能形成規模化應用；移動少接入場景中機器人巡檢等服務可以規模化應用，但無人機巡檢受到空域管制限制，目前無法規模商用。

5G+定位引導：通過5G網絡將采集的圖片或視頻上傳至云端計算及處理平臺，經過云端處理獲取特定對象的位置信息，實現引導機械手臂進行抓取/放置、輔助無人車輛對障礙物識別等功能。定位引導場景已經在貨運機器人、工業機械臂等場景完成試點應用，由于工業機器人市場碎片化、產品種類多且規模小，因此規模化商用困難。

5G+測量標定：通過5G網絡將采集的圖片或視頻上傳至云端計算及處理平臺，經過云端處理把獲取的圖像像素信息轉換為溫度或幾何尺寸。根據測量對象的不同，可細分為溫度測量、尺寸測量2種應用場景，5G網絡能力均能夠滿足其應用需求，但由于應用較分散、行業碎片化、規模較小且系統升級改造費用高，目前暫未能形成規模化應用。

5G+質量檢測：通過5G網絡將采集的圖片或視頻上傳至云端計算及處理平臺，經過云端處理識別產品缺陷，提升產品質量和檢測效率。根據缺陷面積占整幅圖片比例可細分為大缺陷檢測、小缺陷檢測2種應用場景，其中大缺陷檢測應用場景技術已能滿足，但由于原有系統改造費用昂貴，投入產出比低，未能形成規模應用；小缺陷檢測場景主要集中在制造領域，對圖像像素完整性要求高，一般不進行圖像壓縮，上行通信需求通常在500Mb/s以上，現有5G網絡尚無法滿足。

1.2 5G+工業視覺產業范疇及發展現狀

5G+工業視覺產業主要由視覺器件、視覺部件、5G網絡、處理平臺、解決方案及視覺處理算法六大領域組成，涉及12個細分領域，如圖1所示。其中，產業競爭的核心是視覺器件及視覺處理算法。

圖1 5G+工業視覺產業范疇

視覺器件是5G+工業視覺終端系統的底層核心，實現圖像的采集、傳輸、處理與決策等功能，主要包括圖像傳感器、視覺處理芯片、5G芯片、5G模組四大部分，是系統的硬核心。其中圖像傳感器直接決定圖像采集質量和速度，由于我國在產品設計和質量上與國外相差較大，目前國內市場主要由國外企業占據。視覺處理芯片為視覺處理算法提供基礎算力平臺，按照部署位置的不同分為終端側與平臺側兩大類。其中，終端側芯片中/低端型號已基本實現國產替代，但高端型號依然以國外企業占有為主。平臺側芯片由于性能要求較高，國內替代產品尚不能滿足應用需求，市場長期被美國企業把持。5G芯片為5G模組或終端提供符合5G標準的調制/解調能力，國內外市場主要份額均被高通把持。5G模組是5G+工業視覺信息傳輸的基礎，據GSA統計數據顯示，我國5G模組型號款數全球占比超過80%，占據市場主導地位，但現在5G模組呈現市場碎片、細分市場容量受限等因素影響，存在價格高、規模化推廣難的問題。

視覺處理算法決定了5G+工業視覺的功能和性能，通過對數字圖像進行處理，達到目標識別、定位引導、測量標定、質量檢測等目的，是系統的軟核心。根據算法功能不同，視覺處理算法包含編解碼算法、傳統圖像處理算法和人工智能圖像處理算法三大類；根據應用需求及終端芯片能力，算法可部署在視覺部件或云端平臺上。視頻編解碼算法是通過消除鄰近幀間的相關冗余數據，實現數據壓縮，達到減少傳輸帶寬目的。目前主流編解碼算法是H.264/265和我國自主研發的AVS(音視頻編碼標準)。傳統圖像處理算法通過降噪、分割、提取特征等傳統方式，實現數字圖像處理。國外憑借幾十年的自動化進程的培育，算法積累成熟，性能優化充分；而國內工業自動化進程時間不長，算法積累處于起步階段，落后于國外。人工智能處理算法是基于神經網絡的深度學習在圖像處理領域的具體應用，通過海量的訓練數據和算法模型，積累實際場景下的目標特征，實現數字圖像處理。國外企業基礎算法原理能力強，新興的算法框架、模型結構領先國內，并且通過開源的方式建立了良好的生態；國內應用場景豐富，市場容量大，在算法訓練和素材上具有優勢。

視覺部件是5G+機器視覺的終端實現形態，包含工業相機、視頻監控攝像機、智能相機、5G智能網關等設備。其中工業相機主要實現圖片采集和傳輸，國內企業主要布局于中/低端市場，國內市場份額占比超過50%，正逐步實現進口替代；但在高分辨率、高速的高端領域仍以進口品牌為主。視頻監控攝像機通過視頻攝像頭，對目標進行實時監控，目前在向AI智能方向發展。2020年全球視頻監控攝像機發貨量約為1.6億臺，其中國內企業發貨量占比約60%[4]，海康、大華兩家企業合計占有全球市場45%的份額。智能相機集圖片采集、處理及通信于一體，已成為工業相機發展的趨勢。憑借著終端算法優勢，以康耐視、基恩士為代表的國外企業占據國內半數以上市場份額。5G智能網關是傳統視頻終端進行5G傳輸的中樞，依托國內5G模組的市場主導地位，當前國內技術領先于國外。

云處理平臺是5G+工業視覺算法訓練、推理和執行中樞，為5G+工業視覺圖像推理和訓練提供更高的算力和更大的存儲空間，解決了傳統機器視覺本地處理算力不足的問題。按照云平臺部署位置的不同，可分為中心云和邊緣云平臺，國內外廠商在云平臺上競爭激烈。

解決方案通過系統集成視覺器件、視覺處理算法、視覺部件、傳輸網絡、平臺等環節，為行業客戶提供整體打包方案，是5G+工業視覺最終體現和交付方式。依據應用行業的不同可分為工業系統集成和視頻監控系統集成兩大類。其中，工業系統集成主要應用于電子和汽車制造行業的質量檢測、部件組裝等應用，國外企業憑借系統集成和品牌優勢占據主導；國內企業主要集中在國外企業尚未布局的面板、光伏以及鋰電等領域，產品的技術競爭力較低，利潤空間較小。視頻監控系統集成主要應用在工業園區和廠房的安防監控領域，海外市場頭部企業效應明顯，國內企業尚未進入前十，且受國際標準認證和專利制約，出海受阻；國內市場基本由本土企業占據。

2 5G+工業視覺發展面臨的挑戰

現階段，智能制造、交通、安防等行業領域積極探索5G+工業視覺在安防監控、質量檢測、自動分揀等場景的應用，但5G+工業視覺應用距離規模化復制推廣還有一定差距，在應用及產業發展方面還面臨一系列問題。

2.1 5G+工業視覺應用發展面臨的問題

5G+工業視覺在應用發展方面主要面臨以下三個問題。

1)5G終端研發及使用成本高。5G模組是5G+工業視覺終端的基本組成部分，其成本60%以上來源于芯片，國外芯片企業對于研發適配于5G+工業視覺的精簡化5G芯片意愿較低，國內芯片企業在工業5G芯片研發方面能力受限且投入不足，以上因素導致5G模組成本居高不下。同時，現有5G模組只具備調制功能，內部存儲器容量、接口數量和種類均較少，和現有視覺處理芯片互聯互通難度大，致使5G視頻部件產業發展緩慢。

2)5G網絡和應用落地需相互促進。目前，5G網絡建設主要覆蓋消費領域。在行業應用區域(工廠園區、礦山、碼頭等)，由于商業模式不清晰和實際落地應用少等原因，基礎電信運營商網絡建設緩慢，潛在行業客戶處于無網可用狀態，嚴重制約了5G+工業視覺應用的規模化推廣。

3)應用方案定制化、成本高。國內工業視覺應用場景繁多，但由于缺少圖像處理通用算法庫，解決方案商多通過定制化方案，滿足客戶需求，自給自足的現狀導致解決方案難以形成規模化效應，致使5G+工業視覺應用成本高，可復制性差。

2.2 5G+工業視覺產業發展面臨的問題

5G+工業視覺在產業發展方面主要面臨以下兩個問題。

1)視覺處理芯片隨時可能出現斷供風險。終端側海思芯片占據80%以上的中/低端市場份額，存在由于國際局勢導致供應鏈出現問題的風險，甚至引發國產化替代進程倒退；平臺側芯片是人工智能處理算法的搭載平臺，長期被美國廠商(Intel、AMD、英偉達等)把持，隨時可能出現斷供風險，致使我國機器視覺產業出現“缺芯少魂”的局面。

2)圖像處理算法國內發展制約因素眾多。傳統圖像處理算法優化需要借助操作系統和CPU架構的指令集，采用底層機器語言進行算法轉換，由于缺乏自主研發的終端操作系統和CPU架構，致使整體優化能力嚴重不足。同時，完全的市場行為導致剛起步的國內算法廠商缺乏競爭力，形成惡性循環，致使通用算法庫缺乏大量應用的迭代，應用適應性差。人工智能處理算法研發主要依靠對主流神經網絡和框架支持的專用開發工具，需要視覺處理芯片廠商在配套軟件上做大量的投入，而國產芯片廠商由于起步較晚，軟硬件生態嚴重落后國外，加上配套軟件投入不夠，致使在芯片的易用性上存在嚴重不足，致使人工智能處理算法研發緩慢。

3 下一步推進的路徑建議

1)聚焦核心痛點環節，拉通產業集中突破。一是通過政策支持，鼓勵政府與行業龍頭企業、科研機構以合作生態的方式建立關鍵技術試驗驗證環境，提供通用芯片、終端及應用解決方案的測試驗證環境，提升產品性能和管控質量，降低企業研發成本。二是鼓勵企業加大對算法原理、操作系統和軟件平臺架構的研發投入，打破視覺處理算法落后于國外的局面。

2)構建應用生態，降低定制化成本。一是建立工業視覺通用算法庫，依托國內應用場景豐富、算法訓練素材充足的產業生態現狀，開展通用算法庫更新迭代，減低行業準入門檻，擴展5G+工業視覺應用規模。二是建立精簡化5G芯片生態，對現有5G芯片進行裁剪，研發適用國內市場的精簡化5G芯片，同時研發5G+工業視覺專用模組，降低視覺部件5G升級改造費用，助力5G+工業視覺規模化落地。三是鼓勵基礎電信運營商根據行業客戶需求，擴大建網規模、深度覆蓋，加大行業客戶用網和開展5G+工業視覺應用的意愿，實現雙贏。

3)構建標準體系，提升產品質量。一是面向5G+工業視覺，構建終端模組、多接入邊緣計算MEC、安全和應用標準體系，依托國內龐大的市場需求和完善的5G網絡環境，開展標準驗證工作，逐步推向國際標準。二是建立國家級5G+工業視覺檢測認證中心，構建具有國際影響力的質量認證體系，打造自主認證權威品牌。

4 結語

5G商用兩年以來，我國5G應用探索與實踐廣度、深度不斷加強，應用場景逐漸豐富，應用項目梯次商用，實現從“0”到“1”的突破，進入規模化復制推廣的關鍵階段。本文重點研究分析5G+工業視覺領域技術及產業方面的發展現狀及面臨的重點問題，旨在為進一步規模化復制推廣奠定基礎。