吴国栋，JAI中国区经理

VSDC：您觉得2024年的市场环境出现了哪些不同以往的变化？这对公司的运营带来了哪些前所未有的挑战？

吴国栋：回顾2024年，市场需求变得更加多样化和难以预测，市场需求的波动性增大。一方面，终端视觉系统用户对于产品品质、功能、个性化等方面的要求不断提高；另一方面，受到经济形势、社会热点等多种因素影响，消费市场的需求结构和规模都在快速变化。需求的不稳定导致企业生产计划难以精准制定，对市场变化的响应速度提出了更高要求。

面临的挑战：同时用户在维持产品性能水平的前提下,持续需要降本.这对不仅仅对器件,乃至对整个产业链都提出了更高的要求。

科技领域的创新速度不断加快，新技术、新模式层出不穷。对企业的技术研发能力和创新意识提出了前所未有的要求。企业需要及时跟上技术变革的步伐，进行有效的技术创新和业务模式转型。

VSDC：您如何看待2025年机器视觉市场的整体大环境？您觉得哪些潜在需求会推动机器视觉市场的增长？贵司2025年的业绩增长的预期情况？

吴国栋：整体大环境：随着制造业的转型升级、人工智能技术的不断发展以及各行业对于自动化、智能化生产的需求增加，机器视觉市场依然会保持总量的增长。同时，市场竞争也将更加激烈，企业需要不断提升自身的技术实力和产品竞争力，以在市场中占据一席之地。

潜在需求推动因素：

（1）制造业升级：传统制造业向高端化、智能化、精密化转型，对于产品质量检测、生产过程监控等环节的自动化和精度要求不断提高，机器视觉技术能够有效满足这些需求，从而推动其在制造业中的广泛应用。

（2）电子及半导体：以半导体为基础的电子工业依赖于高质量、高可靠性的微型芯片来生产我们平常用到的电子产品，而在芯片制造过程中，出现任何的不一致问题或缺陷都可能会导致严重后果。为了保持最高的生产标准，半导体制造商们会借助各种质量控制工具，例如，装配了紫外（UV）相机的检测系统。配备了紫外图像传感器的相机所利用的原理是：紫外波长的光线遇到表面特征时会发生特异性的漫反射。紫外图像所提供的视觉信息可以检测到细微的表面缺陷和不一致问题，而这是其他检测方法很难做到的。

（3）物流与仓储行业发展：随着电商行业的蓬勃发展，物流与仓储行业的规模不断扩大，对于货物的识别、分拣、等操作的自动化和智能化需求日益迫切。机器视觉技术可以实现快速、准确的货物识别，提高物流效率，降低人工成本。

（4）医疗领域应用拓展：在医疗诊断、手术导航、医学影像分析等方面，机器视觉技术具有广阔的应用前景。例如，通过多光谱成像等技术可以实现对病变组织的早期检测和精准诊断，为医疗行业提供更加高效、准确的技术支持。

业绩增长预期：不同企业的业绩增长预期会因各自的市场定位、技术实力、产品竞争力等因素而有所不同。对于在机器视觉领域具有核心技术优势、能够不断推出满足市场需求的创新产品、并且积极拓展市场份额的企业来说，有望实现较为可观的业绩增长。我们既站在全球视角来研究机器视觉市场，并将分析成果落实在产品研发上；同时更立足与当地，和客户一起学习探索中国客户的特色需求，在这种成熟完备且贴近客户的闭环型公司运行体系下，我们对2025年充满信心和期待。

VSDC：AI技术与机器视觉的融合将越来越广泛深入。但是，如果要让AI技术在机器视觉应用领域大规模落地，您觉得还有哪些环节的问题需要解决？

吴国栋：数据质量与标注难题：AI 机器视觉模型的性能在很大程度上取决于训练数据的质量和多样性。获取高质量的标注数据不仅成本高昂且耗时费力，并且在某些特定领域可能难以获得足够丰富多样的数据，这会影响模型的准确性和泛化能力。同时，大规模视觉数据集的标注和注释工作需要专业知识和严格的质量控制，确保标注的准确性和一致性至关重要，否则会导致模型训练出现偏差。

模型泛化能力考验：机器视觉模型在新的场景和环境中的泛化能力是一个关键挑战。由于实际应用场景复杂多变，模型需要能够理解和应用与训练数据不同的视觉特征和上下文信息，才能在各种实际工况下稳定、准确地运行。否则，模型可能在训练场景表现良好，但在实际应用中出现性能大幅下降的情况。

实时性与效率瓶颈：在一些对实时性要求较高的应用场景，如自动驾驶、工业自动化生产线上的实时检测等，机器视觉算法需要在极短的时间内完成图像或视频数据的处理和分析，并及时做出响应。然而，当前一些 AI 机器视觉算法在处理复杂图像数据时，可能存在计算量大、处理速度慢的问题，难以满足实时性要求，从而限制了其在这些领域的大规模应用。

隐私与安全顾虑：机器视觉系统通常需要处理大量的敏感图像和视频数据，如个人隐私信息、商业机密等，因此隐私和安全性成为不容忽视的问题。企业需要采取有效的数据加密、访问控制、安全传输等措施，确保数据的安全存储和使用，同时还需遵守相关的法规和隐私政策，防止数据泄露和滥用引发的风险。

VSDC：您觉得2025年哪些机器视觉技术会带来杀手锏级的应用？3D成像？高光谱成像？非可见成像？还是其他技术？

吴国栋：我认为2025年最重要的技术是棱镜多光谱成像技术：

棱镜多光谱成像技术主要基于棱镜的分光原理。当一束复合光（包含多种不同波长的光）入射到棱镜上时，由于不同波长的光在棱镜中的折射率不同，光会发生折射和色散现象，从而将复合光分解成不同波长的光，这些不同波长的光再分别被不同的感光元件或探测器接收，形成多光谱图像

棱镜多光谱成像技术特点：

• 光谱分辨率高：能够将光精确地分解成多个狭窄的光谱波段，可获取丰富的光谱信息，从而实现对物体更细致的光谱特征分析，有助于准确识别和区分不同物质或物体的状态。

• 成像质量好：通过合理设计棱镜和光学系统，可以获得高质量的多光谱图像，图像的清晰度、对比度等指标能够满足各种应用场景的需求，有利于后续的图像分析和处理。

• 稳定性强：棱镜多光谱成像系统的结构相对稳定，一旦校准和调试完成，其性能在较长时间内能够保持稳定，减少了因系统不稳定而导致的测量误差和数据波动。

• 可定制性高：可以根据不同的应用需求，选择不同的棱镜材料、形状和尺寸，以及搭配不同的感光元件和滤光片，实现对特定光谱范围和波段的成像，满足多样化的用户需求 。

棱镜多光谱成像技术优势：

• 提供丰富信息：与传统的单一光谱成像相比，棱镜多光谱成像技术能够同时获取多个光谱波段的图像数据，为目标物体的识别、分类和分析提供更全面、丰富的信息。例如，在农业领域可以通过不同波段的图像分析农作物的生长状况、病虫害情况以及营养成分等。

• 增强目标检测能力：不同物质在不同光谱波段下具有独特的反射、吸收和辐射特性，利用棱镜多光谱成像技术可以突出这些特性差异，从而更有效地检测和识别目标物体，提高目标检测的准确性和可靠性。在军事侦察、安防监控等领域具有重要应用价值。

• 非接触式测量：该技术属于非接触式测量方法，不会对被检测物体造成任何损伤或干扰，适用于对文物、生物样本等珍贵或易损物体的检测和研究，同时也方便在恶劣环境或难以接近的场景中进行远程监测。

• 数据融合潜力大：多光谱图像数据可以与其他传感器数据（如雷达数据、激光扫描数据等）进行融合，实现多源数据的互补和协同，进一步提高对目标物体和环境的认知能力，为更复杂的应用场景提供有力支持。