机器视觉

机器视觉(Machine vision)

一个典型的工业机器视觉系统包括：

机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的

系统组成

照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是

在机器视觉系统中，获得一张高质量的可处理的图像是至关重要。系统之所以成功，首先要保证图像质量好，特征明显。一个机器视觉项目之所以失败，大部分情况是由于图像质量不好，特征不明显引起的。要保证好的图像，必须要选择一个合适的光源。

光源选型基本要素：

对比度：对比度对机器视觉来说非常重要。机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够保证需要检测的特征突出于其他背景。

亮度：当选择两种光源的时候，最佳的选择是选择更亮的那个。当光源不够亮时，可能有三种不好的情况会出现。第一，相机的信噪比不够；由于光源的亮度不够，图像的对比度必然不够，在图像上出现噪声的可能性也随即增大。其次，光源的亮度不够，必然要加大

机器视觉

流水线进行自动化的改造，使布匹生产流水线变成快速、实时、准确、高效的流水线。在流水线上，所有布匹的颜色、及数量都要进行自动确认(以下简称“布匹检测”)。采用机器视觉的自动识别技术完成以前由人工来完成的工作。在大批量的布匹检测中，用人工检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。

特征提取辨识

一般布匹检测(自动识别)先利用高清晰度、高速摄像镜头拍摄标准图像，在此基础上设定一定标准;然后拍摄被检测的图像，再将两者进行对比。但是在布匹质量检测工程中要复杂一些：

1. 图像的内容不是单一的图像，每块被测区域存在的杂质的数量、大小、颜色、位置不一定一致。

2. 杂质的形状难以事先确定。

3. 由于布匹快速运动对光线产生反射，图像中可能会存在大量的噪声。

4. 在流水线上，对布匹进行检测，有实时性的要求。

由于上述原因，图像识别处理时应采取相应的算法，提取杂质的特征，进行模式识别，实现智能分析。

Color检测

一般而言，从彩色CCD相机中获取的图像都是

在国外，机器视觉的应用普及主要体现在

机器视觉的研究是从20世纪60年代中期

机器视觉的阿喀琉斯之踵：据

机器视觉的应用主要有检测和机器人视觉两个方面：

⒈ 检测：又可分为高精度定量检测(例如显微照片的

⒈ 基于机器视觉的仪表板总成智能集成测试系统

EQ140-Ⅱ汽车仪表板总成是中国某汽车公司生产的仪表产品，仪表板上安装有速度里程表、水温表、汽油表、电流表、信号报警灯等，其生产批量大，出厂前需要进行一次质量终检。检测项目包括：检测速度表等五个仪表指针的指示误差;检测24个信号报警灯和若干照明9灯是否损坏或漏装。一般采用人工目测方法检查，误差大，可靠性差，不能满足自动化生产的需要。基于机器视觉的智能集成测试系统，改变了这种现状，实现了对仪表板总成智能化、全自动、高精度、快速质量检测，克服了人工检测所造成的各种误差，大大提高了检测效率。

整个系统分为四个部分：为仪表板提供模拟信号源的集成化多路标准信号源、具有图像信息反馈定位的双坐标

机器视觉有如下的发展趋势。

价格持续下降

目前，在我国机器视觉技术还不太成熟，主要靠进口国外整套系统，价格比较昂贵。随着技术的进步和市场竞争的激烈，价格下降已成必然趋势，这意味着机器视觉技术将逐渐被接受。

功能逐渐增多

更多功能的实现主要来自于计算能力的增强，更高分辨率的传感器，更快的扫描率和软件功能的提高，PC处理器的速度在得到稳步提升的同时，其价格也在下降，这推动了更快的总线的出现，而总线又反过来允许具有更多数据的更大图像以更快的速度进行传输和处理。

产品小型化

产品的小型化趋势让这个行业能够在更小的空间内包装更多的部件，这意味着机器视觉产品变得更小，这样他们就能够在厂区所提供的有限空间内应用。例如在工业配件上LED已经成为主导光源，它的小尺寸使成像参数的测定变得容易，他们的耐用性和稳定性非常适用于工厂设备。

集成产品增多

智能相机的发展预示了集成产品增多的趋势，智能相机是在一个单独的盒内集成了处理器、镜头、光源、输入/输出装置及以太网，电话和 PDA 推动了更快、更便宜的精简指令集计算机(RISC)的发展，这使智能相机和嵌入式处理器的出现成为可能。同样，现场可编程门列阵(FPGA)技术的进步为智能相机增添了计算功能，并为

由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。

但是机器视觉技术比较复杂，最大的困难在于人的视觉机制尚不清楚。人可以用内省法描述对某一问题的解题过程，从而用计算机加以模拟。但尽管每一个正常人都是“视觉专家”，却不可能用内省法来描述自己的视觉过程。因此建立机器视觉系统是十分困难的任务。

可以预计的是，随着机器视觉技术自身的成熟和发展，它将在现代和未来制造企业中得到越来越广泛的应用。