簡介

機器視覺是一項綜合技術，包括圖像處理、機械工程技術、控制、電光源照明、光學成像、傳感器、模擬與數字視頻技術、計算機軟硬件技術(圖像增強和分析算法、圖像卡、 I/O卡等)。

一個典型的機器視覺應用系統包括圖像捕捉、光源系統、圖像數字化模塊、數字圖像處理模塊、智能判斷決策模塊和機械控制執行模塊。

機器視覺系統最基本的特點就是提高生產的靈活性和自動化程度。在一些不適于人工作業的危險工作環境或者人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺。

同時，在大批量重復性工業生產過程中，用機器視覺檢測方法可以大大提高生產的效率和自動化程度。

   概述

機器視覺（Machine vision）

機器視覺系統的特點是提高生產的柔性和自動化程度。

基本構造

一個典型的工業機器視覺系統包括：光源、鏡頭（定焦鏡頭、變倍鏡頭、遠心鏡頭、顯微鏡頭）、 相機（包括CCD相機和COMS相機）、圖像處理單元（或圖像捕獲卡）、圖像處理軟件、監視器、通訊 / 輸入輸出單元等。

系統可再分為

一、采集和分析分開的系統。

• 主端電腦（Host Computer)

• 影像擷取卡（Frame Grabber)與影像處理器

• 影像攝影機

• 定焦鏡頭鏡頭

• 顯微鏡頭

• 照明設備

• Halogen光源LED光源

• 高周波螢光燈源

• 閃光燈源

• 其他特殊光源

• 影像顯示器

• LCD

• 機構及控制系統

• PLC、PC-Base控制器

• 精密桌臺

• 伺服運動機臺

二、采集和分析一體的系統

• 智能相機（圖像采集和分析一體）

• 其他配套外圍設備：光源、顯示、PLC控制系統等等。

工作原理

機器視覺檢測系統采用CCD照相機將被檢測的目標轉換成圖像信號，傳送給專用的圖像處理系統。

根據像素分布和亮度、顏色等信息，轉變成數字化信號，圖像處理系統對這些信號進行各種運算來抽取目標的特征，如面積、數量、位置、長度。

再根據預設的允許度和其他條件輸出結果，包括尺寸、角度、個數、合格 / 不合格、有 / 無等，實現自動識別功能。

典型結構

一個典型的機器視覺系統包括以下五大塊：

1. 照明

照明是影響機器視覺系統輸入的重要因素，它直接影響輸入數據的質量和應用效果。由于沒有通用的機器視覺照明設備，所以針對每個特定的應用實例，要選擇相應的照明裝置，以達到最佳效果。

光源可分為可見光和不可見光。常用的幾種可見光源是白熾燈、日光燈、水銀燈和鈉光燈?？梢姽獾娜秉c是光能不能保持穩定。如何使光能在一定的程度上保持穩定，是實用化過程中急需要解決的問題。

另一方面，環境光有可能影響圖像的質量，所以可采用加防護屏的方法來減少環境光的影響。照明系統按其照射方法可分為：背向照明、前向照明、結構光和頻閃光照明等。

其中，背向照明是被測物放在光源和攝像機之間，它的優點是能獲得高對比度的圖像。前向照明是光源和攝像機位于被測物的同側，這種方式便于安裝。

結構光照明是將光柵或線光源等投射到被測物上，根據它們產生的畸變，解調出被測物的三維信息。

頻閃光照明是將高頻率的光脈沖照射到物體上，攝像機拍攝要求與光源同步。

B.  鏡頭

FOV（Field of Vision）=所需分辨率*亞象素*相機尺寸/PRTM（零件測量公差比）

鏡頭選擇應注意：

①焦距

②目標高度 

③影像高度 

④放大倍數 

⑤影像至目標的距離 

⑥中心點 / 節點

⑦畸變

視覺檢測中如何確定鏡頭的焦距

為特定的應用場合選擇合適的工業鏡頭時必須考慮以下因素：

· 視野 - 被成像區域的大小。

· 工作距離 (WD) - 攝像機鏡頭與被觀察物體或區域之間的距離。

· CCD - 攝像機成像傳感器裝置的尺寸。

· 這些因素必須采取一致的方式對待。

如果在測量物體的寬度，則需要使用水平方向的 CCD 規格。

如果以英寸為單位進行測量，則以英尺進行計算，最后再轉換為毫米。

C.  高速相機

按照不同標準可分為：標準分辨率數字相機和模擬相機等

按分辨率劃分，像素數在38萬以下的為普通型，像素數在38萬以上的高分辨率型；

按光敏面尺寸大小劃分，可分為1/4、1/3、1/2、1英寸相機；

按掃描方式劃分，可分為行掃描相機（線陣相機）和面掃描相機（面陣相機）兩種方式；（面掃描相機又可分為隔行掃描相機和逐行掃描相機）；

按同步方式劃分，可分為普通相機（內同步）和具有外同步功能的相機等。

D.  圖像采集卡

圖像采集卡只是完整的機器視覺系統的一個部件，但是它扮演一個非常重要的角色。

圖像采集卡直接決定了攝像頭的接口：黑白、彩色、模擬、數字等等。　　

比較典型的是PCI或AGP兼容的捕獲卡，可以將圖像迅速地傳送到計算機存儲器進行處理。有些采集卡有內置的多路開關。

例如，可以連接8個不同的攝像機,然后告訴采集卡采用那一個相機抓拍到的信息。

有些采集卡有內置的數字輸入以觸發采集卡進行捕捉，當采集卡抓拍圖像時數字輸出口就觸發閘門。

E.  視覺處理器

視覺處理器集采集卡與處理器于一體。

以往計算機速度較慢時，采用視覺處理器加快視覺處理任務。采集卡傳輸圖像到存儲器，進而計算分析。

當前主流配置的PLC，且配置較高，視覺處理器已經幾乎退出市場。

機器選型

在機器視覺系統中，獲得一張高質量的可處理的圖像是至關重要。

系統之所以成功，首先要保證圖像質量好，特征明顯。一個機器視覺項目之所以失敗，大部分情況是由于圖像質量不好，特征不明顯引起的。要保證好的圖像，必須要選擇一個合適的光源。

光源選型基本要素：

對比度：對比度對機器視覺來說非常重要。機器視覺應用的照明的最重要的任務就是使需要被觀察的特征與需要被忽略的圖像特征之間產生最大的對比度，從而易于特征的區分。對比度定義為在特征與其周圍的區域之間有足夠的灰度量區別。好的照明應該能夠保證需要檢測的特征突出于其他背景。

亮度：當選擇兩種光源的時候，最佳的選擇是選擇更亮的那個。當光源不夠亮時，可能有三種不好的情況會出現。第一，相機的信噪比不夠；由于光源的亮度不夠，圖像的對比度必然不夠，在圖像上出現噪聲的可能性也隨即增大。其次，光源的亮度不夠，必然要加大光圈，從而減小了景深。另外，當光源的亮度不夠的時候，自然光等隨機光對系統的影響會最大。

魯棒性：另一個測試好光源的方法是看光源是否對部件的位置敏感度最小。當光源放置在攝像頭視野的不同區域或不同角度時，結果圖像應該不會隨之變化。方向性很強的光源，增大了對高亮區域的鏡面反射發生的可能性，這不利于后面的特征提取。

好的光源需要能夠使你需要尋找的特征非常明顯，除了是攝像頭能夠拍攝到部件外，好的光源應該能夠產生最大的對比度、亮度足夠且對部件的位置變化不敏感。

光源選擇好了，剩下來的工作就容易多了。

應用案例(1)

在布匹的生產過程中，像布匹質量檢測這種有高度重復性和智能性的工作只能靠人工檢測來完成。

在現代化流水線后面常常可看到很多的檢測工人來執行這道工序，卻仍然不能保證100 %的檢驗合格率（即“無缺陷"）。對流水線進行自動化的改造，使布匹生產流水線變成快速、實時、準確、高效的流水線。

在流水線上，所有布匹的顏色、及數量都要進行自動確認（以下簡稱“布匹檢測"）。

特征提取辨識

一般布匹檢測（自動識別）先利用高清晰度、高速攝像鏡頭拍攝標準圖像，在此基礎上設定一定標準；然后拍攝被檢測的圖像，再將兩者進行對比。但是在布匹質量檢測工程中要復雜一些：

1． 圖像的內容不是單一的圖像，每塊被測區域存在的雜質的數量、大小、顏色、位置不一定一致。

2． 雜質的形狀難以事先確定。

3． 由于布匹快速運動對光線產生反射，圖像中可能會存在大量的噪聲。

4． 在流水線上，對布匹進行檢測，有實時性的要求。

由于上述原因，圖像識別處理時應采取相應的算法，提取雜質的特征，進行模式識別，實現智能分析。

Color檢測

一般而言，從彩色CCD相機中獲取的圖像都是RGB圖像。

也就是說每一個像素都由紅（R）綠（G）藍（B）三個成分組成，來表示RGB色彩空間中的一個點。

問題在于這些色差不同于人眼的感覺。即使很小的噪聲也會改變顏色空間中的位置。所以無論我們人眼感覺有多么的近似，在顏色空間中也不盡相同。

基于上述原因，我們需要將RGB像素轉換成為另一種顏色空間CIELAB。目的就是使我們人眼的感覺盡可能的與顏色空間中的色差相近。

Blob檢測

根據上面得到的處理圖像，根據需求，在純色背景下檢測雜質色斑，并且要計算出色斑的面積，以確定是否在檢測范圍之內。

因此圖像處理軟件要具有分離目標，檢測目標，并且計算出其面積的功能。

Blob分析（Blob Analysis）是對圖像中相同像素的連通域進行分析，該連通域稱為Blob。經二值化（Binary Thresholding）處理后的圖像中色斑可認為是blob。

Blob分析工具可以從背景中分離出目標，并可計算出目標的數量、位置、形狀、方向和大小，還可以提供相關斑點間的拓撲結構。

在處理過程中不是采用單個的像素逐一分析，而是對圖形的行進行操作。圖像的每一行都用游程長度編碼(RLE）來表示相鄰的目標范圍。

這種算法與基于象素的算法相比，大大提高處理速度。

結果處理和控制

應用程序把返回的結果存入數據庫或用戶選擇的位置，并根據結果控制機械部分做相應的運動。

根據識別的結果，存入數據庫進行信息管理。以后可以隨時對信息進行檢索查詢，管理者可以獲知某段時間內流水線的忙閑，為下一步的工作作出安排；可以獲知內布匹的質量情況等等。

應用案例(2)

機器視覺的應用主要有檢測和機器人視覺兩個方面：

⒈ 檢測：又可分為高精度定量檢測（例如顯微照片的細胞分類、機械零部件的尺寸和位置測量）和不用量器的定性或半定量檢測（例如產品的外觀檢查、裝配線上的零部件識別定位、缺陷性檢測與裝配完備性檢測）。

⒉機器人視覺：用于指引機器人在大范圍內的操作和行動，如從料斗送出的雜亂工件堆中揀取工件并按一定的方位放在傳輸帶或其他設備上（即料斗揀取問題）。至于小范圍內的操作和行動，還需要借助于觸覺傳感技術。

此外還有：

1. 自動光學檢查

2. 人臉識別

3. 無人駕駛汽車

4. 產品質量等級分類

5. 印刷品質量自動化檢測

6. 文字識別

7. 紋理識別

8. 追蹤定位

......

等機器視覺圖像識別的應用。

【機器視覺特點】

⒈攝像機的拍照速度自動與被測物的速度相匹配，拍攝到理想的圖像；

⒉零件的尺寸范圍為2.4mm到12mm，厚度可以不同；

⒊系統根據操作者選擇不同尺寸的工件，調用相應視覺程序進行尺寸檢測，并輸出結果；

⒋針對不同尺寸的零件，排序裝置和輸送裝置可以精確調整料道的寬度，使零件在固定路徑上運動并進行視覺檢測；

⒌機器視覺系統分辨率達到2448×2048，動態檢測精度可以達到0.02mm；

⒍廢品漏檢率為0；

⒎本系統可通過顯示圖像監視檢測過程，也可通過界面顯示的檢測數據動態查看檢測結果；

⒏具有對錯誤工件及時準確發出剔除控制信號、剔除廢品的功能；

⒐系統能夠自檢其主要設備的狀態是否正常，配有狀態指示燈；同時能夠設置系統維護人員、使用人員不同的操作權限；

⒑實時顯示檢測畫面，中文界面，可以瀏覽幾次不合格品的圖像，具有能夠存儲和實時察看錯誤工件圖像的功能；

⒒能生成錯誤結果信息文件，包含對應的錯誤圖像，并能打印輸出。

實例⒈ 基于機器視覺的儀表板總成智能集成測試系統

EQ140-Ⅱ汽車儀表板總成是中國某汽車公司生產的儀表產品，儀表板上安裝有速度里程表、水溫表、汽油表、電流表、信號報警燈等，其生產批量大，出廠前需要進行一次質量終檢。

檢測項目包括：檢測速度表等五個儀表指針的指示誤差；檢測24個信號報警燈和若干照明9燈是否損壞或漏裝，一般采用人工目測方法檢查。

基于機器視覺的智能集成測試系統，實現了對儀表板總成智能化、全自動、高精度、快速質量檢測。

整個系統分為四個部分：為儀表板提供模擬信號源的集成化多路標準信號源、具有圖像信息反饋定位的雙坐標CNC系統、攝像機圖像獲取系統和主從機平行處理系統。

實例⒉ 金屬板表面自動控傷系統

金屬板如大型電力變壓器線圈扁平線收音機朦朧皮等的表面質量都有很高的要求，但原始的采用人工目視或用百分表加控針的檢測方法不僅易受主觀因素的影響，而且可能會繪被測表面帶來新的劃傷。

金屬板表面自動探傷系統利用機器視覺技術對金屬表面缺陷進行自動檢查，在生產過程中高速、準確地進行檢測，同時由于采用非接角式測量，避免了產生新劃傷的可能。

在此系統中，采用激光器作為光源，通過針孔濾波器濾除激光束周圍的雜散光，擴束鏡和準直鏡使激光束變為平行光并以45度的入射角均勻照明被檢查的金屬板表面。

金屬板放在檢驗臺上。檢驗臺可在X、Y、Z三個方向上移動，攝像機采用TCD142D型2048線陳CCD，鏡頭采用普通照相機鏡頭。CCD接口電路采用單片機系統。

主機PC機主要完成圖像預處理及缺陷的分類或劃痕的深度運算等，并可將檢測到的缺陷或劃痕圖像在顯示器上顯示。CCD接口電路和PC機之間通過RS-232口進行雙向通訊，結合異步A/D轉換方式，構成人機交互式的數據采集與處理。

該系統主要利用線陣CCD的自掃描特性與被檢查鋼板X方向的移動相結合，取得金屬板表面的三維圖像信息。

實例⒊ 汽車車身檢測系統

英國ROVER汽車公司800系列汽車車身輪廓尺寸精度的100%在線檢測，是機器視覺系統用于工業檢測中的一個較為典型的例子。

該系統由62個測量單元組成，每個測量單元包括一臺激光器和一個CCD攝像機，用以檢測車身外殼上288個測量點。汽車車身置于測量框架下，通過軟件校準車身的精確位置。

測量單元的校準將會影響檢測精度，因而受到特別重視。每個激光器/攝像機單元均在離線狀態下經過校準。同時還有一個在離線狀態下用三坐標測量機校準過的校準裝置，可對攝像頂進行在線校準。

檢測系統以每40秒檢測一個車身的速度，檢測三種類型的車身。系統將檢測結果與人、從CAD模型中撮出來的合格尺寸相比較，測量精度為±0.1mm。　

ROVER的質量檢測人員用該系統來判別關鍵部分的尺寸一致性，如車身整體外型、門、玻璃窗口等。實踐證明，該系統是成功的，并將用于ROVER公司其它系統列汽車的車身檢測。

實例⒋ 幣印刷質量檢測系統

該系統利用圖像處理技術，通過對幣生產流水線上的幣20多項特征（號碼、盲文、顏色、圖案等）進行比較分析，檢測幣的質量，替代傳統的人眼辨別的方法。

實例⒌ 智能交通管理系統

通過在交通要道放置攝像頭，當有違章車輛（如闖紅燈）時，攝像頭將車輛的牌照拍攝下來，傳輸給中央管理系統，系統利用圖像處理技術，對拍攝的圖片進行分析，提取出車牌號，存儲在數據庫中，可以供管理人員進行檢索。

實例⒍金相分析

金相圖象分析系統能對金屬或其它材料的基體組織、雜質含量、組織成分等進行精確、客觀地分析，為產品質量提供可靠的依據。

實例⒎ 醫療圖像分析

血液細胞自動分類計數、染色體分析、癌癥細胞識別等。

實例⒏ 瓶裝啤酒生產流水線檢測系統

可以檢測啤酒是否達到標準的容量、啤酒標簽是否完整

實例⒐ 大型工件平行度、垂直度測量儀

采用激光掃描與CCD探測系統的大型工件平行度、垂直度測量儀，它以穩定的準直激光束為測量基線，配以回轉軸系，旋轉五角標棱鏡掃出互相平行或垂直的基準平面，將其與被測大型工件的各面進行比較。在加工或安裝大型工件時，可用該認錯器測量面間的平行度及垂直度。

實例⒑ 螺紋鋼外形輪廓尺寸的探測器件

以頻閃光作為照明光源，利用面陣和線陣CCD作為螺紋鋼外形輪廓尺寸的探測器件，實現熱軋螺紋鋼幾何參數在線測量的動態檢測系統。

實例⒒ 軸承實時監控

視覺技術實時監控軸承的負載和溫度變化，消除過載和過熱的危險。

將傳統上通過測量滾珠表面保證加工質量和安全操作的被動式測量變為主動式監控。

實例⒓ 金屬表面的裂紋測量

用微波作為信號源，根據微波發生器發出不同波濤率的方波，測量金屬表面的裂紋，微波的波的頻率越高，可測的裂紋越狹小。

                      前景展望

由于機器視覺系統可以快速獲取大量信息，而且易于自動處理，也易于同設計信息以及加工控制信息集成，因此，在現代自動化生產過程中，人們將機器視覺系統廣泛地用于工況監視、成品檢驗和質量控制等領域。

但是機器視覺技術比較復雜，最大的困難在于人的視覺機制尚不清楚。人可以用內省法描述對某一問題的解題過程，從而用計算機加以模擬。但盡管每一個正常人都是“視覺專家"，卻不可能用內省法來描述自己的視覺過程。

因此建立機器視覺系統是十分困難的任務。

可以預計的是，隨著機器視覺技術自身的成熟和發展，它將在現代和未來制造企業中得到越來越廣泛的應用。