機(jī)器視覺是人工智能正在快速發(fā)展的一個分支。簡單說來，機(jī)器視覺就是用機(jī)器代替人眼來做測量和判斷。機(jī)器視覺系統(tǒng)是通過機(jī)器視覺產(chǎn)品（即圖像攝取裝置，分CMOS和CCD兩種）將被攝取目標(biāo)轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，得到被攝目標(biāo)的形態(tài)信息，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號;圖像系統(tǒng)對這些信號進(jìn)行各種運(yùn)算來抽取目標(biāo)的特征，進(jìn)而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作。

 

 

如今，中國正成為世界機(jī)器視覺發(fā)展最活躍的地區(qū)之一，應(yīng)用范圍涵蓋了工業(yè)、農(nóng)業(yè)、醫(yī)藥、軍事、航天、氣象、天文、公安、交通、安全、科研等國民經(jīng)濟(jì)的各個行業(yè)。其重要原因是中國已經(jīng)成為全球制造業(yè)的加工中心，高要求的零部件加工及其相應(yīng)的先進(jìn)生產(chǎn)線，使許多具有國際先進(jìn)水平的機(jī)器視覺系統(tǒng)和應(yīng)用經(jīng)驗也進(jìn)入了中國。

 

經(jīng)歷過長期的蟄伏，2010年中國機(jī)器視覺市場迎來了爆發(fā)式增長。數(shù)據(jù)顯示當(dāng)年，中國機(jī)器視覺市場規(guī)模達(dá)到8.3億元，同比增長48.2%，其中智能相機(jī)、軟件、光源和板卡的增長幅度都達(dá)到了50%，工業(yè)相機(jī)和鏡頭也保持了40%以上的增幅，皆為2007年以來的最高水平。

 

 

機(jī)器視覺檢測系統(tǒng)采用CCD照相機(jī)將被檢測的目標(biāo)轉(zhuǎn)換成圖像信號，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號，圖像處理系統(tǒng)對這些信號進(jìn)行各種運(yùn)算來抽取目標(biāo)的特征，如面積、數(shù)量、位置、長度，再根據(jù)預(yù)設(shè)的允許度和其他條件輸出結(jié)果，包括尺寸、角度、個數(shù)、合格 / 不合格、有 / 無等，實現(xiàn)自動識別功能。

 

機(jī)器視覺系統(tǒng)的特點是提高生產(chǎn)的柔性和自動化程度。在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用機(jī)器視覺來替代人工視覺；同時在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高，用機(jī)器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。而且機(jī)器視覺易于實現(xiàn)信息集成，是實現(xiàn)計算機(jī)集成制造的基礎(chǔ)技術(shù)。

 

 

一個典型的機(jī)器視覺系統(tǒng)包括以下五大塊：

 

 

照明是影響機(jī)器視覺系統(tǒng)輸入的重要因素，它直接影響輸入數(shù)據(jù)的質(zhì)量和應(yīng)用效果。由于沒有通用的機(jī)器視覺照明設(shè)備，所以針對每個特定的應(yīng)用實例，要選擇相應(yīng)的照明裝置，以達(dá)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(wěn)定。如何使光能在一定的程度上保持穩(wěn)定，是實用化過程中急需要解決的問題。另一方面，環(huán)境光有可能影響圖像的質(zhì)量，所以可采用加防護(hù)屏的方法來減少環(huán)境光的影響。照明系統(tǒng)按其照射方法可分為：背向照明、前向照明、結(jié)構(gòu)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(jī)之間，它的優(yōu)點是能獲得高對比度的圖像。前向照明是光源和攝像機(jī)位于被測物的同側(cè)，這種方式便于安裝。結(jié)構(gòu)光照明是將光柵或線光源等投射到被測物上，根據(jù)它們產(chǎn)生的畸變，解調(diào)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(jī)拍攝要求與光源同步。

 

 

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

 

鏡頭選擇應(yīng)注意：

 

①焦距②目標(biāo)高度 ③影像高度 ④放大倍數(shù) ⑤影像至目標(biāo)的距離 ⑥中心點 /節(jié)點⑦畸變

 

視覺檢測中如何確定鏡頭的焦距

 

為特定的應(yīng)用場合選擇合適的工業(yè)鏡頭時必須考慮以下因素：

 

· 視野 - 被成像區(qū)域的大小。

 

· 工作距離 （WD） - 攝像機(jī)鏡頭與被觀察物體或區(qū)域之間的距離。

 

· CCD - 攝像機(jī)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(guī)格，等等。如果以英寸為單位進(jìn)行測量，則以英尺進(jìn)行計算，最后再轉(zhuǎn)換為毫米。

 

參考如下例子：有一臺 1/3” C 型安裝的 CCD 攝像機(jī)（水平方向為 4.8 毫米）。物體到鏡頭前部的距離為 12”（305 毫米）。視野或物體的尺寸為2.5”（64 毫米）。換算系數(shù)為 1” = 25.4 毫米（經(jīng)過圓整）。

 

FL = 4.8 毫米 x 305 毫米 / 64 毫米

 

FL = 1464 毫米 / 64 毫米

 

FL = 按 23 毫米鏡頭的要求

 

FL = 0.19” x 12” / 2.5”

 

FL = 2.28” / 2.5”

 

FL = 0.912” x 25.4 毫米/inch

 

FL = 按 23 毫米鏡頭的要求

 

注：勿將工作距離與物體到像的距離混淆。工作距離是從工業(yè)鏡頭前部到被觀察物體之間的距離。而物體到像的距離是 CCD 傳感器到物體之間的距離。計算要求的工業(yè)鏡頭焦距時，必須使用工作距離

 

 

按照不同標(biāo)準(zhǔn)可分為：標(biāo)準(zhǔn)分辨率數(shù)字相機(jī)和模擬相機(jī)等 。要根據(jù)不同的實際應(yīng)用場合選不同的相機(jī)和高分辨率相機(jī)：

 

按成像色彩劃分，可分為彩色相機(jī)和黑白相機(jī)；

 

按分辨率劃分，像素數(shù)在38萬以下的為普通型，像素數(shù)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(jī)；

 

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

 

按同步方式劃分，可分為普通相機(jī)（內(nèi)同步）和具有外同步功能的相機(jī)等。

 

 

圖像采集卡只是完整的機(jī)器視覺系統(tǒng)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(shù)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(jī)存儲器進(jìn)行處理。有些采集卡有內(nèi)置的多路開關(guān)。例如，可以連接8個不同的攝像機(jī)，然后告訴采集卡采用那一個相機(jī)抓拍到的信息。有些采集卡有內(nèi)置的數(shù)字輸入以觸發(fā)采集卡進(jìn)行捕捉，當(dāng)采集卡抓拍圖像時數(shù)字輸出口就觸發(fā)閘門。

 

視覺處理器集采集卡與處理器于一體。以往計算機(jī)速度較慢時，采用視覺處理器加快視覺處理任務(wù)。采集卡傳輸圖像到存儲器，進(jìn)而計算分析。當(dāng)前主流配置的PLC，且配置較高，視覺處理器已經(jīng)幾乎退出市場。

 

 

在布匹的生產(chǎn)過程中，像布匹質(zhì)量檢測這種有高度重復(fù)性和智能性的工作只能靠人工檢測來完成，在現(xiàn)代化流水線后面常?？煽吹胶芏嗟臋z測工人來執(zhí)行這道工序，給企業(yè)增加巨大的人工成本和管理成本的同時，卻仍然不能保證100 %的檢驗合格率（即“零缺陷”）。對布匹質(zhì)量的檢測是重復(fù)性勞動，容易出錯且效率低。

 

流水線進(jìn)行自動化的改造，使布匹生產(chǎn)流水線變成快速、實時、準(zhǔn)確、高效的流水線。在流水線上，所有布匹的顏色、及數(shù)量都要進(jìn)行自動確認(rèn)（以下簡稱“布匹檢測”）。采用機(jī)器視覺的自動識別技術(shù)完成以前由人工來完成的工作。在大批量的布匹檢測中，用人工檢查產(chǎn)品質(zhì)量效率低且精度不高，用機(jī)器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。

 

 

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(biāo)準(zhǔn)圖像，在此基礎(chǔ)上設(shè)定一定標(biāo)準(zhǔn)；然后拍攝被檢測的圖像，再將兩者進(jìn)行對比。但是在布匹質(zhì)量檢測工程中要復(fù)雜一些：

 

1． 圖像的內(nèi)容不是單一的圖像，每塊被測區(qū)域存在的雜質(zhì)的數(shù)量、大小、顏色、位置不一定一致。

 

2． 雜質(zhì)的形狀難以事先確定。

 

3． 由于布匹快速運(yùn)動對光線產(chǎn)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(jìn)行檢測，有實時性的要求。

 

由于上述原因，圖像識別處理時應(yīng)采取相應(yīng)的算法，提取雜質(zhì)的特征，進(jìn)行模式識別，實現(xiàn)智能分析。

 

 

一般而言，從彩色CCD相機(jī)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(lán)（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?nèi)搜鄹杏X有多么的近似，在顏色空間中也不盡相同?；谏鲜鲈颍覀冃枰獙GB像素轉(zhuǎn)換成為另一種顏色空間CIELAB。目的就是使我們?nèi)搜鄣母杏X盡可能的與顏色空間中的色差相近。

 

 

根據(jù)上面得到的處理圖像，根據(jù)需求，在純色背景下檢測雜質(zhì)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(nèi)。因此圖像處理軟件要具有分離目標(biāo)，檢測目標(biāo)，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(jìn)行分析，該連通域稱為Blob。經(jīng)二值化（Binary Thresholding）處理后的圖像中色斑可認(rèn)為是blob。Blob分析工具可以從背景中分離出目標(biāo)，并可計算出目標(biāo)的數(shù)量、位置、形狀、方向和大小，還可以提供相關(guān)斑點間的拓?fù)浣Y(jié)構(gòu)。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(jìn)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(biāo)范圍。這種算法與基于象素的算法相比，大大提高處理速度。

 

 

應(yīng)用程序把返回的結(jié)果存入數(shù)據(jù)庫或用戶指定的位置，并根據(jù)結(jié)果控制機(jī)械部分做相應(yīng)的運(yùn)動。

 

根據(jù)識別的結(jié)果，存入數(shù)據(jù)庫進(jìn)行信息管理。以后可以隨時對信息進(jìn)行檢索查詢，管理者可以獲知某段時間內(nèi)流水線的忙閑，為下一步的工作作出安排；可以獲知內(nèi)布匹的質(zhì)量情況等等。

 

 

在國外，機(jī)器視覺的應(yīng)用普及主要體現(xiàn)在半導(dǎo)體及電子行業(yè)，其中大概40%-50%都集中在半導(dǎo)體行業(yè)。具體如PCB印刷電路：各類生產(chǎn)印刷電路板組裝技術(shù)、設(shè)備；單、雙面、多層線路板，覆銅板及所需的材料及輔料；輔助設(shè)施以及耗材、油墨、藥水藥劑、配件；電子封裝技術(shù)與設(shè)備；絲網(wǎng)印刷設(shè)備及絲網(wǎng)周邊材料等。SMT表面貼裝：SMT工藝與設(shè)備、焊接設(shè)備、測試儀器、返修設(shè)備及各種輔助工具及配件、SMT材料、貼片劑、膠粘劑、焊劑、焊料及防氧化油、焊膏、清洗劑等；再流焊機(jī)、波峰焊機(jī)及自動化生產(chǎn)線設(shè)備。電子生產(chǎn)加工設(shè)備：電子元件制造設(shè)備、半導(dǎo)體及集成電路制造設(shè)備、元器件成型設(shè)備、電子工模具。機(jī)器視覺系統(tǒng)還在質(zhì)量檢測的各個方面已經(jīng)得到了廣泛的應(yīng)用，并且其產(chǎn)品在應(yīng)用中占據(jù)著舉足輕重的地位。除此之外，機(jī)器視覺還用于其他各個領(lǐng)域。

 

而在中國，視覺技術(shù)的應(yīng)用開始于90年代，因為行業(yè)本身就屬于新興的領(lǐng)域，再加之機(jī)器視覺產(chǎn)品技術(shù)的普及不夠，導(dǎo)致以上各行業(yè)的應(yīng)用幾乎空白。目前國內(nèi)機(jī)器視覺大多為國外品牌。國內(nèi)大多機(jī)器視覺公司基本上是靠代理國外各種機(jī)器視覺品牌起家，隨著機(jī)器視覺的不斷應(yīng)用，公司規(guī)模慢慢做大，技術(shù)上已經(jīng)逐漸成熟。

 

隨著經(jīng)濟(jì)水平的提高，3D機(jī)器視覺也開始進(jìn)入人們的視野。3D機(jī)器視覺大多用于水果和蔬菜、木材、化妝品、烘焙食品、電子組件和醫(yī)藥產(chǎn)品的評級。它可以提高合格產(chǎn)品的生產(chǎn)能力，在生產(chǎn)過程的早期就報廢劣質(zhì)產(chǎn)品，從而減少了浪費(fèi)節(jié)約成本。這種功能非常適合用于高度、形狀、數(shù)量甚至色彩等產(chǎn)品屬性的成像。

 

在行業(yè)應(yīng)用方面，主要有制藥、包裝、電子、汽車制造、半導(dǎo)體、紡織、煙草、交通、物流等行業(yè)，用機(jī)器視覺技術(shù)取代人工，可以提供生產(chǎn)效率和產(chǎn)品質(zhì)量。例如在物流行業(yè)，可以使用機(jī)器視覺技術(shù)進(jìn)行快遞的分揀分類，不會出現(xiàn)大多快遞公司人工進(jìn)行分揀，減少物品的損壞率，可以提高分揀效率，減少人工勞動。