机器视觉简介

机器视觉

机器视觉就是用机器替代人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目的转换成图像信号，传送给专用的图像解决系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行多个运算来抽取目的的特性，进而根据鉴别的成果来控制现场的设备动作。发展折叠如今，中国正成为世界机器视觉发展最活跃的地区之一，应用范畴涵盖了工业、农业、医药、军事、航天、气象、天文、公安、交通、安全、科研等国民经济的各个行业。其重要因素是中国已经成为全球制造业的加工中心，高规定的零部件加工及其对应的先进生产线，使许多含有国际先进水平的机器视觉系统和应用经验也进入了中国。经历过长久的蛰伏，中国机器视觉市场迎来了暴发式增加。数据显示当年，中国机器视觉市场规模达成8.3亿元，同比增加48.2%，其中智能相机、软件、光源和板卡的增加幅度都达成了50%，工业相机和镜头也保持了40%以上的增幅，皆为以来的最高水平。，中国机器视觉市场步入后增加调节期。相较的高速增加，即使增加率有所下降，但仍保持很高的水平。中国机器视觉市场规模为10.8亿元，同比增加30.1%，增速同比下降18.1个百分点，其中智能相机、工业相机、软件和板卡都保持了不低于30%的增速，光源也达成了28.6%的增加幅度，增幅远高于中国整体自动化市场的增加速度。电子制造行业仍然是拉动需求高速增加的重要因素。机器视觉产品电子制造行业的市场规模为5.0亿人民币，增加35.1%。市份额达成了46.3%。电子制造、汽车、制药和包装机械占据了近70%的机器视觉市场份额。概述折叠编辑本段机器视觉(Machinevision)机器视觉系统的特点是提高生产的柔性和自动化程度。在某些不视觉系统工作原理简图适合于人工作业的危险工作环境或人工视觉难以满足规定的场合，惯用机器视觉来替代人工视觉;同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测办法能够大大提高生产效率和生产的自动化程度。并且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。基本构造折叠编辑本段一种典型的工业机器视觉系统涉及:光源、镜头、相机(涉及CCD相机和COMS相机)、图像解决单元(或图像捕获卡)、图像解决软件、监视器、通讯/输入输出单元等。系统可再分为一、采集和分析分开的系统。主端电脑(HostComputer)影像撷取卡(FrameGrabber)与影像解决器影像摄影机CCTV镜头显微镜头照明设备Halogen光源LED光源高周波萤光灯源闪光灯源其它特殊光源影像显示屏LCD机构及控制系统PLC、PC-Base控制器精密桌台伺服运动机台二、采集和分析一体的系统智能相机(图像采集和分析一体)其它配套外围设备:光源、显示、PLC控制系统等等工作原理折叠机器视觉检测系统采用CCD摄影机将被检测的目的转换成图像信号，传送给专用的图像解决系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像解决系统对这些信号进行多个运算来抽取目的的特性，如面积、数量、位置、长度，再根据预设的允许度和其它条件输出成果，涉及尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功效。典型构造折叠编辑本段一种典型的机器视觉系统涉及下列五大块:照明折叠镜头折叠FOV(FieldofVision)=所需分辨率*亚象素*相机尺寸/PRTM(零件测量公差比)镜头选择应注意:①焦距②目的高度③影像高度④放大倍数⑤影像至目的的距离⑥中心点/节点⑦畸变视觉检测中如何拟定镜头的焦距为特定的应用场合选择适宜的工业镜头时必须考虑下列因素:·视野-被成像区域的大小。·工作距离(WD)-摄像机镜头与被观察物体或区域之间的距离。·CCD-摄像机成像传感器装置的尺寸。·这些因素必须采用一致的方式看待。如果在测量物体的宽度，则需要使用水平方向的CCD规格，等等。如果以英寸为单位进行测量，则以英尺进行计算，最后再转换为毫米。机器视觉镜头参考以下例子:有一台1/3"C型安装的CDD摄像机(水平方向为4.8毫米)。物体到镜头前部的距离为12"(305毫米)。视野或物体的尺寸为2.5"(64毫米)。换算系数为1"=25.4毫米(通过圆整)。FL=4.8毫米x305毫米/64毫米FL=1464毫米/64毫米FL=按23毫米镜头的规定FL=0.19"x12"/2.5"FL=2.28"/2.5"FL=0.912"x25.4毫米/inchFL=按23毫米镜头的规定注:勿将工作距离与物体到像的距离混淆。工作距离是从工业镜头前部到被观察物体之间的距离。而物体到像的距离是CCD传感器到物体之间的距离。计算规定的工业镜头焦距时，必须使用工作距离高速相机折叠按照不同原则可分为:原则分辨率数字相机和模拟相机等

相机。要根据不同的实际应用场合选不同的相机和高分辨率相机:按成像色彩划分，可分为彩色相机和黑白相机;按分辨率划分，像素数在38万下列的为普通型，像素数在38万以上的高分辨率型;按光敏面尺寸大小划分，可分为1/4、1/3、1/2、1英寸相机;按扫描方式划分，可分为行扫描相机(线阵相机)和面扫描相机(面阵相机)两种方式;(面扫描相机又可分为隔行扫描相机和逐行扫描相机);按同时方式划分，可分为普通相机(内同时)和含有外同时功效的相机等。图像采集卡折叠图像采集卡只是完整的机器视觉系统的一种部件，但是

采集卡它扮演一种非常重要的角色。图像采集卡直接决定了摄像头的接口:黑白、彩色、模拟、数字等等。比较典型的是PCI或AGP兼容的捕获卡，能够将图像快速地传送到计算机存储器进行解决。有些采集卡有内置的多路开关。例如，能够连接8个不同的摄像机,然后告诉采集卡采用那一种相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕获，当采集卡抓拍图像时数字输出口就触发闸门。视觉解决器折叠视觉解决器集采集卡与解决器于一体。以往计算机速度较慢时，采用视觉解决器加紧视觉解决任务。采集卡传输图像到存储器，进而计算分析。现在主流配备的PLC，且配备较高，视觉解决器已经几乎退出市场。机器选型折叠在机器视觉系统中，获得一张高质量的可解决的图像是至关重要。系统之因此成功，首先要确保图像质量好，特性明显。一种机器视觉项目之因此失败，大部分状况是由于图像质量不好，特性不明显引发的。要确保好的图像，必须要选择一种适宜的光源。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性与需要被无视的图像特性之间产生最大的对比度，从而易于特性的分辨。对比度定义为在特性与其周边的区域之间有足够的灰度量区别。好的照明应当能够确保需要检测的特性突出于其它背景。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，可能有三种不好的状况会出现。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。另首先，光源的亮度不够，必然要加大光圈，从而减小了景深。另外，当光源的亮度不够的时候，自然光等随机光对系统的影响会最大。鲁棒性:另一种测试好光源的办法是看光源与否对部件的位置敏感度最小。当光源放置在摄像头视野的不同区域或不同角度时，成果图像应当不会随之变化。方向性很强的光源，增大了对高亮区域的镜面反射发生的可能性，这不利于背面的特性提取。好的光源需要能够使你需要寻找的特性非常明显，除了是摄像头能够拍摄到部件外，好的光源应当能够产生最大的对比度、亮度足够且对部件的位置变化不敏感。光源选择好了，剩余来的工作就容易多了。具体的光源选用办法还在于实验的实践经验。应用案例折叠在布匹的生产过程中，像布匹质量检测这种有高度重复性和智能性的工作只能靠人工检测来完毕，在当代化流水线背面经常可看到诸多的检测工人来执行这道工序，给公司增加巨大的人工成本和管理成本的同时，却仍然不能确保100%的检查合格率(即"零缺点")。对布匹质量的检测是重复性劳动，容易出错且效率低。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、精确、高效的流水线。在流水线上，全部布匹的颜色、及数量都要进行自动确认(下列简称"布匹检测")。采用机器视觉的自动识别技术完毕以前由人工来完毕的工作。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，用机器视觉检测办法能够大大提高生产效率和生产的自动化程度。特性提取辨识普通布匹检测(自动识别)先运用高清晰度、高速摄像镜头拍摄原则图像，在此基础上设定一定原则;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某些: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拟定。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，有实时性的规定。由于上述因素，图像识别解决时应采用对应的算法，提取杂质的特性，进行模式识别，实现智能分析。Color检测普通而言，从彩色CCD相机中获取的图像都是RGB图像。也就是说每一种像素都由红(R)绿(G)蓝(B)三个成分构成，来表达RGB色彩空间中的一种点。问题在于这些色差不同于人眼的感觉。即使很小的噪声也会变化颜色空间中的位置。因此无论我们人眼感觉有多么的近似，在颜色空间中也不尽相似。基于上述因素，我们需要将RGB像素转换成为另一种颜色空间CIELAB。目的就是使我们人眼的感觉尽量的与颜色空间中的色差相近。Blob检测根据上面得到的解决图像，根据需求，在纯色背景下检测杂质色斑，并且要计算杰出斑的面积，以拟定与否在检测范畴之内。因此图像解决软件要含有分离目的，检测目的，并且计算出其面积的功效。Blob分析(BlobAnalysis)是对图像中相似像素的连通域进行分析，该连通域称为Blob。经二值化(BinaryThresholding)解决后的图像中色斑可认为是blob。Blob分析工具能够从背景中分离出目的，并可计算出目的的数量、位置、形状、方向和大小，还能够提供有关斑点间的拓扑构造。在解决过程中不是采用单个的像素逐个分析，而是对图形的行进行操作。图像的每一行都用游程长度编码(RLE)来表达相邻的目的范畴。这种算法与基于象素的算法相比，大大提高解决速度。成果解决和控制应用程序把返回的成果存入数据库或顾客指定的位置，并根据成果控制机械部分做对应的运动。根据识别的成果，存入数据库进行信息管理。后来能够随时对信息进行检索查询，管理者能够获知某段时间内流水线的忙闲，为下一步的工作作出安排;能够获知内布匹的质量状况等等。应用现状折叠在国外，机器视觉的应用普及重要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路:各类生产印刷电路板组装技术、设备;单、双面、多层线路板，覆铜板及所需的材料及辅料;辅助设施以及耗材、油墨、药水药剂、配件;电子封装技术与设备;丝网印刷设备及丝网周边材料等。SMT表面贴装:SMT工艺与设备、焊接设备、测试仪器、返修设备及多个辅助工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等;再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备:电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。除此之外，机器视觉还用于其它各个领域。而在中国，视觉技术的应用开始于90年代，由于行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，造成以上各行业的应用几乎空白。现在国内机器视觉大多为国外品牌。国内大多机器视觉公司基本上是靠代理国外多个机器视觉品牌起家，随着机器视觉的不停应用，公司规模慢慢做大，技术上已经逐步成熟。随着经济水平的提高，3D机器视觉也开始进入人们的视野。3D机器视觉大多用于水果和蔬菜、木材、化妆品、烘焙食品、电子组件和医药产品的评级。它能够提高合格产品的生产能力，在生产过程的早期就报废劣质产品，从而减少了浪费节省成本。这种功效非常合用于高度、形状、数量甚至色彩等产品属性的成像。在行业应用方面，重要有制药、包装、电子、汽车制造、半导体、纺织、烟草、交通、物流等行业，用机器视觉技术取代人工，能够提供生产效率和产品质量。例如在物流行业，能够使用机器视觉技术进行快递的分拣分类，不会出现大多快递公司人工进行分拣，减少物品的损坏率，能够提高分拣效率，减少人工劳动。产生发展折叠机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯兹有关理解多面体构成的积木世界研究开始的。当时运用的预解决、边沿检测、轮廓线构成、对象建模、匹配等技术，后来始终在机器视觉中应用。罗伯兹在图像分析过程中，采用了自底向上的办法。用边沿检测技术来拟定轮廓线，用区域分析技术将图像划分为由灰度相近的像素构成的区域，这些技术统称为图像分割。其目的在于用轮廓线和区域对所分析的图像进行描述，方便同机内存储的模型进行比较匹配。实践表明，只用自底向上的分析太困难，必须同时采用自顶向下，即把目的分为若干子目的的分析办法，运用启发式知识对对象进行预测。这同言语理解中采用的自底向上和自顶向下相结合的办法是一致的。在图像理解研究中，A.古兹曼提出运用启发式知识，表明用符号过程来解释轮廓画的办法不必求助于诸如最小二乘法匹配之类的数值计算程序。70年代，机器视觉形成几个重要研究分支:①目的制导的图像解决;②图像解决和分析的并行算法;③从二维图像提取三维信息;④序列图像分析和运动参量求值;⑤视觉知识的表达;⑥视觉系统的知识库等。应用领域折叠机器视觉的应用重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(例如显微照片的细胞分类、机械零部件的尺寸和位置测量)和不用量器的定性或半定量检测(例如产品的外观检查、装配线上的零部件识别定位、缺点性检测与装配完全性检测)。⒉机器人视觉:用于指导机器人在大范畴内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其它设备上(即料斗拣取问题)。至于小范畴内的操作和行动，还需要借助于触觉传感技术。另外尚有:1自动光学检查2人脸识别3无人驾驶汽车4产品质量等级分类5印刷品质量自动化检测6文字识别7纹理识别8追踪定位......等机器视觉图像识别的应用。【机器视觉特点】⒈摄像机的拍照速度自动与被测物的速度相匹配，拍摄到抱负的图像;⒉零件的尺寸范畴为2.4mm到12mm，厚度能够不同;⒊系统根据操作者选择不同尺寸的工件，调用对应视觉程序进行尺寸检测，并输出成果;⒋针对不同尺寸的零件，排序装置和输送装置能够精确调节料道的宽度，使零件在固定途径上运动并进行视觉检测;⒌机器视觉系统分辨率达成2448×2048，动态检测精度能够达成0.02mm;⒍废品漏检率为0;⒎本系统可通过显示图像监视检测过程，也可通过界面显示的检测数据动态查看检测成果;⒏含有对错误工件及时精确发出剔除控制信号、剔除废品的功效;⒐系统能够自检其重要设备的状态与否正常，配有状态批示灯;同时能够设立系统维护人员、使用人员不同的操作权限;⒑实时显示检测画面，中文界面，能够浏览几次不合格品的图像，含有能够存储和实时察看错误工件图像的功效;⒒能生成错误成果信息文献，包含对应的错误图像，并能打印输出。应用实例折叠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。检测项目涉及:检测速度表等五个仪表指针的批示误差;检测24个信号报警灯和若干照明9灯与否损坏或漏装。普通采用人工目测办法检查，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，变化了这种现状，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多个误差，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原则信号源、含有图像信息反馈定位的双坐标CNC系统、摄像机图像获取系统和主从机平行解决系统。⒉金属板表面自动控伤系统金属板如大型电力变压器线圈扁平线收音机朦胧皮等的表面质量都有很高的规定，但原始的采用人工目视或用百分表加控针的检测办法不仅易受主观因素的影响，并且可能会绘被测表面带来新的划伤。金属板表面自动探伤系统运用机器视觉技术对金属表面缺点进行自动检查，在生产过程中高速、精确地进行检测，同时由于采用非接角式测量，避免了产生新划伤的可能。其工作原理图如图8-6所示;在此系统中，采用激光器作为光源，通过针孔滤波器滤除激光束周边的杂散光，扩束镜和准直镜使激光束变为平行光并以45度的入射角均匀照明被检查的金属板表面。金属板放在检查台上。检查台可在X、Y、Z三个方向上移动，摄像机采用TCD142D型2048线陈CCD，镜头采用普通摄影机镜头。CCD接口电路采用单片机系统。主机PC机重要完毕图像预解决及缺点的分类或划痕的深度运算等，并可将检测到的缺点或划痕图像在显示屏上显示。CCD接口电路和PC机之间通过RS-232口进行双向通讯，结合异步A/D转换方式，构成人机交互式的数据采集与解决。该系统重要运用线阵CCD的自扫描特性与被检查钢板X方向的移动相结合，获得金属板表面的三维图像信息。⒊汽车车身检测系统英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100%在线检测，是机器视觉系统用于工业检测中的一种较为典型的例子，该系统由62个测量单元构成，每个测量单元涉及一台激光器和一种CCD摄像机，用以检测车身外壳上288个测量点。汽车车身置于测量框架下，通过软件校准车身的精确位置。测量单元的校准将会影响检测精度，因而受到特别重视。每个激光器/摄像机单元均在离线状态下通过校准。同时尚有一种在离线状态下用三坐标测量机校准过的校准装置，可对摄像顶进行在线校准。检测系统以每40秒检测一种车身的速度，检测三种类型的车身。系统将检测成果与人、从CAD模型中撮出来的合格尺寸相比较，测量精度为±0.1mm。ROVER的质量检测人员用该系统来鉴别核心部分的尺寸一致性，如车身整体外型、门、玻璃窗口等。实践证明，该系统是成功的，并将用于ROVER公司其它系统列汽车的车身检测。⒋纸币印刷质量检测系统:该系统运用图像解决技术，通过对纸币生产流水线上的纸币20多项特性(号码、盲文、颜色、图案等)进行比较分析，检测纸币的质量，替代传统的人眼分辨的办法。⒌智能交