机器视觉技术的发展及其应用

机器视觉技术的发展及其应用秦亚航1，苏建欢2，余荣川1(1.广西科技大学电气与信息工程学院，广西柳州545006;2.河池学院，广西宜州643006)【摘要】机器视觉系统的特点是提高生产的柔性和自动化程度。随着信号处理理论和计算机技术的发展，该技术迅速发展。本文介绍了机器视觉的关键技术的发展现状，其中包括光源照明技术、光学镜头、摄像机及图像采集卡、图像信号处理、执行机构等，并论述了其主要的应用领域以及存在的一些问题。【关键词】机器视觉；图像采集；图像处理DevelopmentofMachineVisionandApplicationsQINYa-hang1，QINWei-nian，SUJian-huan2，YURong-chuan1（CollegeofElectricalandInformationEngineering，GuangxiUniversityofScienceandTechnology，Liuzhou545006，China；HeChiUniversiry，Yizhou643006，China）【Abstract】Thecharacteristicsofthemachinevisionsystemistoimprovetheflexibilityandautomationofproduction.Withthedevelopmentofsignalprocessingtheoryandcomputertechnology,thetechnologyisdevelopingrapidly.Thispaperintroducesthedevelopmentstatusofthekeytechnologyofmachinevision,includinglightingtechnology,opticallens,cameraandimageacquisitioncard,imagesignalprocessing,actuators,etc,anddiscussesitsmainapplicationfieldandsomeproblems.【Keywords】Machinevision;Imageacquisition;Theimageprocessing0前言机器视觉可以理解为基于视觉技术的机器系统或学科。美国制造工程协会机器视觉分会和美国机器人工业协会的自动化视觉分会对机器视觉下的定义为：“机器视觉是通过光学装置和非接触的传感器自动地接受和处理一个真实物体的图像，通过分析图像获得所需信息或用于控制机器运动的装置”[1]。机器视觉是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。1机器视觉的发展历史模式识别：起源于20世纪50年代的机器视觉，早期研究主要是从统计模式识别开始，工作主要集中在二维图像分析与识别上，如光学字符识别OCR、工件表面图片分析、显微图片和航空图片分析与解释。积木世界：20世界60年代的研究前沿是以理解三维场景为目的的三维机器视觉。1965年，Roberts从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述。他的研究工作开创了以理解三维场景为目的的三维机器视觉的研究。起步发展：1977年，DavidMarr教授在麻省理工大学的人工智能实验室领导一个以博士生为主体的研究小组，于1977年提出了不同于“积木世界”分析方法的计算视觉理论，该理论在80年代成为机器视觉领域中的一个十分重要的理论框架。蓬勃发展：20世纪80年代到20世纪90年代中期，机器视觉获得蓬勃的发展，新概念，新方法，新理论不断涌现。在中国，视觉技术的应用开始于20世纪90年代，但在各行业的应用几乎一片空白。到21世纪，视觉技术开始在自动化行业成熟应用，如华中科技大学在印刷在线检测设备与浮法玻璃缺陷在线检测设备研发的成功，打破了欧美在该行业的垄断地位。国内视觉技术已经日益成熟，真正高端的应用也正在逐步发展[2]。2机器视觉的关键技术典型的工业机器视觉系统一般包括如下部分：光源，光学成像系统，图像捕捉系统，图像采集与数字化，智能图像处理与决策，控制执行模块等。如下图所示图1典型工业机器视觉系统目前机器视觉在工业上应用广泛，主要有1、引导和定位：上下料使用机器视觉来定位，引导机械手臂准确抓取。2、外观检测：检测生产线上产品有无质量问题，该环节也是取代人工最多的环节。3、高精度检测：有些产品的精密度较高，达到0.01～0.02m，甚至µ级，是人眼无法检测出来的，必须使用机器来完成。4、识别：数据的追溯和采集，在汽车零部件、食品、药品等应用较多。3.2图像自动解释应用对放射图像、显微图像、医学图像、遥感多波段图像、合成孔径雷达图像、航天航测图像等的自动判读理解。由于近年来技术的发展，图像的种类和数量飞速增长，图像的自动理解已成为解决信息膨胀问题的重要手段。3.3军事应用军事领域是对新技术最渴望、最敏感的领域，对于机器视觉同样也不例外。最早的视觉和图像分析系统就是用于侦察图像的处理分析和武器制导。机器视觉广泛应用于航空着陆姿势、起飞状态；弹道/火箭喷射、子弹出膛、火炮发射；爆破分析炮弹爆炸、破片分析、爆炸防御；撞击、分离以及各种武器性能测试分析，点火装置工作过程等。4机器视觉面临的问题对于人的视觉来说，由于人的大脑和神经的高度发展，其目标识别能力很强。但是人的视觉也同样存在障碍例如，即时具有敏锐视觉和高度发达头脑的人，一旦置身于某种特殊环境（即时曾经具备一定的先验知识），其目标识别能力也会急剧下降。将人的视觉引入机器视觉中，机器视觉也存在着这样的障碍。它主要表现在三个方面：一是如何准确、高速（实时）地识别出目标；二是如何有效地增大存储容量，以便容纳下足够细节的目标图像；三是如何有效地构造和组织出可靠的识别算法，并顺利地实现。前两者相当于人的大脑这样的物质基础，这期待着高速的阵列处理单元，以及算法（如神级网络、分维算法、小波变换等算法）的新突破，用极少的计算量及高度的并行性实现功能。另外，由于当前对人类视觉系统和机理、人脑心理和生理的研究还不够，目前人们所建立的各种视觉系统绝大多数是只适用于某一特定环境或应用场合的专用系统，而要建立一个可与人类的视觉系统相比拟的通用视觉系统是非常困难的。正因为如此，赋予机器以人类视觉功能是几十年来人们不懈追求和奋斗的目标[6]。5结束语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。尽管每一个正常人都是“视觉专家”，却不可能用\o"内省法"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。【参考文献】[1]张云,吴晓君,马廷武,庞连军.基于机器视觉的零件图像采集及识别的研究[J].电子工程，2006:32(10):29.[2]郭静,罗华,张涛.机器视觉与应用[J].电子科技,2014,27(7):185-188.[3]余文勇,石绘.机器视觉自动检测技术[M].化学工业出版社,2013,10:6-7.[4]韩冰,林明星,丁凤华.机器视觉技术及其应用分析[J].农业装备与车辆工程.2008,12(10):24-27.[5]章炜.机器视觉技术发展及其工业应用[J].红外,2006,27(2):13.[6]赵鹏.机器视觉理论及应用[M].电子工业出版社,2011,12:8-9.作者简介：秦亚航（1990