什么是機器視覺？工作原理是什么？(圖文)
機器視覺就是用機器代替人眼來做測量和判斷。機器視覺系統是指通過機器視覺產品（即圖像攝取裝置，分 CMOS 和CCD 兩種）將被攝取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；圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。
食品行業機器視覺系統
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。在一些不
適合于人工作業的危險工作環境或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；同時在大批量工業生產過程中，用人工視覺檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。而且機器視覺易于實現信息集成，是實現計算機集成制造的基礎技術。
正是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。
了解更多機器視覺信息可以訪問中國*家機器視覺媒體中國視覺網，成立于2003年6月。
基本構造
一個典型的工業機器視覺系統包括：光源、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
主端電腦(Host Computer)
影像擷取卡(Frame Grabber)與影像處理器
影像攝影機
CCT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
工作原理
機器視覺檢測系統采用CCD照相機將被檢測
工作原理圖
機器視覺系統的典型結構
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*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幟燈、日光燈、水銀燈和鈉光燈。可見光的缺點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。
Moritex MLRL系列低角度環形照明
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
Moritex 工業鏡頭
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。要根據不同的實際應用場合選不同的相機和高分辨率相機:線掃描CCD和面陣CCD；單色相機和彩色相機。
MORITEX 工業CCD相機
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。
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。現在由于采集卡可以快速傳輸圖像到存儲器，而且計算機也快多了，所以現在視覺處理器用的較少了。
機器視覺在紡織工業上的應用案例
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,給企業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”) 。對布匹質量的檢測是重復性勞動，容易出錯且效率低。
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”）。現在采用機器視覺的自動識別技術完成以前由人工來完成的工作。在大批量的布匹檢測中，用人工檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。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)籃(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指定的位置，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；可以獲知近期內布匹的質量情況等等。
機器視覺在國內外的應用現狀
在國外，機器視覺的應用普及主要體現在半導體及電子行業，其中大概40%-50%都集中在半導體行業。具體如PCB印刷電路：各類生產印刷電路板組裝技術、設備；單、雙面、多層線路板，覆銅板及所需的材料及輔料；輔助設施以及耗材、油墨、藥水藥劑、配件；電子封裝技術與設備；絲網印刷設備及絲網周邊材料等。SMT表面貼裝：SMT工藝與設備、焊接設備、測試儀器、返修設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、波峰焊機及自動化生產線設備。電子生產加工設備：電子元件制造設備、半導體及集成電路制造設備、元器件成型設備、電子工模具。機器視覺系統還在質量檢測的各個方面已經得到了廣泛的應用，并且其產品在應用中占據著舉足輕重的地位。除此之外，機器視覺還用于其他各個領域。
而在中國，視覺技術的應用開始于90年代，因為行業本身就屬于新興的領域，再加之機器視覺產品技術的普及不夠，導致以上各行業的應用幾乎空白。到二十一世紀，大批海外從事視覺行業技術人員回國創業，視覺技術開始在自動化行業成熟應用，2004年，在國內視覺行業具有劃時代意義的是深圳創科推出國內首款高性能機器視覺軟件開發包CKVision，代表了國內視覺技術已經日益成熟，目前在我國隨著配套基礎建設的完善，技術、資金的積累，各行各業對采用圖像和機器視覺技術的工業自動化、智能化需求開始廣泛出現，國內有關大專院校、研究所和企業近兩年在圖像和機器視覺技術領域進行了積極思索和大膽的嘗試，逐步開始了工業現場的應用。其主要應用于制藥、印刷、礦泉水瓶蓋檢測等領域。這些應用大多集中在如藥品檢測分裝、印刷色彩檢測等。真正高端的應用還很少，因此，以上相關行業的應用空間還比較大。當然、其他領域如指紋檢測等等領域也有著很好的發展空間。
產生發展
機器視覺的研究是從20世紀60年代中期美國學者L.R.羅伯茲關于理解多面體組成的積木世界研究開始的。當時運用的預處理、邊緣檢測、輪廓線構成、對象建模、匹配等技術，后來一直在機器視覺中應用。羅伯茲在圖像分析過程中，采用了自底向上的方法。用邊緣檢測技術來確定輪廓線，用區域分析技術將圖像劃分為由灰度相近的像素組成的區域，這些技術統稱為圖像分割。其目的在于用輪廓線和區域對所分析的圖像進行描述，以便同機內存儲的模型進行比較匹配。實踐表明，只用自底向上的分析太困難,必須同時采用自頂向下,即把目標分為若干子目標的分析方法，運用啟發式知識對對象進行預測。這同言語理解中采用的自底向上和自頂向下相結合的方法是一致的。在圖像理解研究中，A.古茲曼提出運用啟發式知識，表明用符號過程來解釋輪廓畫的方法不必求助于諸如*小二乘法匹配之類的數值計算程序。
70年代，機器視覺形成幾個重要研究分支：①目標制導的圖像處理；②圖像處理和分析的并行算法；③從二維圖像提取三維信息；④序列圖像分析和運動參量求值；⑤視覺知識的表示；⑥視覺系統的知識庫等。
應用領域
機器視覺的應用主要有檢測和機器人視覺兩個方面：
1. 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全性檢測）。
2. 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.人臉偵測
3.無人駕駛汽車
【機器視覺特點】
1.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；
2.零件的尺寸范圍為
3.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；
4.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；
5.機器視覺系統分辨率達到1600×1200，動態檢測精度可以達到
6.廢品漏檢率為0；
7.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；
8.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；
9.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；
10.實時顯示檢測畫面，中文界面，可以瀏覽*近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；
11.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。
應用實例
1. 基于機器視覺的儀表板總成智能集成測試系統
EQ140-II汽車儀表板總成是我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******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******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，誤差大，可靠性差，不能滿足自動化生產的需要。基于機器視覺的智能集成測試系統，改變了這種現狀，實現了對儀表板總成智能化、全自動、高精度、快速質量檢測，克服了人工檢測所造成的各種誤差，大大提高了檢測效率。
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。
2. 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。其工作原理圖如圖8-6所示；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。
3. 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±
4. ******印刷質量檢測系統：
該系統利用圖像處理技術，通過對******生產流水線上的******20多項特征（號碼、盲文、顏色、圖案等）進行比較分析，檢測******的質量，替代傳統的人眼辨別的方法。
5. 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。
6.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。
7. 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。
8. 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
9. 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。
10. 螺紋鋼外形輪廓尺寸的探測器件：
以頻閃光作為照明光源，利用面陳和線陳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。
11.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。
12. 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。
總之，類似的實用系統還有許多，這里就不一一敘述了。
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，*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。