机器视觉系统简介

2023-06-15 历史故事版权反馈

【摘要】：机器视觉系统在工业上的应用是以提高生产的柔性和自动化程度为目的。机器视觉系统由获取图像信息的图像测量子系统与决策分类或跟踪对象的控制子系统两部分组成。典型的机器视觉系统硬件结构如图5-42所示。2）机器视觉软件作为机器视觉系统的重要组成部分，机器视觉软件主要通过对图像的分析和处理，实现对待测目标特定参数的检测和识别。

1.机器视觉系统概述

机器视觉系统是指通过机器视觉产品（图像采集装置）获取图像，然后将获得的图像传送至处理单元，通过数字化图像处理进行目标尺寸、形状、颜色等的判别，进而根据判别的结果控制现场设备。

机器视觉技术起源于20世纪50年代。最初机器视觉主要用于二维图像的研究，例如对字符的识别等。到了20世纪60年代，Robert开创了以理解三维场景为目标的三维机器视觉研究。机器视觉应用系统在70年代出现并提出了较为完整的机器视觉理论——Marr视觉理论。90年代至今，机器视觉发展为一门有计算机技术、控制理论、模式识别、人工智能和生物技术等众多学科交叉的新学科。

机器视觉系统在工业上的应用是以提高生产的柔性和自动化程度为目的。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常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，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度，而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。正是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。

2.机器视觉系统的组成

一个典型的机器视觉系统涉及多个领域的技术交叉与融合，包括光源照明技术、光学成像技术、传感器技术、数字图像处理技术、模拟与数字视频技术、机械工程技术、控制技术、计算机软硬件技术、人机端口技术等。

机器视觉系统由获取图像信息的图像测量子系统与决策分类或跟踪对象的控制子系统两部分组成。图像测量系统又可分为图像获取和图像处理两大部分。图像测量子系统包括照相机、摄像系统和光源设备等，例如观测微小细胞的显微图像摄像系统、考察地球表面的卫星多光谱扫描成像系统、在工业生产流水线上的工业机器人监控视觉系统、医学层析成像系统（CT）等。图像测量子系统使用的光波段可以从可见光、红外线、Ⅹ射线、微波、超声波到γ射线等。从图像测量子系统所获取的图像可以是静止图像，如文字、照片等；也可以是运动图像，如视频图像等；既可以是二维图像，也可以是三维图像。图像处理就是利用数字计算机或其他高速、大规模集成数字硬件设备，对从图像测量子系统获取的信息进行数字运算和处理，进而达到人们所要求的效果。决策分类或跟踪对象的控制系统主要由对象驱动和执行机构组成，它根据对图像信息处理的结果实施决策控制，如在线视觉测控系统对产品NG判定分类的去向控制、自动跟踪目标动态视觉测量系统的实时跟踪控制以及机器人视觉的模识控制等。

1）系统硬件

目前市场上的智能视觉系统可以按结构分为两大类：基于PC的智能视觉系统和嵌入式智能视觉系统。基于PC的智能视觉系统是传统的结构类型，硬件包括CCD相机、视觉采集卡和PC等，目前居于市场应用的主导地位，但价格贵，对工业环境的适应性较弱。嵌入式智能视觉系统将所需要的大部分硬件如CCD、内存、处理器以及通信端口等压缩在一个“黑箱”式的模块里，又称之为智能相机，其优点是结构紧凑、性价比高、使用方便、对环境的适应性强，是机器视觉系统的发展趋势。

典型的机器视觉系统硬件结构如图5-42所示。

2）机器视觉软件

作为机器视觉系统的重要组成部分，机器视觉软件主要通过对图像的分析和处理，实现对待测目标特定参数的检测和识别。机器视觉软件主要完成图像增强，图像分割（特征抽取、模式识别），图像压缩与传输等算法内容，有些还具有数据存储和网络通信功能。智能视觉系统可以根据图像处理结果和一定的判决条件方便地实现产品自动化检测与管理。

pagenumber_ebook=216,pagenumber_book=205

图5-42　典型的机器视觉系统硬件结构

1—光源；2—光学镜头；3—摄像机；4—图像采集卡；5—图像处理系统；6—显示设备；7—驱动单元；8—执行机构；9—测试台与被测对象；10—光源电源

根据软件的规模和功能，现有的智能视觉系统软件可以分为单任务的专用软件和集成式通用组态软件两大类：专用软件是专门针对某一测试任务研制开发的，其待测目标已知，测量算法不具有通用性，如投影电视会聚特性检测调整系统和电子枪扭弯曲度智能检测系统。集成式通用组态软件是将众多通用的图像处理与模式识别算法编制成函数库，并向用户提供一个开放的通用平台，用户可以在这种平台上选择组合自己需要的函数，快速灵活的通过组态实现一个具体的视觉检测任务。

目前机器视觉软件主要向高性能与可组态两方面发展：一方面，机器视觉软件的竞争已从过去单纯追求软件多功能化转向对检测算法的准确性、高效性的竞争。优秀的机器视觉软件可以对图像中的目标特征进行快速而准确的检测，并最大限度地减少对硬件系统的依赖性；另一方面，机器视觉软件正由定制方式朝着通用、可视化组态方式发展。由于图像处理算法具有一定通用性，用户可以在通用平台上进行二次组态开发，快速实现多种工业测量、检测和识别功能。

机器视觉系统简介

相关推荐