機器視覺:科技技術-中文百科頻道

産生發展

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，後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。用邊緣檢測技術來确定輪廓線，用區域分析技術将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，以便同機内存儲的模型進行比較匹配。實踐表明，隻用自底向上的分析太困難,必須同時采用自頂向下,即把目标分為若幹子目标的分析方法，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緻的。在圖像理解研究中，A.古茲曼提出運用啟發式知識，表明用符号過程來解釋輪廓畫的方法不必求助于諸如最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目标制導的圖像處理；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。

工作原理

機器視覺檢測系統采用照相機将被檢測的目标轉換成圖像信号，傳送給專用的圖像處理系統，根據像素分布和亮度、顔色等信息，轉變成數字化信号，圖像處理系統對這些信号進行各種運算來抽取目标的特征，如面積、數量、位置、長度，再根據預設的允許度和其他條件輸出結果，包括尺寸、角度、個數、合格/不合格、有/無等，實現自動識别功能。機器視覺被稱為自動化的眼睛，在國民經濟、科學研究及國防建設等領域都有着廣泛的應用。

優越性

1. 安全可靠：視覺的最大優點是與被觀測的對象無接觸，因此對觀測與被觀測者都不會産生任何損傷，十分安全可靠，這是其他感覺方式無法比拟的。另外，人無法長時間地觀察對象，機器視覺則不知疲勞，始終如一地觀測，所以機器視覺可以廣泛地用于長時間惡劣的工作環境。

2. 視覺範圍廣：理論上，人眼觀察不到的範圍，機器視覺也可以觀察，例如紅外線、微波、超聲波等人類就觀察不到，而機器視覺則可以利用這方面的敏感器件形成紅外線、微波、超聲波等圖象。因此可以說是擴展了人類的視覺範圍。

3. 對象選擇範圍廣：視覺方式所能檢測的對象十分廣泛，可以說是對對象不加選擇。在一些不适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。

4. 生産效率高：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。尤其是在大批量工業生産過程中，用人工視覺檢查産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産效率和生産的自動化程度，易于實現信息集成。

系統組成

一個典型的機器視覺系統包括以下五大塊：

1. 照明（光源）

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。結構光照明是将光栅或線光源等投射到被測物上，根據它們産生的畸變，解調出被測物的三維信息。頻閃光照明是将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。

2. 鏡頭

FOV（FieldOfVision）=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目标高度③影像高度④放大倍數⑤影像至目标的距離⑥中心點/節點⑦畸變

3. 相機

工業相機作為機器視覺系統的關鍵組件，其最本質的功能就是将光信号轉變成有序的電信号。選擇合适的相機也是機器視覺系統設計中的重要環節，相機的選擇不僅直接決定所采集到的圖像分辨率、圖像質量等，同時也與整個系統的運行模式直接相關。而工業相機按照不同的指标有諸多分類，以下是比較常見的分類：

（1）、按成像色彩劃分，可分為彩色相機和黑白相機；其中彩色相機有RGB格式（3CCD彩色相機）和Bayer格式（單CCD彩色相機）等；

（ 2）、按靈敏度劃分，又分為普通型、星光型、月光型、紅外型

（3）、按分辨率劃分，像素數在38萬以下的為普通型，像素數在38萬以上的高分辨率型；

（4）、按光敏面尺寸大小劃分，可分為1/4、1/3、1/2、1英寸相機。

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

（6）、按同步方式劃分，可分為普通相機（内同步）和具有外同步功能的相機等。

4. 圖像采集卡

圖像采集卡隻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、模拟、數字等等。

比較典型的是PCI或AGP兼容的捕獲卡，可以将圖像迅速地傳送到計算機存儲器進行處理。有些采集卡有内置的多路開關。例如，可以連接8個不同的攝像機,然後告訴采集卡采用那一個相機抓拍到的信息。有些采集卡有内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。

5.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。

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（例如産品的外觀檢查、裝配線上的零部件識别定位、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範圍内的操作和行動，如從料鬥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（即料鬥揀取問題，需3D機器視覺技術）。至于小範圍内的操作和行動，還需要借助于觸覺傳感技術。

應用實例

一、機器視覺檢測

1. 基于機器視覺的儀表闆總成智能集成測試系統

EQ140-II汽車儀表闆總成是我國某汽車公司生産的儀表産品，儀表闆上安裝有速度裡程表、水溫表、汽油表、電流表、信号報警燈等，其生産批量大，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個信号報警燈和若幹照明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，不能滿足自動化生産的需要。基于機器視覺的智能集成測試系統，改變了這種現狀，實現了對儀表闆總成智能化、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：為儀表闆提供模拟信号源的集成化多路标準信号源、具有圖像信息反饋定位的雙坐标CNC系統、攝像機圖像獲取系統和主從機平行處理系統。

2. 金屬闆表面自動控傷系統

金屬闆如大型電力變壓器線圈扁平線收音機朦胧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。金屬闆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，在生産過程中高速、準确地進行檢測，同時由于采用非接角式測量，避免了産生新劃傷的可能。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闆表面。金屬闆放在檢驗台上。檢驗台可在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，并可将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闆X方向的移動相結合，取得金屬闆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台激光器和一個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确位置。

測量單元的校準将會影響檢測精度，因而受到特别重視。每個激光器/攝像機單元均在離線狀态下經過校準。同時還有一個在離線狀态下用三坐标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。系統将檢測結果與人、從CAD模型中撮出來的合格尺寸相比較，測量精度為±0.1mm。ROVER的質量檢測人員用該系統來判别關鍵部分的尺寸一緻性，如車身整體外型、門、玻璃窗口等。實踐證明，該系統是成功的，并将用于ROVER公司其它系統列汽車的車身檢測。

4. 紙币印刷質量檢測系統：

該系統利用圖像處理技術，通過對紙币生産流水線上的紙币20多項特征（号碼、盲文、顔色、圖案等）進行比較分析，檢測紙币的質量，替代傳統的人眼辨别的方法。

5. 瓶裝啤酒生産流水線檢測系統：

可以檢測啤酒是否達到标準的容量、啤酒标簽是否完整、酒瓶外觀裂紋檢測、酒瓶内壁異物檢測及酒液異物檢測。

二、機器視覺識别

1. 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，攝像頭将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，提取出車牌号，存儲在數據庫中，可以供管理人員進行檢索。

2. 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、組織成分等進行精确、客觀地分析，為産品質量提供可靠的依據。

3. 醫療圖像分析：

血液細胞自動分類計數、染色體分析、癌症細胞識别等。

三、機器視覺測量

1. 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，旋轉五角标棱鏡掃出互相平行或垂直的基準平面，将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。

2. 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态檢測系統。

3. 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。将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。

4. 金屬表面的裂紋測量：

用微波作為信号源，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。

四、機器人視覺定位

1. 機器人視覺全自動上下料：

利用機器視覺系統實現全自動上下料，替代人工，提高效率，不僅避免了機床事故，并且在某些特殊工作場合得到應用。

2. 機器人視覺移動中抓取：

通過機器視覺定位提前判斷工件位移路徑抓取工件進行相關加工，在一定速度下配合來料節拍，使車間高速作業。

3. 機器人視覺碼垛：

同樣是通過機器視覺定位進行産品碼垛，目的詣在節省人工，提高效率。

總之，類似的實用系統還有許多，這裡就不一一叙述了。

五、Color檢測nn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顔色空間中的位置。所以無論我們人眼感覺有多麼的近似，在顔色空間中也不盡相同。基于上述原因，我們需要将RGB像素轉換成為另一種顔色空間CIELAB。目的就是使我們人眼的感覺盡可能的與顔色空間中的色差相近。