机器视觉技术的发展及其应用.docx

机器视觉技术的发展及其应用.docx

《机器视觉技术的发展及其应用.docx》由会员分享，可在线阅读，更多相关《机器视觉技术的发展及其应用.docx（7页珍藏版）》请在冰豆网上搜索。

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

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

DevelopmentofMachineVisionandApplications

QINYa-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;Theimageprocessing

0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、

照明系统是机器视觉系统最为关键的部分之一，直接关系到系统的成败。

但是目前尚没有一个通用的机器视觉照明设备，因此针对每个特定的案例，要设计合适的照明装置，以达到最佳效果。

好的光源通常具有如下特点：

尽可能突出物体的特征量，在物体需要检测的部分与那些不重要部分之间尽可能产生明显的区别，增加对比度；保证足够的整体亮度和稳定性；物体位置的变化不应该影响成像的质量。

在机器视觉应用系统中一般使用透射光和反射光。

光源设备的选择必须符合所需的几何形状。

同时，照明亮度、均匀度、发光的光谱特性要符合实际的要求，而且还要考虑光源的发光效率和使用寿命[3]。

表1列出了几种主要光源的相关特性。

表1　各种光源对比

光源

颜色

寿命（小时）

发光亮度

特点

氙灯

白色，偏蓝

3000~7000

亮

发热多，持续光

卤素灯

白色，偏黄

5000~7000

很亮

发热多，较便宜

荧光灯

白色，偏绿

5000~7000

亮

较便宜

LED灯

红、黄、绿、白、蓝

60000~100000

较亮

发热少，固态，能做成很多形状

点致发光管

由发光频率决定

5000~7000

较亮

发热少，较便宜

由上表可也看出，LED光源因其显色性好，光谱范围宽，能覆盖可见光的整个范围，且发光强度高，稳定时间长，近年来随着LED制造工艺和技术的不断发展成熟，价格逐步降低，其在机器视觉领域正得到越来越广泛的应用。

2.2光学镜头

光学镜头是机器视觉系统中必不可少的部件，直接影响成像质量的优劣，影响算法的实现和效果。

光学镜头一般称为摄像头或摄影镜头，简称镜头。

其功能就是光学成像。

根据被测目标的状态应优先选用定焦镜头。

镜头选择应注意：

焦距、目标高度、影像高度、放大倍数、影像至目标的距离、中心点等。

当然，镜头与摄像机的安装接口也是应考虑的一个重要因素。

2.3CCD摄像机及图像采集卡

CCD摄像机及图像采集卡共同完成对目标图像的采集与数字化。

CCD摄像机由于其具有灵敏度高、抗强光、畸变小、体积小、寿命长、抗震动等优点而得到了广泛的使用。

CCD摄像机按照其使用的CCD器件可以分为线阵式和面阵式两大类。

线阵CCD摄像机主要用于检测条状、筒状产品。

目前在机器视觉系统中，以面阵CCD的应用居多[4]。

图像采集卡又称为图像卡，它将摄像机的图像视频信号送到计算机的内存，供计算机处理、存储、显示和传输等使用。

其主要模块组成及功能如下：

①A/D转换模块，将图像信号放大和数字化；②相机控制模块，负责提供相机的设置及实现异步重置拍照、定时拍照；③PCI总线接口及控制模块，主要通过PCI总线完成数字图像数据的传输；总线控制器应用了burst模式，使传输速率可达到132Mbytes/s。

④显示模块，负责高质量的图像实时显示；⑤数字输入/输出模块，本模块允许图像采集卡通过TTL信号与外部装置进行通信，用于控制和响应外部事件。

2.4图像信号处理技术

图像信号的处理是机器视觉系统的核心。

视觉信息的处理技术主要依赖于图像处理方法，它包括图像变换、数据编码压缩、图像增强复原、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。

随着计算机技术、微电子技术以及大规模集成电路的发展，为了提高系统的实时性，图像处理的很多工作都可以借助硬件完成，如DSP芯片、专用图像信号处理卡等，软件主要完成算法中非常复杂、不太成熟或尚需不断探索和改进的部分。

处理时间上，要求处理速度必须大于等于采集速度，才能保证目标图像无遗漏，完成实时处理。

2.5　执行机构

机器视觉系统的最终功能的实现还需执行机构来完成.不同的应用场合，执行机构可能不同，比如机电系统、液压系统、气动系统，无论哪一种，除了要严格保证其加工制造和装配的精度外，在设计时还应对动态特性，尤其是快速性和稳定性给予充分重视[5]。

3机器视觉的典型应用

3.1工业自动化生产线应用

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-），女，满族，辽宁锦州人，硕士，广西科技大学，研究方向为智能控制与智能自动化。

覃伟年（1959-），男，教授，工学硕士，主要研究方向为电子技术应用与计算机控制技术。

苏建欢（1968-），男，壮族，广西都安人，硕士，副教授，河池学院，主要研究方向为电子技术应用与开发。

余荣川（1989-），男，汉族，广东湛江人，硕士，广西科技大学，研究方向为智能控制与智能自动化。