三分钟了解机器视觉

机器视觉综述

0引言

机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、模拟与数字视频技术、计算机软硬件技术（图像增强和分析算法、图像卡、I/O卡等）。一个典型的视觉应用系统包括图像捕捉、光源系统、图像数字化模块、数字图像处理模块、智能判断决策模块、机械执行模块、人机接口模块。

机器视觉系统组成

1机器视觉关键技术发展现状

1.1光源

光源和照明方案是整个机器视觉系统成败的关键，光源与照明方案配合要尽可能地突出物体特征量，增加待检测区域和不相干区域的对比度，同时还要保证足够的整体亮度，物体位置的变化不应该影响成像的质量。

在视觉应用系统中一般投射光和反射光，对于反射光情况应充分考虑光源和光学镜头的相对位置、物体表面纹理、物体的几何形状、背景等要素。光源的选择必须符合所需的几何形状、照明亮度、均匀度、发光的光谱特性等，同时还要考虑光源的发光效率和使用寿命。表1列出了几种主要光源的特性。

表1 各种光源对比

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, 随着其制造工艺和技术的成熟, 价格的降低，它必将得到越来越广泛的应用, 成为图像领域新的亮点。还有高频荧光灯因其发光强度高、性价比好, 在某些应用场合也是很好的选择。

1.2光学镜头

光学镜头相当于人眼的晶状体，在机器视觉系统中非常重要，一个镜头的成像质量优劣，即其对像差校正的优良与否，可通过相差大小来衡量，常见的相差有球差、慧差、像散、场曲、畸变、色差等六种。对定焦镜头和变焦镜头来讲，同一档次的定焦镜头相差肯定比变焦镜头的小，因为变焦镜头必须着重考虑，使各种不同焦距下的成像质量都相对较好，不允许出现某个焦距（在变焦范围内）很差的情况。所以在机器视觉应用系统中，根据被测目标的状态应优先选用定焦镜头。此外在综合考虑图像的放大倍率、视场大小、光圈大小、焦距、视角大小等因素进行具体选择。

镜头的种类按焦距可分为广角镜头、标准镜头、长焦距镜头；按动作方式可分为手动镜头、电动镜头；按安装方式可分为普通安装镜头、隐蔽安装镜头；按光圈可分为手动光圈、自动光圈；按聚焦方式可分为手动聚焦、电动聚焦、自动聚焦；按变焦倍数可分为2倍变焦、6倍变焦、10倍变焦、20倍变焦等。镜头的主要性能指标有聚焦、光缆系数、倍率、接口等。

1.3摄像机和图像采集卡

摄像机和图像采集卡共同完成对物料图像的采集与数字化。高质量的图像信息是系统正确判断和决策的原始依据，是整个系统成功与否的又一关键所在。

目前在机器视觉系统中，CCD摄像机以其体积小、性能可靠、清晰度高等优点得到了广泛的应用。CCD摄像机按照其使用的CCD器件可分为线阵式和面阵式两大类，线阵CCD摄像机一次只能获得图像的一行信息，被拍摄的物体必须以直线形式从摄像机前移过，才能获得完整的图像，因此非常适合以一定速度匀速运动的物料流的图像检测，而面阵CCD相机可以一次获得整幅图像的信息。

在机器视觉系统中, 图像采集卡是控制摄像机拍照, 完成图像采集与数字化, 协调整个系统的重要设备.它一般具有以下功能模块: (1) 图像信号的接收与A/D转换模块, 负责图像信号的放大与数字化; (2) 摄像机控制输入输出接口, 主要负责协调摄像机进行同步或实现异步重置拍照、定时拍照等; (3) 总线接口, 负责通过计算机内部总线高速输出数字数据, 一般是PCI接口, 传输速率可高达130 Mbps, 完全能胜任高精度图像的实时传输, 且占用较少的CPU时间; (4) 显示模块, 负责高质量的图像实时显示; (5) 通讯接口, 负责通讯.

目前, 图像采集卡种类很多, 按照不同的分类方法, 有黑白图像和彩色图像采集卡, 有模拟信号和数字信号采集卡, 有复合信号和RGB分量信号输入采集卡.在选择图像采集卡时, 主要应考虑到系统的功能需求、图像的采集精度和与摄像机输出信号的匹配等因素.

1.4图像信号处理卡

图像信号的处理是机器视觉系统的核心，它相当于人的大脑，如何对图像进行处理和运算，即算法都体现在这里，是机器视觉系统开发的重点和难点所在。随着计算机技术、微电子技术和大规模集成电路技术的快速发展，为了提高系统的实时性，对图像处理的很多工作都可以通过硬件完成，如DSP、专用图像信号处理卡等，软件则完成算法中非常复杂、不太成熟、尚需不断探索和改善的部分。

1.5执行机构

对于一个系统而言，系统功能的最终实现是要靠执行机构来完成的，它是系统的最后一个也是最关键的环节，对于不同的应用场合，执行机构可以是机电系统、液压系统、气动系统中的某一种。但无论是哪一种，除了加工制造和装配精度要严格要求外，其动态特性，特别是快速性和稳定性也十分重要，必须在设计时给予足够的重视

1.6集成式机器视觉组件

目前，基于PC机的视觉系统没有模块化，安装不方便，可移植性差，特别是与PLC接口比较麻烦。从软件和硬件开发两个方面来考虑，都需要一种更适合工业需求集成式机器视觉组件。目前COGNEX公司已经开发出了一种叫做视觉传感器的模块化组件, 图4为实物图.这种视觉传感器集成了光源、摄像头、图像处理器、标准的控制与通讯接口, 自成为一个智能图像采集与处理单元, 内部程序存储器可存储图像处理算法, 并能使用上位计算机, 利用专用组态软件编制各种算法, 然后下载到视觉传感器的程序存储器中.视觉传感器将PC的灵活性, PLC的可靠性、分布式 络技术结合在一起.用这样的视觉传感器和PLC可以更容易地构成机器视觉系统.

2机器视觉技术的应用及展望

机器视觉不会有人眼的疲劳, 有着比人眼更高的分辨精度和速度, 借助红外线、紫外线、X射线、超声波等高新探测技术, 它在探测不可视物体和高危险场景时, 更具有其突出优点.机器视觉技术现已得到广泛的应用.

2.1在工业检测中的应用

目前, 机器视觉已成功地应用于工业检测领域, 大幅度地提高了产品的质量和可靠性, 保证了生产的速度.例如产品包装、印刷质量的检测, 饮料行业的容器质量检测, 饮料填充检测, 饮料瓶封口检测, 木材厂木料检测, 半导体集成块封装质量检测, 卷钢质量检测, 关键机械零件的工业CT等[2].在海关, 应用X射线和机器视觉技术的不开箱货物通关检验, 大大提高了通关速度, 节约了大量的人力和物力.在制药生产线上, 机器视觉技术可以对药品包装进行检测, 以确定是否装入正确数量的药粒.

2.2在农产品分选中的应用

我国是一个农业大国, 农产品十分丰富, 对农产品进行自动分级, 实行优质优价, 以产生更好的经济效益, 其意义十分重大.如水果, 根据颜色、形状、大小等特征参数[4, 5, 6];禽蛋, 根据色泽、重量、形状、大小等外部特征[5];烟叶, 根据其颜色、形状、纹理、面积等进行综合分级[7, 8].此外, 为了提高加工后农产品的品质, 对水果的坏损部分、粮食中混杂的杂质、烟叶茶叶中存在的异物等都可以机器视觉系统进行检测并准确去除.随着工厂化农业的快速发展, 利用机器视觉技术对作物生长状况进行监测, 实现科学浇灌和施肥, 也是一种重要应用.

2.3在机器人导航和视觉伺服系统中的应用

赋予机器人视觉是机器人研究的重要课题之一, 其目的是要通过图像定位、图像理解, 向机器人运动控制系统反馈目标或自身的状态与位置信息, 使其具有在复杂、变化的环境中自适应的能力.例如机械手在一定范围内抓取和移动工件, 摄像机利用动态图像识别与跟踪算法, 跟踪被移动工件, 始终保持其处于视野的正中位置.

2.4在医学中的应用

在医学领域, 机器视觉用于辅助医生进行医学影像的分析, 主要利用数字图像处理技术、信息融合技术对X射线透视图、核磁共振图像、CT图像进行适当叠加, 然后进行综合分析;还有对其它医学影像数据进行统计和分析, 如利用数字图像的边缘提取与图像分割技术, 自动完成细胞个数的计数或统计, 这样不仅节省了人力, 而且大大提高准确率和效率.

2.5其他

在闭路电视监控系统中, 机器视觉技术被用于增强图像质量, 捕捉突发事件, 监控复杂场景, 鉴别身份, 跟踪可疑目标等, 它能大幅度地提高监控效率, 减少危险事件发生的概率.在交通管理系统中, 机器视觉技术被用于车辆识别、调度, 向交通管理与指挥系统提供相关信息.在卫星遥感系统中, 机器视觉技术被用于分析各种遥感图像, 进行环境监测、地理测量, 根据地形、地貌的图像和图形特征, 对地面目标进行自动识别、理解和分类等.