機器視覺（Machine Vision）作為光電技術應用的一個特定領域，目前已經發展成為一個備受矚目的行業。隨著工業4.0浪潮襲來，機器視覺會擺脫最初“輔助工具”的地位成為生產系統的“眼睛”與“大腦”。

1.

機器視覺解讀

什么是機器視覺

機器視覺技術是計算機科學的一個重要分支，它涉及到計算機、圖像處理、模式識別、人工智能、信號處理、光學、機械等多個領域，其目的就是給機器或者自動生產線添加一套視覺系統。機器視覺是采用機器代替人眼來做測量與判斷，通過計算機攝取圖像來模擬人的視覺功能，實現人眼視覺的延伸。

一個完整的工業機器視覺系統是由眾多功能模塊共同組成，一般由光學系統（光源、鏡頭、工業相機）、圖像采集單元、圖像處理單元、執行機構及人機界面等模塊組成，所有功能模塊相輔相成，缺一不可。好的機器視覺系統能夠為制造業提供更多有利于提高產品質量和生產效率的硬件支持。

機器視覺的目的是給機器或自動生產線添加一套視覺系統，用機器視覺系統 代替人眼來做測量和判斷。

通過機器視覺產品（即工業相機）將待檢測目標轉換成圖像信號，傳送給圖像處理分析系統，得到被攝目標的形態信息，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設備的動作。

機器視覺功能優勢

2.

機器視覺系統工作流程

工件到達檢測位置→ 向傳感器觸發脈沖→ 圖像采集卡感應物件并開始工作→ 零件照明→工業攝像機等待掃描并輸出→ 圖像采集卡將數字圖像存放到計算機內存中→處理器獲取圖像并把資料數據化→ 視覺軟件對圖像進行分析、識別→ 獲取測量結果→ 離散輸出，顯示不良產品畫面→控制流水線的動作或糾正誤差。

▲字小點擊放大看圖

從上述的工作流程可以看出，機器視覺系統是一種比較復雜的系統，因為大多數系統的監控對象都是運動物體，系統與運動物體的匹配和協調動作尤為重要，這些給系統各部分的動作時間和處理速度帶來了嚴格的要求。

在一些應用領域，例如機器人、飛行物制導等，整個系統或者系統的一些部件的重量、體積和耗電量都會有嚴格的要求。所以說，機器視覺是圖像處理系統中最復雜的系統，需要在開發和設計中投入更多的精力。

3.

機器視覺系統的優勢

在工業生產的過程中，機器視覺相對于人眼識別體現了較大優勢。機器視覺具有自動化、客觀、非接觸和高精度等特點。特別是在工業生產領域，機器視覺強調生產的精度和速度，以及工業現場環境下的可靠性與安全性，在重復和機械性的工作中具有較大的應用價值。

精確性——由于人眼有物理條件的限制，在精確性上機器有明顯的優點。即使人眼依靠放大鏡或顯微鏡來檢測產品，機器仍然會更加精確，因為它的精度能夠達到千分之一英寸。特別是檢測生產線上高速運動的物體時，機器視覺更具優勢。

重復性——機器可以以相同的方法一次一次的完成檢測工作而不會感到疲倦。與此相反，人眼每次檢測產品時都會有細微的不同，即使產品時完全相同的。

客觀性——人眼檢測還有一個致命的缺陷，就是情緒帶來的主觀性，檢測結果會隨工人心情的好壞產生變化，而機器沒有喜怒哀樂，檢測的結果自然非常可觀可靠。

效率高——機器視覺系統可以快速獲取大量信息，實現更為快速的產品檢測，同時也易于加工過程中的信息集成，尤其是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。

成本低——由于機器比人快，一臺自動檢測機器能夠承擔多人的任務。而且機器不需要停頓、能夠連續工作，所以能夠極大的提高生產效率從而降低生產成本。

4.

機器視覺典型應用場景

生產車間組裝

機器人在機器視覺技術的作用下，可以精確地按照視覺技術使機械手臂擁有3D視覺能力，可以靠視覺導引、定位，成為夾取物件的要件。除了視覺定位，手眼力協調機器人的關鍵技術還有矩陣的感測器，可以協助機器人知道抓取的位置與力量大小。

電子焊接制造

在焊線技術中，因為芯片維度的縮小，需要較強大的影像放大功能。在此環境中，高質量的成像鏡頭系統必須滿足特殊的最佳化需求。由于機器視覺工具絕佳的操作模式、可靠度及視覺算法的高準確度，從而很好地解決了芯片焊接過程中的諸多問題。

空瓶檢測

機器視覺空瓶檢測系統主要由相機、鏡頭、光源、圖像采集卡、PC平臺和控制單元等六部分組成，各個部分之間相互配合，最終完成對酒瓶的質量檢測和剔除。

汽車零部件裝配

汽車零部件具有品質要求高、批量大、形狀各異的特點，每一個零件都涉及到整車的質量，故其測量的尺寸多，精度要求高，需要根據不同的零部件特征與類型進行逐一測量。目前大部分汽車制造商，已使用機器視覺系統取代了普通的三坐標測量機。

產品自動化分揀

自動化分揀是工業生產、特別是產品批量生產中的必需環節之一。工業生產中需要根據產品特性及其生產/出廠質量要求進行分揀，它可以代替人工進行貨物的分類、搬運和裝卸工作，提高生產和工作效率，從而實現自動化、智能化、無人化。

藥品質量檢測

機器視覺在醫療領域的應用已經從傳統的藥品包裝、藥瓶、標簽等視覺檢測到目前對生物芯片的檢測，放射科的X放射等，通過引入機器視覺系統，完成對圖像信息的采集、存儲、管理、處理及傳輸等功能。

5.

機器視覺未來發展趨勢

▲字小點擊放大看圖

6.

機器視覺主流供應商

來源：e-works

完整的機器視覺系統的主要工作過程有哪些？

機器視覺技術是計算機學科的一個重要分支，它綜合了光學、機械、電子、計算機軟硬件等方面的技術，涉及到計算機、圖像處理、模式識別、人工智能、信號處理、光機電一體化等多個領域。自起步發展至今，機器視覺已經有20多年的歷史，其功能以及應用范圍隨著工業自動化的發展逐漸完善和推廣，其中特別是目前的數字圖像傳感器、CMOS和CCD攝像機、DSP、FPGA、ARM等嵌入式技術、圖像處理和模式識別等技術的快速發展，大大地推動了機器視覺的發展。

簡而言之，機器視覺就是利用機器代替人眼來作各種測量和判斷。在生產線上，人來做此類測量和判斷會因疲勞、個人之間的差異等產生誤差和錯誤，但是機器卻會不知疲倦地、穩定地進行下去。一般來說，機器視覺系統包括了照明系統、鏡頭、攝像系統和圖像處理系統。對于每一個應用，我們都需要考慮系統的運行速度和圖像的處理速度、使用彩色還是黑白攝像機、檢測目標的尺寸還是檢測目標有無缺陷、視場需要多大、分辨率需要多高、對比度需要多大等。從功能上來看，典型的機器視覺系統可以分為:圖像采集部分、圖像處理部分和運動控制部分。

一個完整的機器視覺系統的主要工作過程如下:1、工件定位檢測器探測到物體已經運動至接近攝像系統的視野中心，向圖像采集部分發送觸發脈沖。2、圖像采集部分按照事先設定的程序和延時，分別向攝像機和照明系統發出啟動脈沖。3、攝像機停止目前的掃描，重新開始新的一幀掃描，或者攝像機在啟動脈沖來到之前處于等待狀態，啟動脈沖到來后啟動一幀掃描。4、攝像機開始新的一幀掃描之前打開曝光機構，曝光時間可以事先設定。5、另一個啟動脈沖打開燈光照明，燈光的開啟時間應該與攝像機的曝光時間匹配。6、攝像機曝光后，正式開始一幀圖像的掃描和輸出。7、圖像采集部分接收模擬視頻信號通過A/D將其數字化，或者是直接接收攝像機數字化后的數字視頻數據。8、圖像采集部分將數字圖像存放在處理器或計算機的內存中。9、處理器對圖像進行處理、分析、識別，獲得測量結果或邏輯控制值。10、處理結果控制流水線的動作、進行定位、糾正運動的誤差等。從上述的工作流程可以看出，機器視覺是一種比較復雜的系統。因為大多數系統監控對象都是運動物體，系統與運動物體的匹配和協調動作尤為重要，所以給系統各部分的動作時間和處理速度帶來了嚴格的要求。在某些應用領域，例如機器人、飛行物體導制等，對整個機器視覺系統或者系統的一部分的重量、體積和功耗都會有嚴格的要求。機器視覺系統的優點有:1、非接觸測量，對于觀測者與被觀測者都不會產生任何損傷，從而提高系統的可靠性。2、機器視覺系統具有較寬的光譜響應范圍，例如使用人眼看不見的紅外測量，擴展了人眼的視覺范圍。3、長時間穩定工作，人類難以長時間對同一對象進行觀察，而機器視覺則可以長時間地作測量、分析和識別任務。機器視覺系統的應用領域越來越廣泛。在工業、農業、國防、交通、醫療、金融甚至體育、娛樂等等行業都獲得了廣泛的應用，可以說已經深入到我們的生活、生產和工作的方方面面。

機器視覺原理解析及其應用實例

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。

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、LC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照相機將被檢測的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，圖像處理系統對這些信號進行各種運算來抽取目標的特征，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，實現自動識別功能。

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。

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

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。

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。

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

機器視覺特性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2.4mm到12mm，厚度可以不同；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0.02mm；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，可以瀏覽最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、信號報警燈等，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個信號報警燈和若干照明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±0.1mm。 ROVER的質量檢測人員用該系統來判別關鍵部分的尺寸一致性，如車身整體外型、門、玻璃窗口等。實踐證明，該系統是成功的，并將用于ROVER公司其 它系統列汽車的車身檢測。

4. 紙幣印刷質量檢測系統：該系統利用圖像處理技術，通過對紙幣生產流水線上的紙幣20多項特征（號碼、盲文、顏色、圖案等）進行比較分析，檢測紙幣的質量，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。

機器視覺在智能制造應用

工業4.0離不開智能制造，智能制造離不開機器視覺。2015年我國機器視覺市場全球占比8.3%，增速超20%，機器視覺為我國工業自動化打開“新視界”。

智能制造的視覺入口

簡介及分類

機器視覺是指利用相機、攝像機等傳感器，配合機器視覺算法賦予智能設備人眼的功能，從而進行物體的識別、檢測、測量等功能。機器視覺可以分為工業視覺、計算機視覺兩類。

機器視覺分類（來源：網絡）

構成及原理

機器視覺系統一般由燈源、鏡頭、工業相機、圖像采集卡、圖像處理單元和視覺處理軟件構成。

機器視覺系統構成及工作原理（來源：物聯中國）

優勢及特點

機器視覺具有高度自動化、高效率、高精度和適應較差環境的優點。

機器視覺性能優勢原理（來源：工控網）

是實現智能制造的必要手段

如果說工業機器人是人類手的延伸、交通工具是人類腿的延伸，那么機器視覺就相當于人類視覺在機器上的延伸。機器視覺實現了對工件尺寸、形狀、顏色等特征的自動判斷和識別，可以讓機器代替人眼做測量和判斷，是實現工業自動化和智能化的必要手段。

機器視覺與人類視覺對比（來源：工控網）

機器視覺應用于智能制造領域的功能（來源：康耐視）

機器視覺下游應用現狀

應用廣泛

作為一種給機器人帶來視覺功能的關鍵技術，機器視覺應用廣泛。從工業視覺到計算機視覺，從人機交互到自動駕駛，從虛擬現實到物體自動識別，機器視覺都能擔當著重要角色。

機器視覺應用領域

工業領域

工業機器人領域的機器視覺下游市場主要是半導體及電子制造、汽車、食品與包裝和制藥行業，其他如煙草、農業、機械零部件等也是機器視覺應用的重要行業。

機器視覺在包裝機械和機械零部件應用示例（來源：BANNER 、FANUC ）

機器視覺工業應用情況（來源：網絡）

工業領域的機器視覺難點在于精度和速度，要求都在毫米級，且工業領域工業機器人抓手的變動是在三維空間內。

基于機器視覺的工業機器人定位技術流程（來源：發那科）

機器視覺系統設計的五大難點

第一：打光的穩定性

工業視覺應用一般分成四大類：定位、測量、檢測和識別，其中測量對光照的穩定性要求最高，因為光照只要發生10-20%的變化，測量結果將可能偏差出1-2個像素，這不是軟件的問題，這是光照變化，導致了圖像上邊緣位置發生了變化，即使再厲害的軟件也解決不了問題，必須從系統設計的角度，排除環境光的干擾，同時要保證主動照明光源的發光穩定性。當然通過硬件相機分辨率的提升也是提高精度，抗環境干擾的一種辦法了。比如之前的相機對應物空間尺寸是1個像素10um，而通過提升分辨率后變成 1個像素5um，精度近似可以認為提升1倍，對環境的干擾自然增強了。

第二：工件位置的不一致性

一般做測量的項目，無論是離線檢測，還是在線檢測，只要是全自動化的檢測設備，首先做的第一步工作都是要能找到待測目標物。每次待測目標物出現在拍攝視場中時，要能精確知道待測目標物在哪里，即使你使用一些機械夾具等，也不能特別高精度保證待測目標物每次都出現在同一位置的，這就需要用到定位功能，如果定位不準確，可能測量工具出現的位置就不準確，測量結果有時會有較大偏差。

第三：標定

一般在高精度測量時需要做以下幾個標定，一光學畸變標定（如果您不是用的軟件鏡頭，一般都必須標定），二投影畸變的標定，也就是因為您安裝位置誤差代表的圖像畸變校正，三物像空間的標定，也就是具體算出每個像素對應物空間的尺寸。

不過目前的標定算法都是基于平面的標定，如果待測量的物理不是平面的，標定就會需要作一些特種算法來處理，通常的標定算法是解決不了的。

此外有些標定，因為不方面使用標定板，也必須設計特殊的標定方法，因此標定不一定能通過軟件中已有的標定算法全部解決。

第四：物體的運動速度

如果被測量的物體不是靜止的，而是在運動狀態，那么一定要考慮運動模糊對圖像精度（模糊像素=物體運動速度*相機曝光時間），這也不是軟件能夠解決的。

第五：軟件的測量精度

在測量應用中軟件的精度只能按照1/2—1/4個像素考慮，最好按照1/2，而不能向定位應用一樣達到1/10-1/30個像素精度，因為測量應用中軟件能夠從圖像上提取的特征點非常少。

機器視覺在非標自動化設備上優勢、機器視覺在線檢測為自動化提速！

機器視覺在非標自動化設備上優勢具有哪些優勢？

機器視覺在非標自動化設備上優勢具有哪些優勢?大家都知道自動化設備就是不需要人的機器就能自動工作的設備就叫自動化設備，非標自動化設備就是根據用戶的實際需求定制的自動化設備就叫非標自動化設備,下面圳玖科非標自動化就來詳細的為大家分析一下：

首先來普及下國家近期推得比較火的幾個熱門概念和政策，所謂智能制造和工業4.0概念，新聞媒體隔三差五的報道想必大家都聽說過這個概念，但不是業內人士也基本只知道這幾個字，但對其行業和到底是干什么的可能還不了解，很榮幸我正式這個行業的從業者之一，就用我所在的角度給大家大致普及下吧。

今天我要說的機器視覺檢測和自動化設備正是智能制造2025其中一部分領域吧，其實國家的這個政策涉及面還是非常廣的，主要是提升國內工業領域生產裝備的更新換代，和全自動生產加工，目前美國、德國、日本等國家在這方面做得非常好，很多領域都實現了無人化生產加工，上萬平米的車間只需要十來個人，甚至很有意思的是一些動物屠宰廠的全自動化屠宰加工水平令人震驚，我們國家的裝備水平說實話還有很長路要走。

機器視覺檢測概念不是工業領域的人可能還不了解，但現在這項高級技術已經在制造業領域應用很廣泛了，機器視覺主要原理就是將利用工業相機拍攝圖像，使用專業的視覺檢測軟件和各種圖像算法對圖像進行分析計算并給出所需的參數，通過對這些參數的設置利用我們就可以到達很多目的實現很多功能.

比如：產品的高精度尺寸測量、零件坐標位置、讀取一維二位碼數據、零件表面缺陷檢測識別、顏色識別、角度識別等功能，這項技術已經能大程度上取代人眼了，而且檢測速度比人眼快5-10倍，目前這樣的技術已經細分成很多專業領域了，比如3D掃描、刷臉識別、指紋識別、自動駕駛等高科技領域，這項技術還在不斷更新完善功能會越來越強大。

非標自動化設備其實就是，根據客戶的生產步驟和生產效率要求，通過設計一套自動機械機構，和電氣控制邏輯，將人的動作取代并集成到一起，實現自動上料、自動組裝、自動測試檢測，并將這些數據保存下來，可以追蹤產量效率、良率、能耗等。

機器視覺在線檢測，為自動化提速！

在線視覺檢測系統是當今汽車行業自動化率不斷提升過程中不可或缺的設備，它有力地保障了產品在尺寸控制、精確定位、功能匹配和自動檢測方面的精度...

隨著汽車行業自動化水平的不斷提高，一些傳統的檢測方式已不能適應高節拍、柔性化的生產需求，自動的具有實時監控功能的機器視覺在線檢測技術逐漸在主流生產廠家得到應用，并取得了良好的效果。

機器視覺系統由多組傳感器組成，每個傳感器首先要計算出被測物的特征點，來進行坐標確定，然后將所有接收的數據信息擬合在統一的坐標系統中，從而完成測量。機器視覺在線檢測技術從安裝方式上分為固定式和動態式；從測量的方法上分為采用照相機拍照系統和激光系統兩種方式；從應用領域上分為定位檢測功能、尺寸檢測、型面檢測和功能匹配等幾個方面。

在自動化汽車生產線中，視覺系統必要時需要同機器人匹配應用，并與生產線的PLC控制系統建立聯接，以實現測量、檢測、定位和識別的功能。視覺檢測系統具有如下特點：采用非接觸式測量方式，提高了相應速度，對生產線影響小；具有長時間的穩定、可靠地重復工作的性能，適用于汽車連續化的流水線作業；適合在安全風險高、人機工程惡劣和環境差的區域工作。諸多優點使視覺檢測系統在汽車行業中得到了廣泛的應用。

在線尺寸檢測功能

（1）車身尺寸檢測功能（通常采用動態檢測方式）

在生產線的特定位置，設置激光測量系統，對車身的關鍵控制點進行測量，并將數據實時傳輸到數據分析系統，并能將發現的問題及時進行報警。

該方式實現了實時數據記錄、分析，能夠有效控制問題的發生范圍；采用相對傳統的CMM測量，測量樣本量大，能在短期內有足夠的樣本進行統計學分析；靈活性好，通過計算機編程，可以對車身需要關注的局部（如車輛改型、新零件試制）進行定點檢測，對問題做出準確判斷；柔性好，對多車型混線生產有良好的兼容性；自動工作，節省人力成本。

缺點是設備初期一次性費用投入較大；測量精度比CMM低；對工位的定位精度要求相對較高。

（2）測量系統

圖1 視覺在線自動檢測

測量系統如圖1所示，測量單元主要包括：工裝定位系統、機器人＋激光測頭＝測量系統、系統自檢系統（含溫度補償）、控制系統、車型識別系統（柔性化生產線）、數據分析系統。

視覺測量系統工作原理見圖2：使用平面激光照射被測物體表面，采集二維平面數據；使用激光線照射被測物體采集第三維數據；根據采集數據通過專業軟件進行分析；通過相關算法得出被測物體或特征的位移、形變以及其他幾何特征的變化。

圖2 視覺測量系統工作原理

如圖3所示，該案例存在的問題是某車型大燈支架批次性波動，調查發現該車型前縱梁尺寸發生變化，供應商新線生產的前縱梁尺寸不符合要求，前縱梁為兩條線進行生產。根據零件對比檢測，最終確定供應商參照第一條生產線的狀態對零件進行整改，使之尺寸狀態一致，修復后批次性波動消除。

圖3 案例分析

四門兩蓋、翼子板間隙和平整度匹配在線測量

固定式：

（1）設備要求：自動識別車型，完成激光測量并即時顯示測量結果。

（2）測量內容：三車型外覆蓋件的匹配（平整度和間隙），主要包括：前蓋與翼子板匹配；翼子板與前門匹配；前后門匹配（包括窗框）；后門與后翼子板匹配；后蓋（或后舉門）與后翼子板匹配。

（3）工作原理流程如圖4所示。

圖4 間隙和平整度檢測流程

（4）優點：設備為固定式，操作、保養相對簡單；能將一個時間段的車輛的不同部位的間隙、平整度等進行綜合分析，為改進提供方向；對在線車輛的匹配100%的測量，確保了車輛匹配的一致性；消除了人工測量時的測量誤差，長久來看降低了人工成本；即時發現問題，有利于后道工藝進行返修；適用于大批量、連續化生產的質量控制。

機器人裝配精確定位

在現場自動化工位，如頂蓋安裝、機器人激光焊接、門蓋的安裝以及自動涂膠等工藝，都需要先進行精確定位，機器人對定位數據進行分析后進行正確的操作，以達到工藝的穩定性。此種定位采取激光測量的方式，通常采用固定方式。

在此以機器人前蓋定位安裝為例（見圖5）：車輛到達工位定位，線旁設置了6組固定式激光測量裝置，前部4組測量頭分別對前蓋的兩側前后的間隙和平整度進行測量，另外兩組測量頭對前蓋的鉸鏈安裝孔的位置進行測量定位，機器人用抓手抓起前蓋，通過收到的數據信息不斷修正左右間隙和平整度的一致性，并對前蓋的定位孔進行修正，然后打緊鉸鏈。

圖5 機器人前蓋定位安裝

在線門蓋型面檢測

在線門蓋型面檢測如圖6所示，通常采用照相系統或激光面掃描等對外覆蓋件的輪廓或特征進行在線檢測，減少了人工搬運、下線的問題，實現100%在線檢測，面掃描也是觸發式測量設備無法完全替代的檢測方法。

圖6 在線門蓋型面檢測

此外，在線檢測設備還可以對機器人涂膠的軌跡和位置等進行測量監控，并對軌跡的偏差設定報警限，從而實現自動監控。

結語

機器視覺在線檢測系統是當今汽車行業自動化率不斷提升過程中不可或缺的設備，本文介紹的幾種使用方法是在實踐中較為成熟的，它有力地保障了產品在尺寸控制、精確定位、功能匹配和自動檢測方面的精度，未來必將在更廣闊的領域中得到應用，為實現更高自動化、更精細的質量等方面發揮巨大的作用。

機器視覺應用介紹（機器人篇）

為什么機器人需要視覺系統？

1沒有視覺的機器人應用有局限性

位置必須固定

機器人輔助生產的生產線上，機器人的運動位置是根據生產產品的特征預先設定好的，即按照預先設定的運動軌跡來執行動作。因此，需要有一定的治具保證產品的位置的固定。如果產品規格多樣，則需要大量的專用治具來實現產品位置的固定。其成本高昂、更換夾具的工作量巨大。

精度與可靠性的矛盾

機器人裝配的精度要求越高，需要的治具的精度也越高。治具的精度越高，機器人本體的精度越難以可以每次都準確、可靠的裝配。

接觸式定位的弊端

某些產品因為表面細膩，不能夠通過機械夾具來加持，以免破壞表面。有些產品因為是柔性材質，也無法實現可靠的抓取。

2視覺系統對機器人應用的幫助

位置修調

使用視覺系統告知機器人產品的位置，提供抓取的定位信息，更換產品也只需要更換產品的檢測文件即可。節省大量的機械成本及更換治具需要的時間。

多次定位保證精確性

可以用低精度的治具或者粗定位的視覺系統實現機器人完成抓取產品的工作。抓取后再通過視覺系統精確的捕捉物體的特征，實現高精度的定位，使機器人在抓取后能夠進一步修正位置，實現精密裝配。

非接觸式測量

視覺系統采用的是光學測量的方法，不會破壞物體的表面也不會因為物體是柔性的而無法測量。

3單獨視覺系統在生產中的局限性

無法全面的觀測

從成像的原理來說，一臺相機只能捕獲一個平面的圖像信息。對于復雜的物體，需要檢測多個面的情況下，往往需要很多相機協同工作。如果產品的規格很多，不同的規格相機需要調整到不同的位置來檢測。使得整個檢測系統異常的復雜。

精度與視野的矛盾

受制于相機感光芯片的分辨率的限制，越是大的視野，分辨的精度越低。在這種情況下，對于大的物體，無法實現高精度的檢測。

4機器人對視覺系統應用的幫助

多姿態的可能性

通過把視覺系統安裝在機器人的關節上，可以使用機器人來調整相機或者光源的位置，來實現各種不同姿態的檢測需求，從而實現對多規格、復雜產品的檢測應用。

隨動檢測

可以通過使用機器人帶著相機遍歷大檢測對象的各個檢測部位或者跟隨機器人的運動軌跡實時的檢測，從而實現對大物體進行小視野高精度的檢測。

未來已來——解讀人工智能和深度學習對機器視覺的影響

摘要

通過采用深度學習技術和人類用于發展大腦的其他功能，在機器視覺中融入人工智能將使機器思考得更像人類。

當20世紀50年代出現了“思維機器”的概念之后不久，人們就開始對人工智能（AI）領域發出了不安的警告。自從1968年的標志性電影“2001：太空漫游”到2014年的科幻大片“機械姬 Ex Machina”，對“機器崛起”的恐懼一直在流行文化中發酵著。

雖然AI仍然沒有像人們擔心的那樣“接管”社會，但是隨著數據存儲和處理能力的提高，像IBM Watson這樣的認知系統的開發使得未來代替人類決策的猜測成為可能。不過目前而言，大多數AI的迭代處理還是諸如對象識別等更為“溫和”的任務。

AI技術的運用，將使機器視覺能夠具有超越現有解決方案的能力，勝任更具有挑戰性的應用。但是加入AI的機器視覺是否已經做好準備用于工業應用呢？

深度學習能力

AI在機器視覺中的適用性依賴于機器學習技術，更準確的說是深度學習能力。從最廣泛的層面上來說，AI可以被定義為計算機模擬人類智能的能力。機器學習使計算機能夠在沒有明確編程的情況下進行操作。深度學習，是機器學習的一個子領域，使計算機能夠從經驗中不斷學習。

過去十年的一些發展使得在機器視覺中應用深度學習技術成為現實。“基于神經網絡的新技術，圖形處理單元（GPU）足夠強大的計算能力以及豐富的數據，現在我們已經可以使用人工智能進行圖像處理。”來自ViDi Systems業務發展部門的Olivier Despont談道。該公司2017年4月已被康耐視公司收購，其主要產品是基于深度學習的工業圖像分析軟件。

深度學習為傳統的機器視覺技術帶來了希望，因為它與使用基于規則方法的傳統圖像處理軟件不同。“AI使我們在遇到不容易表征或非線性的應用時，賦予機器更高水平的可重復性。”FISBA LLC定制光學系統銷售總監Wallace Latimer說：“如果把線性算法比喻成創建一個非常窄的桶，那么AI 或深度學習就是創造更大的桶，可以接受更多的變化。通過更寬泛的接受度，您可以專注于最重要的事，減少投入的變化。”

目前，機器視覺用戶已經可以在市場上找到深度學習系統軟件。例如，第一款深度學習工業圖像分析軟件ViDi Suite已經投入商業運營。通過與標準圖像處理庫集成的軟件，它可以像小孩子一樣進行學習。

“你不會用一個基于規則的方式跟孩子解釋房子是什么。” Despont說，“通過很少的例子，即使在年幼的時候，我們的大腦也能夠認知到房子是什么。在這方面，我們的深度學習系統與人類大腦運作相似。”

相較于傳統機器視覺解決方案，深度學習的另一個優點是可以減少開發機器視覺程序所需的時間。“通常來說，大多數機器視覺應用程序需要60多天的軟件開發和可行性測試，而采用ViDi Suite半天就可以完成開發。” Despont說。

與建構在“服務器群組”基礎上的AI系統不同（例如由Facebook、Google和IBM開發的軟件），ViDi使用單個高端NVIDIA GPU在幾分鐘內就可對系統進行訓練。根據Despont的說法，這會節省大量時間，例如使用IBM Watson來編程和參數化可能需要幾天甚至幾個月的時間。

“我們建議從30到50個代表性的優質圖像開始教授系統，而不是使用數百萬或數十億個圖像。”Despont說，“我們不會將圖像發送到基于云的服務器農場進行處理或培訓。客戶很高興，他們可以使用一個GPU在一臺PC上運行所有內容，并保持其圖像的所有權。”

機遇與挑戰

深度學習為一些采用傳統視覺系統面臨挑戰的應用帶來了希望。Teledyne Dalsa公司的軟件項目經理Bruno Ménard說：“AI真的很適合于食物檢查，尤其是當您想要檢查甜甜圈或一塊顯示出明顯差異的肉時”。

不僅僅是有機檢測應用能從AI中獲益，Ménard還引用了傳統的缺陷檢測應用作為另一個例子。“使用傳統算法來編程計算機難以定義缺陷，需要在每次出現新的缺陷時重做設置。” 他說，“但是通過擁有大量樣品的人工智能，您最終可以得到一個非常清晰的了解，知道哪些部分是好的，哪些是不好的。”

隨著AI在機器視覺方面的興起，該技術將適用于更多的檢查任務，最終超越工業自動化領域。Latimer認為，深度學習在醫療、生命科學、食品、假冒檢驗和木材分級等行業都將有很好的發展前景。

“在這些應用中都有很多不太容易做出判斷的決定點。” Latimer說，“例如，那個蘋果還好嗎？就很難說出一個線性的規則去判斷。而通過深度學習應該可以使許多應用變得更加高效和可重復。”

未來，在醫療診斷、監視、自動駕駛和智慧農業等領域將會更多地引入深度學習技術，以實現檢查或地圖分析等功能。Despont說：“AI是未來的發展趨勢，很快就能幫助人們解決一些復雜的任務，因為計算能力幾乎每一年半都翻倍。”

許多機器視覺專業人士已經認識到AI和深度學習將對視覺行業帶來重要的影響，但他們認為AI的全部潛力可能至少要在3到5年之后才會爆發。此外，AI也并不是解決所有傳統機器視覺和圖像處理問題的唯一方法。

Ménard指出了AI系統的兩個主要缺點。“首先，你需要大量的培訓，你需要創建專家團隊，以便于達到下一個級別的分類。”他說，“第二個缺點是一旦被訓練完，發現分類失敗，就很難解決這個問題。你別無選擇，只有再培訓一個新的樣本。”

人工智能在機器視覺中變得越來越普遍，行業專家建議應該根據企業自身的情況有側重的發展。“從利基市場來看，世界各地的谷歌正在將這項技術推向難以置信的投資和細化水平。” Latimer說，“在工業領域，我們可能無法投入如此大規模的時間和資本，因此我們要善于利用它的優勢。”

本文來自于《控制工程中文版》（CONTROL ENGINEERING China ）2017年8月刊《機器視覺專刊》欄目，原標題為：人工智能對機器視覺的影響。

關于機器視覺技術的未來趨勢

機器視覺在工廠自動化中起著至關重要的作用，而且其正向更多領域快速發展。雖然機器視覺曾經被認為僅僅是人類視覺的替代品，但今天，它早已成為提升質量和生產效率的驅動力，具有能夠將多維的、甚至肉眼不可見的微米級信息捕獲到的強大能力。

行業專家預測未來5 年， 機器視覺的復合年增長率將突破8%， 到2022 年，全球機器視覺市場規模預計或將超過140 億美元。那么，關于機器視覺技術，有哪些新的發展趨勢值得我們關注的呢？

工業物聯網（IIoT）

隨著IIoT 的發展，機器視覺應該會大幅提升。 IIoT 將信息技術與運營技術連接起來，因此它需要通過廣泛的數據采集和分析，以不斷優化工廠的運行。機器視覺是為IIoT 提供信息的最重要的基礎技術之一。全球制造業在IIoT 方面的快速發展，導致了機器人技術的復興和對機器視覺產品的新需求。

IIoT 加速了人類和機器人如何協同合作的進程，但是如果沒有機器視覺技術將大量的設備、機器人和人連接在一起，這些都不會發生。

更易使用

機器視覺系統的操作員更偏好用戶友好的界面和更直觀反映工廠車間環境的產品。但與此同時，視覺感知輸入卻比以往任何時候都更加復雜，這對于設備和軟件設計人員簡化他們的界面來說是一個巨大的挑戰。

產品的標準化將幫助用戶集成和運行視覺系統，同時降低設備的可替換性成本。 此外，在設置應用程序、定位和檢查零件，以及通過與HMI、PLC和機器人設備的通信來配置結果等方面，軟件設計人員將進一步簡化流程，通過更簡潔的界面提升效率。

CoaXPress 標準

CoaXPress 是一種非對稱的高速點對點串行通信數字接口標準，可通過相機到相機之間的同軸電纜實現傳輸和接收數據。新一代 CXP 單鏈路相機不但價格更低，還具有更小的體積、更低的功耗和產生更少的熱量，進一步降低了集成商設計基于 CXP 接口系統的難度。

CoaXPress 可以高達 6.25G 比特 / 秒的速度傳輸數據，這幾乎是 USB 3 Vision標準在現實環境中能達到的數據速率的2 倍，甚至比最新的 GigE Vision 的數據傳輸速率還快。 CoaXPress 標準可以為今后十年間不斷增長的帶寬需求提供支持，同時還可以滿足許多額外要求，如：更高的可靠性、靈活性、實時性以及成本效益等。

擴展到更多領域

更低的成本和持續改進的視覺組件，如 3D 彩色攝像機和機器學習技術，將進一步推動機器視覺擴展到非工業領域的應用中，如“無人駕駛”汽車系統、 IP 視頻監控、智能交通系統、智慧農業和醫療等。

曾經被認為是脆弱的、不能在任何地方使用，只能在環境控制很好的室內區域使用的機器視覺產品，現在已經足夠堅固，以至于可以適用于戶外的苛刻環境。

本文來自于《控制工程中文版》（CONTROL ENGINEERING China ）2017年8月刊，原標題為：關于機器視覺技術的未來趨勢

機器視覺的下一個想象空間是嵌入式？

歷經多年積累，機器視覺技術或許正在面臨一個黃金發展期。一旦成本下降、性能提升、應用增多，就如無線網絡普及帶來的變革一樣，機器視覺的軟硬件產品將成為生產制造業的標配。

美國市場研究咨詢機構Transparency Market Research發布的報告顯示，全球機器視覺技術市場有望從2014年的157億美元（約人民幣1040億元），以8.40%的復合年均增長率上升到2021年的285億美元（約人民幣1890億元）。

機器視覺系統對于實現工廠自動化來說不可或缺的，裝配定位、質量檢測、產品識別、尺寸測量……高速生產線上的高精度要求，人眼已無法滿足。

怎樣讓成本降下來？可以想象的空間很多，嵌入式機器視覺系統會是個不錯的選擇，而系統的核心當然離不開微處理器。從20世紀90年代，微處理器、半導體技術與機器視覺技術相伴螺旋上升：微處理器、半導體技術是機器視覺的發源地，歐美在其中大量應用圖像技術，后來慢慢演化成今天的機器視覺技術。機器視覺在歐美的應用普及，同樣主要體現在半導體及電子行業。現在，微處理器性能變得更強勁、功耗大大降低、尺寸越加緊湊，價錢卻沒有變高。

以今年2月上市的樹莓派3代微處理器（Raspberry Pi 3）為例，配備 64 位 1.2GHz 四核芯片及 1GB 內存，性能相對樹莓派2 （Raspberry Pi 2）提升了 50%。而價格仍然只要 35 美元（約人民幣232元），與四年前首發時的樹莓派1代B型（Raspberry Pi Model B）定價相同。把高性能、低功耗、緊湊型的微處理器大批量地應用于嵌入式視覺系統，單個成本有望再降一半。

在通用計算機上集成機器視覺系統時，涉及到照明、成像、圖像數字化、圖像處理算法、軟硬件等多門技術，對技術人員提出了極高的要求。使用嵌入式機器視覺系統，軟硬件配置變得靈活，開發環境與程序更加通用。易于量產和擴線，令生產柔性得到極大提升，企業對機器視覺技術的普遍需求將得到快速響應。

機器視覺相關全球標準的陸續出臺，加速了嵌入式系統的進程。去年6月，中國機器視覺產業聯盟（CMVU）加入G3標準， 這是CMVU成為第15位G3標準的成員單位。其他成員包括：美國自動化成像協會（AIA）、歐洲機器視覺協會（EMVA）、日本工業成像協會（JIIA）、德國機械設備制造業聯合會（VDMA）等。“全球機器視覺接口標準”手冊的發行、“G3相機標準”協議的簽訂，都將縮短開發時間，減少投資成本，同時加快產品的上市速度。

此外，為了使機器視覺能夠適應“工業4.0”以及未來的工廠生產，德國機械設備制造業聯合會機器視覺專業協會（VDMA Machine Vision）與OPC基金會（OPC Foundation）開始編制《OPC統一架構機器視覺配套規范》，旨在將機器視覺系統直接整合進生產控制與IT系統，發揮最大的效能。

工業4.0是關于連接生產技術和信息技術的，而機器視覺是為工業4.0提供信息的最重要的基礎技術之一。嵌入系統會在未來的機器視覺系統中扮演更重要的角色。它們可以實現緊湊型產品的設計，滿足大多數圖像處理的要求，并且與基于PC的獨立系統相比，其與工廠流程的集成度更高。