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、传感器、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）。
一个典型的机器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、智能判断决策模块和机械控制执行模块。 机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度。在一些不适于人工作业的危险工作环境或者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，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。 概述 机器视觉（Machine vision） 机器视觉系统的特点是提高生产的柔性和自动化程度。 基本构造 一个典型的工业机器视觉系统包括：光源、镜头（定焦镜头、变倍镜头、远心镜头、显微镜头）、 相机（包括CCD相机和COMS相机）、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯 / 输入输出单元等。 系统可再分为 一、采集和分析分开的系统 主端电脑（Host Computer） 影像撷取卡（Frame Grabber）与影像处理器 影像摄影机 定焦镜头镜头 显微镜头 照明设备 Halogen光源LED光源 高周波萤光灯源 闪光灯源 其他特殊光源 影像显示器 LCD 机构及控制系统 PLC、PC-Base控制器 精密桌台 伺服运动机台
二、采集和分析一体的系统 智能相机（图像采集和分析一体） 其他配套外围设备：光源、显示、PLC控制系统等等。 工作原理 机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统。 根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度。 再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。
典型结构 一个典型的机器视觉系统包括以下五大块： （1）照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。 光源可分为可见光和不可见光。常用的几种可见光源是白炽灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。 另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。 其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。 结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。 频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。 （2）镜头 FOV（Field of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比） 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 / 节点 畸变 视觉检测中如何确定镜头的焦距 为特定的应用场合选择合适的工业镜头时必须考虑以下因素： · 视野 - 被成像区域的大小。 · 工作距离 （WD） - 摄像机镜头与被观察物体或区域之间的距离。 · CCD - 摄像机成像传感器装置的尺寸。 · 这些因素必须采取一致的方式对待。 如果在测量物体的宽度，则需要使用水平方向的 CCD 规格。 如果以英寸为单位进行测量，则以英尺进行计算，最后再转换为毫米。 （3）高速相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等 按分辨率划分，像素数在38万以下的为普通型，像素数在38万以上的高分辨率型； 按光敏面尺寸大小划分，可分为1/4、1/3、1/2、1英寸相机； 按扫描方式划分，可分为行扫描相机（线阵相机）和面扫描相机（面阵相机）两种方式；（面扫描相机又可分为隔行扫描相机和逐行扫描相机）； 按同步方式划分，可分为普通相机（内同步）和具有外同步功能的相机等。 （4）图像采集卡 图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。 图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。 比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。 例如，可以连接8个不同的摄像机，然后告诉采集卡采用那一个相机抓拍到的信息。 有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。 （5）视觉处理器 视觉处理器集采集卡与处理器于一体。 以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。采集卡传输图像到存储器，进而计算分析。 当前主流配置的PLC，且配置较高，视觉处理器已经几乎退出市场。 机器选型 在机器视觉系统中，获得一张高质量的可处理的图像是至关重要。 系统之所以成功，首先要保证图像质量好，特征明显。一个机器视觉项目之所以失败，大部分情况是由于图像质量不好，特征不明显引起的。要保证好的图像，必须要选择一个合适的光源。 光源选型基本要素： 1、对比度：对比度对机器视觉来说非常重要。机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特征的区分。对比度定义为在特征与其周围的区域之间有足够的灰度量区别。好的照明应该能够保证需要检测的特征突出于其他背景。 2、亮度：当选择两种光源的时候，最佳的选择是选择更亮的那个。当光源不够亮时，可能有三种不好的情况会出现。第一，相机的信噪比不够；由于光源的亮度不够，图像的对比度必然不够，在图像上出现噪声的可能性也随即增大。其次，光源的亮度不够，必然要加大光圈，从而减小了景深。另外，当光源的亮度不够的时候，自然光等随机光对系统的影响会最大。 3、鲁棒性：另一个测试好光源的方法是看光源是否对部件的位置敏感度最小。当光源放置在摄像头视野的不同区域或不同角度时，结果图像应该不会随之变化。方向性很强的光源，增大了对高亮区域的镜面反射发生的可能性，这不利于后面的特征提取。 好的光源需要能够使你需要寻找的特征非常明显，除了是摄像头能够拍摄到部件外，好的光源应该能够产生最大的对比度、亮度足够且对部件的位置变化不敏感。 光源选择好了，剩下来的工作就容易多了。
原文链接https://baijiahao.baidu.com/s?id=1698749291400275672&wfr=spider&for=pc |
声明：本站来源标注“土拨虎”的文章，转发时请标注“来源：协作机器人网”或“来源：土拨虎”；本站文章来源标注其他平台的，如有侵权请联系本站删除。
协作机器人网
ad