1.機(jī)器視覺(jué)檢測(cè)技術(shù)介紹

視覺(jué)檢測(cè)就是用機(jī)器代替人眼來(lái)做測(cè)量和判斷。視覺(jué)檢測(cè)是指通過(guò)機(jī)器視覺(jué)產(chǎn)品（即圖像攝取裝置，分CMOS和CCD兩種）將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(hào)，傳送給專(zhuān)用的圖像處理系統(tǒng)，根據(jù)像素分布和亮度、顏色等信息，轉(zhuǎn)變成數(shù)字化信號(hào)；圖像系統(tǒng)對(duì)這些信號(hào)進(jìn)行各種運(yùn)算來(lái)抽取目標(biāo)的特征，進(jìn)而根據(jù)判別的結(jié)果來(lái)控制現(xiàn)場(chǎng)的設(shè)備動(dòng)作。是用于生產(chǎn)、裝配或包裝的有價(jià)值的機(jī)制。它在檢測(cè)缺陷和防止缺陷產(chǎn)品被配送到消費(fèi)者的功能方面具有不可估量的價(jià)值。

機(jī)器視覺(jué)檢測(cè)的特點(diǎn)是提高生產(chǎn)的柔性和自動(dòng)化程度。在一些不適合于人工作業(yè)的危險(xiǎn)工作環(huán)境或人工視覺(jué)難以滿(mǎn)足要求的場(chǎng)合，常用機(jī)器視覺(jué)來(lái)替代人工視覺(jué)；同時(shí)在大批量工業(yè)生產(chǎn)過(guò)程中，用人工視覺(jué)檢查產(chǎn)品質(zhì)量效率低且精度不高，用機(jī)器視覺(jué)檢測(cè)方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動(dòng)化程度。而且機(jī)器視覺(jué)易于實(shí)現(xiàn)信息集成，是實(shí)現(xiàn)計(jì)算機(jī)集成制造的基礎(chǔ)技術(shù)。

2.機(jī)器視覺(jué)系統(tǒng)基本組成及原理

一個(gè)典型的工業(yè)機(jī)器視覺(jué)應(yīng)用系統(tǒng)，包括數(shù)字圖像處理技術(shù)、機(jī)械工程技術(shù)、控制技術(shù)、光源照明技術(shù)、光學(xué)成像技術(shù)、傳感器技術(shù)、模擬與數(shù)字視頻技術(shù)、計(jì)算機(jī)軟硬件技術(shù)、人機(jī)接口技術(shù)等。

圖像部件

攝像機(jī)捕捉被檢測(cè)物體的電子圖像，然后將其發(fā)送到處理器進(jìn)行分析。電子圖像被轉(zhuǎn)換成數(shù)字，表示圖像最小的部分，即像素。圖像顯示的像素?cái)?shù)量稱(chēng)作分辨率。圖像的分辨率越高，包含的像素?cái)?shù)量越多，進(jìn)行檢測(cè)時(shí)，圖像的像素?cái)?shù)量越多，檢測(cè)結(jié)果越準(zhǔn)確。

攝像機(jī)

視覺(jué)檢測(cè)系統(tǒng)的攝像機(jī)有三個(gè)變量需要調(diào)整，以?xún)?yōu)化捕捉到的圖像。它們是光圈、對(duì)比度和快門(mén)速度。

照明部件

正確的照明對(duì)幫助創(chuàng)建有效檢測(cè)所需的對(duì)比度很關(guān)鍵。當(dāng)對(duì)一件產(chǎn)品的正確系統(tǒng)設(shè)置進(jìn)行評(píng)估時(shí)，設(shè)計(jì)師會(huì)花費(fèi)相當(dāng)多的時(shí)間用來(lái)確定檢測(cè)所需的最佳照明。照明解決方案的類(lèi)型、幾何形狀、顏色和強(qiáng)度應(yīng)當(dāng)提供盡可能強(qiáng)的對(duì)比。

軟件工具

視覺(jué)檢測(cè)系統(tǒng)使用軟件處理圖像。軟件采用算法工具幫助分析圖像。視覺(jué)檢測(cè)解決方案使用此類(lèi)工具組合來(lái)完成所需要的檢測(cè)。常用的包括，搜索工具，邊界工具，特征分析工具，過(guò)程工具，視覺(jué)打印工具等。

3.機(jī)器視覺(jué)檢測(cè)的優(yōu)勢(shì)

在檢測(cè)行業(yè)，與人類(lèi)視覺(jué)相比，機(jī)器視覺(jué)優(yōu)勢(shì)明顯

精確度高：人類(lèi)視覺(jué)是64灰度級(jí)，且對(duì)微小目標(biāo)分辨力弱；機(jī)器視覺(jué)可顯著提高灰度級(jí)，同時(shí)可觀測(cè)微米級(jí)的目標(biāo)；

速度快：人類(lèi)是無(wú)法看清快速運(yùn)動(dòng)的目標(biāo)的，機(jī)器快門(mén)時(shí)間則可達(dá)微秒級(jí)別；

穩(wěn)定性高：機(jī)器視覺(jué)解決了人類(lèi)一個(gè)非常嚴(yán)重的問(wèn)題，不穩(wěn)定，人工目檢是勞動(dòng)非常枯燥和辛苦的行業(yè)，無(wú)論你設(shè)計(jì)怎樣的獎(jiǎng)懲制度，都會(huì)發(fā)生比較高的漏檢率。但是機(jī)器視覺(jué)檢測(cè)設(shè)備則沒(méi)有疲勞問(wèn)題，沒(méi)有情緒波動(dòng)，只要是你在算法中寫(xiě)好的東西，每一次都會(huì)認(rèn)真執(zhí)行。在質(zhì)控中大大提升效果可控性。

信息的集成與留存：機(jī)器視覺(jué)獲得的信息量是全面且可追溯的，相關(guān)信息可以很方便的集成和留存。

4.機(jī)器視覺(jué)檢測(cè)的應(yīng)用

視覺(jué)檢測(cè)在印刷行業(yè)的應(yīng)用

利用在線(xiàn)/離線(xiàn)的視覺(jué)系統(tǒng)發(fā)現(xiàn)印刷過(guò)程中的質(zhì)量問(wèn)題，如切模，堆墨、飛墨、缺印/淺印、套印不準(zhǔn)、顏色偏差等，同時(shí)在線(xiàn)設(shè)備可將顏色偏差和墨量多少的檢測(cè)結(jié)果反饋給PLC,控制印刷設(shè)備的供墨量，對(duì)供墨量進(jìn)行在線(xiàn)調(diào)節(jié)，提高印刷質(zhì)量和效率。

視覺(jué)檢測(cè)在PCB板檢測(cè)中的應(yīng)用

利用視覺(jué)系統(tǒng)對(duì)PCB裸板進(jìn)行檢測(cè)，檢測(cè)板上的導(dǎo)線(xiàn)和元件的位置和間距錯(cuò)誤、線(xiàn)路和元件的尺寸錯(cuò)誤、元件形狀錯(cuò)誤、線(xiàn)路的通段、板上污損等。

視覺(jué)檢測(cè)在零件檢測(cè)中應(yīng)用

機(jī)器視覺(jué)檢測(cè)可以輕松應(yīng)對(duì)金屬零件生產(chǎn)的質(zhì)量控制，如硬幣、汽車(chē)零部件、連接器等。通過(guò)圖像處理的方法，發(fā)現(xiàn)金屬零件表面的劃傷、殘缺、變色、粘膜等缺陷，并指導(dǎo)機(jī)械傳動(dòng)系統(tǒng)將殘缺品剔除，大大提高了生產(chǎn)效率。同時(shí)對(duì)缺陷類(lèi)型的統(tǒng)計(jì)分析能夠指導(dǎo)生產(chǎn)參數(shù)的調(diào)整，提高產(chǎn)品質(zhì)量。

視覺(jué)檢測(cè)在汽車(chē)安全中的應(yīng)用

這類(lèi)數(shù)字化系統(tǒng)的工作原理就是通過(guò)視覺(jué)傳感器對(duì)人的眼瞼眼球的幾何特征和動(dòng)作特征、眼睛的凝視角度及其動(dòng)態(tài)變化、頭部位置和方向的變化等進(jìn)行實(shí)時(shí)檢測(cè)和測(cè)量，建立駕駛?cè)搜鄄款^部特征與疲勞狀態(tài)的關(guān)系模型，研究疲勞狀態(tài)的多參量綜合描述方法；同時(shí)研究多元信息的快速融合方法，提高疲勞檢測(cè)的可靠性和準(zhǔn)確性，從而研制穩(wěn)定可靠的駕駛員疲勞監(jiān)測(cè)系統(tǒng)。它檢測(cè)的方法很多，比如：人臉快速檢測(cè)方法、疲勞程度檢測(cè)方法、疲勞駕駛問(wèn)題檢測(cè)等等。

金屬板表面自動(dòng)控傷系統(tǒng)

金屬板表面自動(dòng)探傷系統(tǒng)利用機(jī)器視覺(jué)技術(shù)對(duì)金屬表面缺陷進(jìn)行自動(dòng)檢查，在生產(chǎn)過(guò)程中高速、準(zhǔn)確地進(jìn)行檢測(cè)，同時(shí)由于采用非接角式測(cè)量，避免了產(chǎn)生新劃傷的可能。利用線(xiàn)陣CCD的自?huà)呙杼匦耘c被檢查鋼板X(qián)方向的移動(dòng)相結(jié)合，取得金屬板表面的三維圖像信息。

汽車(chē)車(chē)身檢測(cè)系統(tǒng)

英國(guó)ROVER汽車(chē)公司800系列汽車(chē)車(chē)身輪廓尺寸精度的100%在線(xiàn)檢測(cè)，是機(jī)器視覺(jué)系統(tǒng)用于工業(yè)檢測(cè)中的一個(gè)較為典型的例子，該系統(tǒng)由62個(gè)測(cè)量單元組成，每個(gè)測(cè)量單元包括一臺(tái)激光器和一個(gè)CCD攝像機(jī)，用以檢測(cè)車(chē)身外殼上288個(gè)測(cè)量點(diǎn)。汽車(chē)車(chē)身置于測(cè)量框架下，通過(guò)軟件校準(zhǔn)車(chē)身的精確位置。

智能交通管理系統(tǒng)

通過(guò)在交通要道放置攝像頭，當(dāng)有違章車(chē)輛（如闖紅燈）時(shí)，攝像頭將車(chē)輛的牌照拍攝下來(lái)，傳輸給中央管理系統(tǒng)，系統(tǒng)利用圖像處理技術(shù)，對(duì)拍攝的圖片進(jìn)行分析，提取出車(chē)牌號(hào)，存儲(chǔ)在數(shù)據(jù)庫(kù)中，可以供管理人員進(jìn)行檢索。

瓶裝啤酒生產(chǎn)流水線(xiàn)檢測(cè)系統(tǒng)

可以檢測(cè)啤酒是否達(dá)到標(biāo)準(zhǔn)的容量、啤酒標(biāo)簽是否完整等。

5.機(jī)器視覺(jué)的發(fā)展及未來(lái)

圖像采集技術(shù)發(fā)展迅猛

CCD、CMOS等固件越來(lái)越成熟，圖像敏感器件尺寸不斷縮小，像元數(shù)量和數(shù)據(jù)率不斷提高，分辨率和幀率的提升速度可以說(shuō)日新月異，產(chǎn)品系列也越來(lái)越豐富，在增益、快門(mén)和信噪比等參數(shù)上不斷優(yōu)化，通過(guò)核心測(cè)試指標(biāo)(MTF、畸變、信噪比、光源亮度、均勻性、色溫、系統(tǒng)成像能力綜合評(píng)估等)來(lái)對(duì)光源、鏡頭和相機(jī)進(jìn)行綜合選擇，使得很多以前成像上的難點(diǎn)問(wèn)題得以不斷突破。

圖像處理和模式識(shí)別發(fā)展迅速

圖像處理上，隨著圖像高精度的邊緣信息的提取，很多原本混合在背景噪聲中難以直接檢測(cè)的低對(duì)比度瑕疵開(kāi)始得到分辨。

模式識(shí)別上，本身可以看作一個(gè)標(biāo)記過(guò)程，在一定量度或觀測(cè)的基礎(chǔ)上，把待識(shí)模式劃分到各自的模式中去。圖像識(shí)別中運(yùn)用得較多的主要是決策理論和結(jié)構(gòu)方法。決策理論方法的基礎(chǔ)是決策函數(shù)，利用它對(duì)模式向量進(jìn)行分類(lèi)識(shí)別，是以定時(shí)描述(如統(tǒng)計(jì)紋理)為基礎(chǔ)的；結(jié)構(gòu)方法的核心是將物體分解成了模式或模式基元，而不同的物體結(jié)構(gòu)有不同的基元串(或稱(chēng)字符串)，通過(guò)對(duì)未知物體利用給定的模式基元求出編碼邊界，得到字符串，再根據(jù)字符串判斷它的屬類(lèi)。在特征生成上，很多新算法不斷出現(xiàn)，包括基于小波、小波包、分形的特征，以及獨(dú)二分量分析；還有關(guān)子支持向量機(jī)，變形模板匹配，線(xiàn)性以及非線(xiàn)性分類(lèi)器的設(shè)計(jì)等都在不斷延展。

深度學(xué)習(xí)帶來(lái)的突破

傳統(tǒng)的機(jī)器學(xué)習(xí)在特征提取上主要依靠人來(lái)分析和建立邏輯，而深度學(xué)習(xí)則通過(guò)多層感知機(jī)模擬大腦工作，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)(如卷積神經(jīng)網(wǎng)絡(luò)等)來(lái)學(xué)習(xí)簡(jiǎn)單特征、建立復(fù)雜特征、學(xué)習(xí)映射并輸出，訓(xùn)練過(guò)程中所有層級(jí)都會(huì)被不斷優(yōu)化。在具體的應(yīng)用上，例如自動(dòng)ROI區(qū)域分割；標(biāo)點(diǎn)定位(通過(guò)防真視覺(jué)可靈活檢測(cè)未知瑕疵)；從重噪聲圖像重檢測(cè)無(wú)法描述或量化的瑕疵如橘皮瑕疵；分辨玻璃蓋板檢測(cè)中的真假瑕疵等。隨著越來(lái)越多的基于深度學(xué)習(xí)的機(jī)器視覺(jué)軟件推向市場(chǎng)(包括瑞士的vidi，韓國(guó)的SUALAB，香港的應(yīng)科院等)，深度學(xué)習(xí)給機(jī)器視覺(jué)的賦能會(huì)越來(lái)越明顯。

3d視覺(jué)的發(fā)展

3D視覺(jué)還處于起步階段，許多應(yīng)用程序都在使用3D表面重構(gòu)，包括導(dǎo)航、工業(yè)檢測(cè)、逆向工程、測(cè)繪、物體識(shí)別、測(cè)量與分級(jí)等，但精度問(wèn)題限制了3D視覺(jué)在很多場(chǎng)景的應(yīng)用，目前工程上最先鋪開(kāi)的應(yīng)用是物流里的標(biāo)準(zhǔn)件體積測(cè)量，相信未來(lái)這塊潛力巨大。

聲明：本文為轉(zhuǎn)載類(lèi)文章，如涉及版權(quán)問(wèn)題，請(qǐng)及時(shí)聯(lián)系我們刪除（QQ: 2737591964），不便之處，敬請(qǐng)諒解！