1.機(jī)器視覺檢測技術(shù)介紹

視覺檢測就是用機(jī)器代替人眼來做測量和判斷。視覺檢測是指通過機(jī)器視覺產(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，傳送給專用的圖像處理系統(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；圖像系統(tǒng)對這些信號進(jìn)行各種運(yùn)算來抽取目標(biāo)的特征，進(jìn)而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(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)器視覺檢測的特點(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)境或人工視覺難以滿足要求的場合，常用機(jī)器視覺來替代人工視覺；同時(shí)在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高，用機(jī)器視覺檢測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)器視覺系統(tǒng)基本組成及原理

一個(gè)典型的工業(yè)機(jī)器視覺應(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)行檢測時(shí)，圖像的像素?cái)?shù)量越多，檢測結(jié)果越準(zhǔn)確。

攝像機(jī)

視覺檢測系統(tǒng)的攝像機(jī)有三個(gè)變量需要調(diào)整，以優(yōu)化捕捉到的圖像。它們是光圈、對比度和快門速度。

照明部件

正確的照明對幫助創(chuàng)建有效檢測所需的對比度很關(guān)鍵。當(dāng)對一件產(chǎn)品的正確系統(tǒng)設(shè)置進(jìn)行評估時(shí)，設(shè)計(jì)師會(huì)花費(fèi)相當(dāng)多的時(shí)間用來確定檢測所需的最佳照明。照明解決方案的類型、幾何形狀、顏色和強(qiáng)度應(yīng)當(dāng)提供盡可能強(qiáng)的對比。

軟件工具

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

3.機(jī)器視覺檢測的優(yōu)勢

在檢測行業(yè)，與人類視覺相比，機(jī)器視覺優(yōu)勢明顯

精確度高：人類視覺是64灰度級，且對微小目標(biāo)分辨力弱；機(jī)器視覺可顯著提高灰度級，同時(shí)可觀測微米級的目標(biāo)；

速度快：人類是無法看清快速運(yùn)動(dòng)的目標(biāo)的，機(jī)器快門時(shí)間則可達(dá)微秒級別；

穩(wěn)定性高：機(jī)器視覺解決了人類一個(gè)非常嚴(yán)重的問題，不穩(wěn)定，人工目檢是勞動(dòng)非?？菰锖托量嗟男袠I(yè)，無論你設(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)器視覺檢測設(shè)備則沒有疲勞問題，沒有情緒波動(dòng)，只要是你在算法中寫好的東西，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)器視覺檢測的應(yīng)用

視覺檢測在印刷行業(yè)的應(yīng)用

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

視覺檢測在PCB板檢測中的應(yīng)用

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

視覺檢測在零件檢測中應(yīng)用

機(jī)器視覺檢測可以輕松應(yīng)對金屬零件生產(chǎn)的質(zhì)量控制，如硬幣、汽車零部件、連接器等。通過圖像處理的方法，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)對缺陷類型的統(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。

視覺檢測在汽車安全中的應(yīng)用

這類數(shù)字化系統(tǒng)的工作原理就是通過視覺傳感器對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)檢測和測量，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)測系統(tǒng)。它檢測的方法很多，比如：人臉快速檢測方法、疲勞程度檢測方法、疲勞駕駛問題檢測等等。

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)器視覺技術(shù)對金屬表面缺陷進(jìn)行自動(dòng)檢查，在生產(chǎn)過程中高速、準(zhǔn)確地進(jìn)行檢測，同時(shí)由于采用非接角式測量，避免了產(chǎn)生新劃傷的可能。利用線陣CCD的自掃描特性與被檢查鋼板X方向的移動(dòng)相結(jié)合，取得金屬板表面的三維圖像信息。

汽車車身檢測系統(tǒng)

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(jī)器視覺系統(tǒng)用于工業(yè)檢測中的一個(gè)較為典型的例子，該系統(tǒng)由62個(gè)測量單元組成，每個(gè)測量單元包括一臺激光器和一個(gè)CCD攝像機(jī)，用以檢測車身外殼上288個(gè)測量點(diǎn)。汽車車身置于測量框架下，通過軟件校準(zhǔn)車身的精確位置。

智能交通管理系統(tǒng)

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

瓶裝啤酒生產(chǎn)流水線檢測系統(tǒng)

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

5.機(jī)器視覺的發(fā)展及未來

圖像采集技術(shù)發(fā)展迅猛

CCD、CMOS等固件越來越成熟，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日新月異，產(chǎn)品系列也越來越豐富，在增益、快門和信噪比等參數(shù)上不斷優(yōu)化，通過核心測試指標(biāo)(MTF、畸變、信噪比、光源亮度、均勻性、色溫、系統(tǒng)成像能力綜合評估等)來對光源、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)問題得以不斷突破。

圖像處理和模式識別發(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的低對比度瑕疵開始得到分辨。

模式識別上，本身可以看作一個(gè)標(biāo)記過程，在一定量度或觀測的基礎(chǔ)上，把待識模式劃分到各自的模式中去。圖像識別中運(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)，利用它對模式向量進(jìn)行分類識別，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(或稱字符串)，通過對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。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，線性以及非線性分類器的設(shè)計(jì)等都在不斷延展。

深度學(xué)習(xí)帶來的突破

傳統(tǒng)的機(jī)器學(xué)習(xí)在特征提取上主要依靠人來分析和建立邏輯，而深度學(xué)習(xí)則通過多層感知機(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)來學(xué)習(xí)簡單特征、建立復(fù)雜特征、學(xué)習(xí)映射并輸出，訓(xùn)練過程中所有層級都會(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(通過防真視覺可靈活檢測未知瑕疵)；從重噪聲圖像重檢測無法描述或量化的瑕疵如橘皮瑕疵；分辨玻璃蓋板檢測中的真假瑕疵等。隨著越來越多的基于深度學(xué)習(xí)的機(jī)器視覺軟件推向市場(包括瑞士的vidi，韓國的SUALAB，香港的應(yīng)科院等)，深度學(xué)習(xí)給機(jī)器視覺的賦能會(huì)越來越明顯。

3d視覺的發(fā)展

3D視覺還處于起步階段，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、逆向工程、測繪、物體識別、測量與分級等，但精度問題限制了3D視覺在很多場景的應(yīng)用，目前工程上最先鋪開的應(yīng)用是物流里的標(biāo)準(zhǔn)件體積測量，相信未來這塊潛力巨大。

聲明：本文為轉(zhuǎn)載類文章，如涉及版權(quán)問題，請及時(shí)聯(lián)系我們刪除（QQ: 2737591964），不便之處，敬請諒解！