工业机器视觉（一）

---

前言

最后编辑时间为2024-06-12，阅读本文前请注意最后编辑时间，文章内容可能与目前最新的技术发展情况相去甚远。欢迎各位评论与私信，指出错误或是进行交流等。

---

机器视觉的定义

通过计算机或图像处理器以及相关设备来模拟人的视觉行为，得到人的视觉系统所得到的信息。简单说来，机器视觉就是用机器代替人眼来做测量和判断。

人与机器的视觉系统

人的视觉系统是由眼球、神经系统及大脑的视觉中枢构成，机器视觉系统则是由图像采集系统、图像处理系统及信息综合分析处理系统构成。

机器视觉系统与人的视觉的对比

机器视觉技术发展

1. 1.20世纪50年代归入模式识别——主要集中在二维图像分析和识别上，如光学字符识别，工件表面、显微图片和航空图片的分析和解释等。
2. 20世纪70年代，David Marr提出了视觉计算理论，明确规范了视觉研究体系。计算机视觉以视觉计算理论为基础，为视觉研究提供了统一的理论框架。
3. 70年代中期，麻省理工学院(MIT)人工智能(AI)实验室正式开设“计算机视觉” ( Machine Vision) 课程。
4. 目前，机器视觉技术已经被广泛应用于工业生产、日常家居和军事领域。
5. “机器视觉”经历了从实验室走向实际应用的发展阶段，从简单的二值图像处理到高分辨率多灰度的图像处理以至于彩色图像处理，从一般的二维信息处理到三维视觉模型和算法的研究都取得了很大进展。新概念、新方法、新理论不断涌现。

机器视觉与计算机视觉

机器视觉是计算机视觉在工厂自动化中的应用，传统的机器视觉主要应用于工业领域，计算机视觉不限于工业领域。

机器视觉的应用

工业检测中的应用

工业检测是指在工业生产中运用一定的测试技术和手段对生产环境、工况、产品等进行测试和检验。随着现代工业的发展和进步，特别是在一些高精度加工产业，传统的检测手段已远远不能满足生产的需要。机器视觉技术在微尺寸、大尺寸、复杂结构尺寸和异型曲面尺寸检测中具有突出的优势和特点，还包括印刷电路板检查、钢板表面自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机器零件的自动识别和分类等。

医学诊断中的应用

• 对图像进行增强、标记等，帮助医生诊断疾病，协助医生对感兴趣的区域进行测量和比较
• 利用专家知识系统对图像进行分析和解释，给出建议诊断结果

机器视觉实际应用肯定不止以上两个方面，感兴趣的朋友请自行查阅资料

机器视觉系统

机器视觉系统通过光学的装置和非接触性的传感器，集成其他软硬件，能够自动地接收和处理所采集到的图像，提取所需的特征信息，通过分析和计算得出结果，并根据结果对现场的设备进行控制。

工业机器视觉系统的组成

关键组成部分

工业机器视觉系统通常包括光源、相机、图像处理软件以及执行决策，显示结果的输出设备（如PLC控制器、UI）等部分。具体实施方案还得结合实际情况来做考虑，仅供参考。

• 光源：适当的光源是提高图像质量和检测精度的关键因素。使用不同的照明技术（例如，点光源、环形光、背光等）可以帮助更好地突出产品的特定特征。良好的光学系统是视觉检测的基础。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。
• 相机：工业相机用于采集图像，它具有高的图像稳定性、高传输能力和高抗干扰能力等。其功能是将光信号转变成为可解释的电信号，再将电信号模数转换并交给处理器进行分析和识别。
• 镜头：相机需要配备镜头，作为成像器件，镜头通常与光源、相机一起构成一个完整的图像采集系统。
• 采集卡：工业相机一般都会带有标准的接口，如：GigE Vision、USB3.0、CameraLink等，通过这些接口可以实现图像的传输。采集卡则可以在工业相机和计算机之间起到一个桥梁的作用。使用采集卡可以将模拟信号转换为数字信号，提高图像的质量和稳定性，也可以对图像进行优化处理，达到更好的效果。此外，在某些场景下，如果需要将多个工业相机连接到一台计算机上，使用采集卡可以简化设备的连接和管理。虽然采集卡在很多情况下会提升工业相机的性能和功能，但并不是所有情况下都需要配备采集卡。对于一些简单的工业视觉应用，工业相机自带的接口已经足够满足需求，因此不需要配备采集卡。
• 视觉软件：通常情况下，原始图像很难直接使用，一般都需要对原始图像进行处理，也即二次加工。突出所需特征，减少不需要的特征，为进一步的决策做准备。
• 算法：使用传统的图像处理算法或深度学习方法等，对视觉软件处理过后的特征进行分析，以进行图像分类、检测、分割等任务。
• 视觉软件和算法虽然在图中展现分别运行于一台PC和AI服务器上， 实际应用中可能旨在一台服务器上。 且视觉软件和算法不作完全区分。
• 传感器：用于获取其他类型的传感器数据，如温度、湿度等，以便更好地理解和处理图像数据。
• 显示设备：显示屏、或者通过一些桌面软件、网页在电脑上显示机器视觉系统的运作过程。
• PLC和执行机构：通过软件（视觉软件和算法）所得出的结果，来调整生产流程。这些反馈与现场的自动化系统（如PLC）集成来实现。
• 其余辅助设备以及软件：连线及连接器、电源、数据库、MES系统等

工业机器视觉系统开发过程

工业机器视觉系统项目的开发过程包括：需求分析以及系统设计后的软硬件选型、软件开发、测试与验证、系统集成验收、试运行几个主要阶段。

• 软、硬件选型阶段，开发人员将对用户的需求进行细化，并分析各个子系统的详细需求，然后根据详细需求中的各种指标，确定构建机器视觉系统所需的软硬件。如果项目工期比较紧张，或者在项目初期用户的需求还不能完全确定，则可以先与用户确定采购周期较长的软硬件相关功能需求和指标，以便尽早开展采购工作。
• 搭建机器视觉软件开发平台阶段，通常先在实验室将关键硬件连接在一起，构建一套系统的原型机，并在PC上安装机器视觉软件开发包，开发并验证各种算法。
• 软件开发完成后，还需要在现场对其进行实地测试。当然在这之前需要在现场按照设计安装搭建最终的机器视觉硬件系统，此后进行整个系统的集成测试，验证系统的功能是否完善，实时性、可用性等性能是否达标，并在客户验收后进入系统的试运行。

---

参考文章：
https://blog.csdn.net/m0_53966219/article/details/127199948
https://blog.csdn.net/dingkm666/article/details/137457987
https://blog.csdn.net/m0_38106923/article/details/115557301
https://blog.csdn.net/VOMMA/article/details/139272526