国内有没有做机器视觉系统的厂家？ - 知乎86被浏览<strong class="NumberBoard-itemValue" title="分享邀请回答61 条评论分享收藏感谢收起sz-yuzen.com YUZEN，专业的事交给专业的人来做吧21 条评论分享收藏感谢收起定制开发机器视觉检测系统 - 产品网
价格：商议 （）公司：（上海）
本公司拥有多年机器视觉检测系统开发和实施经验，可快速定制开发各种常用的视觉缺陷检测系统，零部件检测系统，视觉定位系统等，配合运动控制集成，可以控制对应执行机构，同时与上位控制器协同通讯，可以实施对现有生产设备快速改造，增加机器视觉检测环节，实现自动化生产。单片机、电路板
连接器、接插件
其他元器件
如何搭建机器视觉系统
如何搭建机器视觉系统
器视觉系统的构成
　　---一般机器视觉系统主要包括信息探测、采集系统、图像处理、显示及智能决策等模块，涉及计算机图形学、数字图像处理、视频信息处理、模式识别、人工智能理论、智能信息处理、VLSI技术等技术，可广泛应用于工业产品自动检测、航天、航空、遥感、卫星侦察、天文观测、通讯、交通、电子、金融、医疗等图像采集、处理和决策的诸多领域。图1是机器视觉系统的结构图。
　　器视觉系统的构成
　　---一般机器视觉系统主要包括信息探测、采集系统、图像处理、显示及智能决策等模块，涉及计算机图形学、数字图像处理、视频信息处理、模式识别、人工智能理论、智能信息处理、VLSI技术等技术，可广泛应用于工业产品自动检测、航天、航空、遥感、卫星侦察、天文观测、通讯、交通、电子、金融、医疗等图像采集、处理和决策的诸多领域。图1是机器视觉系统的结构图。
　　嵌入式图像采集处理系统
　　---NetSight II是功能完善的嵌入式图像采集处理系统，能快速、简便地构成生产线上的机器视觉系统，解决了由PC/图像采集卡或智能摄像机构成的机器视觉系统在实际生产环境中所遇到的各种问题，提高了产品生产质量。NetSight II系统如图2所示。
　　---& NetSight II嵌入了高性能处理器、多个摄像机接口、灵活的通信设备接口和多种用户界面。只需将摄像机与NetSight II连接，安装相应软件，就可以对生产线的产品进行检测，节省了大量的安装、调试时间。
　　---& 智能摄像机(Smart Camera)不能对物体进行多角度检测，若将这些
摄像机之间进行相互配合，则系统的复杂性和可靠性就成了问题。而高性价比的NetSight II系统可同时观察和处理4个摄像机的图像，还可以根据具体应用要求来选择相应的摄像机。NetSight II支持大多数标准、高分辨率(兆级像素)模拟摄像机，经过适配器可与非标准摄像机连接。
　　---& NetSight II的机器视觉检测软件SherLOCk是一个功能强大的自动化检测工具，目前国际上有数以千计的检测设备采用Sherlock软件。Sherlock软件易于使用、配置完善，可以快速构成样板、参考标准等，支持用户自定义算法和用户界面，但目前还不支持彩色相机输入。
　　● 主要特性和技术参数
　　---NetSight II系统可以在线自动快速检测不规则器件，同时处理多个视频图像，支持多种摄像机，功能强大的嵌入式处理器确保快速检测，为用户提供理想的机器视觉系统解决方案。
　　--- 数据采集部分包括3个单色或1个RGB的模拟摄像机、15脚D-Sub连接器，支持标准的640×480、或更高分辨率的格式，可同时采集3个单色同步摄像机或1个彩色摄像机图像。存储器为256MB的程序存储器和20GB的数据存储器。数字输入部分支持7种通用的代码，可进行控制切换，支持30V的TTL电路。数字输出部分包括7种用做检测和控制的接口，可进行光选通。
　　● 外部接口
　　--- 操作接口包括标准VGA显示器、标准的PS/2鼠标和键盘或USB鼠标和键盘、连接附加USB兼容设备的USB接口；网络接口为10/100Base-T以太网接口；相机(视频)接口包括3个同步相机输入(支持标准或者双速模拟相机的顺序扫描，每个相机的最大图像分辨率是2K×2K像素)，1个RGB相机输入(支持标准或者双速模拟相机的顺序扫描，最大图像尺寸是1K×1K)，不能同时支持RGB和3个同步相机输入；1个IEEE1394接口；背板上的3个15针D-Sub接口(标明视频1、2、3)，视频1接口支持单色和RGB相机，视频2和视频3只支持单色相机，所有接口不能同时支持单色和彩色相机，但可以同时采集和处理来自3个单色相机的数据；提供1个RS-232/485兼容串口，当断开网络连接时,该端口可以控制主应用；1个标准的并口可用来连接打印机等并口设备；AC97兼容音频接口用来发布音频警报通知。NetSight II的后面板如图3所示。
　　● 相机的选择
　　---& 机器视觉系统需要用相机采集图像，所选择的相机类型可以表明系统的识别能力，这就意味着可以识别的最小信息是视场的函数。换句话说，相机通过改变镜头可以扩大视场，但是减少了实际识别区域。光源、透镜畸变和物体的位置等许多因素都会影响到图像的质量。通常的做法是尽可能把传感器上感兴趣图像的画面填满，同时允许配准误差和位置重复。例如，如果需要检测一幅大图片的毛细裂缝，则需要分辨率可以识别裂缝的相机。一般情况下，使用标准的或百万像素分辨率的相机就可以满足解决机器视觉的应用。
　　-- -不同类型和厂家的机器视觉相机都有自己独特的特点，目前生产环境中的大多数相机都是模拟单色相机(即只能检测图像的亮度和灰度)。除了“静态”操作(检测的图片不能移动)，目前大多数相机都可以进行逐行扫描，这样相机就可以准确捕获移动图像，并用于特殊生产环境。需要注意的是，光源和镜头将会对相机性能产生很大的影响。
　　机器视觉开发软件
　　---& SherLOCk是基于Windows的机器视觉开发软件，操作简单方便，是开发机器视觉应用的理想软件，已被广泛采用。Sherlock有Sherlock Essential和Sherlock Professional两种经济实用的版本，可以满足企业的不同需要。Sherlock Essential是最“基本”的或常用的机器视觉软件，可读取条形码和2D矩阵编码和OCR(光学特征识别)等。Sherlock Professional包括所有的机器视觉软件工具，特别适合多个摄像机检测，具有专用算法及更复杂的图像处理能力。
　　---&& Sherlock系列产品版本具有相同界面，采用图形界面，无需要编写新代码，只要通过一些简单的点击操作就可以完成各种应用系统的检测。软件采用高性能的机器视觉算法，灵活的界面允许根据用户的系统要求制作相应的操作界面，实现各种机器视觉检测系统。图4是Sherlock的软件界面。
　　--- 软件可提取直线、圆环、圆弧、长方形、点等要处理的区域，并对提取的区域进行图象处理，包括与、或、异或等逻辑操作，加、减、放大、缩小、投影等数学运算，卷积、Sobel运算等图像滤波，图像折叠、旋转、变焦等处理，并将图像保存和存储。对线性、非线性、透视
和畸变失真进行校准，根据摄像机或真实坐标校准，还有自动再校正。软件可对图像进行边缘和点分析，进行搜索或定位等模式识别，测量和计量距离、角度、直径和周长，对图像确认和反馈，可输入输出数字和模拟信号。
　　器视觉系统的构成
　　---一般机器视觉系统主要包括信息探测、采集系统、图像处理、显示及智能决策等模块，涉及计算机图形学、数字图像处理、视频信息处理、模式识别、人工智能理论、智能信息处理、VLSI技术等技术，可广泛应用于工业产品自动检测、航天、航空、遥感、卫星侦察、天文观测、通讯、交通、电子、金融、医疗等图像采集、处理和决策的诸多领域。图1是机器视觉系统的结构图。
　　嵌入式图像采集处理系统
　　---NetSight II是功能完善的嵌入式图像采集处理系统，能快速、简便地构成生产线上的机器视觉系统，解决了由PC/图像采集卡或智能摄像机构成的机器视觉系统在实际生产环境中所遇到的各种问题，提高了产品生产质量。NetSight II系统如图2所示。
　　---& NetSight II嵌入了高性能处理器、多个摄像机接口、灵活的通信设备接口和多种用户界面。只需将摄像机与NetSight II连接，安装相应软件，就可以对生产线的产品进行检测，节省了大量的安装、调试时间。
　　---& 智能摄像机(Smart Camera)不能对物体进行多角度检测，若将这些
摄像机之间进行相互配合，则系统的复杂性和可靠性就成了问题。而高性价比的NetSight II系统可同时观察和处理4个摄像机的图像，还可以根据具体应用要求来选择相应的摄像机。NetSight II支持大多数标准、高分辨率(兆级像素)模拟摄像机，经过适配器可与非标准摄像机连接。
　　---& NetSight II的机器视觉检测软件SherLOCk是一个功能强大的自动化检测工具，目前国际上有数以千计的检测设备采用Sherlock软件。Sherlock软件易于使用、配置完善，可以快速构成样板、参考标准等，支持用户自定义算法和用户界面，但目前还不支持彩色相机输入。
　　● 主要特性和技术参数
　　---NetSight II系统可以在线自动快速检测不规则器件，同时处理多个视频图像，支持多种摄像机，功能强大的嵌入式处理器确保快速检测，为用户提供理想的机器视觉系统解决方案。
　　--- 数据采集部分包括3个单色或1个RGB的模拟摄像机、15脚D-Sub连接器，支持标准的640×480、或更高分辨率的格式，可同时采集3个单色同步摄像机或1个彩色摄像机图像。存储器为256MB的程序存储器和20GB的数据存储器。数字输入部分支持7种通用的代码，可进行控制切换，支持30V的TTL电路。数字输出部分包括7种用做检测和控制的接口，可进行光选通。
　　● 外部接口
　　--- 操作接口包括标准VGA显示器、标准的PS/2鼠标和键盘或USB鼠标和键盘、连接附加USB兼容设备的USB接口；网络接口为10/100Base-T以太网接口；相机(视频)接口包括3个同步相机输入(支持标准或者双速模拟相机的顺序扫描，每个相机的最大图像分辨率是2K×2K像素)，1个RGB相机输入(支持标准或者双速模拟相机的顺序扫描，最大图像尺寸是1K×1K)，不能同时支持RGB和3个同步相机输入；1个IEEE1394接口；背板上的3个15针D-Sub接口(标明视频1、2、3)，视频1接口支持单色和RGB相机，视频2和视频3只支持单色相机，所有接口不能同时支持单色和彩色相机，但可以同时采集和处理来自3个单色相机的数据；提供1个RS-232/485兼容串口，当断开网络连接时,该端口可以控制主应用；1个标准的并口可用来连接打印机等并口设备；AC97兼容音频接口用来发布音频警报通知。NetSight II的后面板如图3所示。
　　● 相机的选择
　　---& 机器视觉系统需要用相机采集图像，所选择的相机类型可以表明系统的识别能力，这就意味着可以识别的最小信息是视场的函数。换句话说，相机通过改变镜头可以扩大视场，但是减少了实际识别区域。光源、透镜畸变和物体的位置等许多因素都会影响到图像的质量。通常的做法是尽可能把传感器上感兴趣图像的画面填满，同时允许配准误差和位置重复。例如，如果需要检测一幅大图片的毛细裂缝，则需要分辨率可以识别裂缝的相机。一般情况下，使用标准的或百万像素分辨率的相机就可以满足解决机器视觉的应用。
　　-- -不同类型和厂家的机器视觉相机都有自己独特的特点，目前生产环境中的大多数相机都是模拟单色相机(即只能检测图像的亮度和灰度)。除了“静态”操作(检测的图片不能移动)，目前大多数相机都可以进行逐行扫描，这样相机就可以准确捕获移动图像，并用于特殊生产环境。需要注意的是，光源和镜头将会对相机性能产生很大的影响。
　　机器视觉开发软件
　　---& SherLOCk是基于Windows的机器视觉开发软件，操作简单方便，是开发机器视觉应用的理想软件，已被广泛采用。Sherlock有Sherlock Essential和Sherlock Professional两种经济实用的版本，可以满足企业的不同需要。Sherlock Essential是最“基本”的或常用的机器视觉软件，可读取条形码和2D矩阵编码和OCR(光学特征识别)等。Sherlock Professional包括所有的机器视觉软件工具，特别适合多个摄像机检测，具有专用算法及更复杂的图像处理能力。
　　---&& Sherlock系列产品版本具有相同界面，采用图形界面，无需要编写新代码，只要通过一些简单的点击操作就可以完成各种应用系统的检测。软件采用高性能的机器视觉算法，灵活的界面允许根据用户的系统要求制作相应的操作界面，实现各种机器视觉检测系统。图4是Sherlock的软件界面。
　　--- 软件可提取直线、圆环、圆弧、长方形、点等要处理的区域，并对提取的区域进行图象处理，包括与、或、异或等逻辑操作，加、减、放大、缩小、投影等数学运算，卷积、Sobel运算等图像滤波，图像折叠、旋转、变焦等处理，并将图像保存和存储。对线性、非线性、透视
和畸变失真进行校准，根据摄像机或真实坐标校准，还有自动再校正。软件可对图像进行边缘和点分析，进行搜索或定位等模式识别，测量和计量距离、角度、直径和周长，对图像确认和反馈，可输入输出数字和模拟信号。
型号/产品名
广州市亿丰科技有限公司
广州市亿丰科技有限公司
广州市亿丰科技有限公司
东莞艾华仪器设备有限公司
深圳市鑫悦达自控设备有限公司热门搜索：
当前位置：
干货：机器视觉检测系统的一个应用案例！
尽管与热轧工艺一样有效，在轧机台架中的轧辊机座偶尔可以在钢表面上产生标记和缺陷，这些缺陷在热条件下非常难以检测。利用视觉技术检测热轧钢材的表面，即便钢材的温度超过1000℃，也好像它们是冷的一样。
利用视觉技术检测热轧钢材的表面，即便钢材的温度超过1000℃，也好像它们是冷的一样。为了生产无缝钢管，需要先将钢坯输送到炉中加热。接着，将坯料穿孔以形成厚壁的中空壳体，之后将芯棒插入壳体中。然后在芯棒式无缝管轧机中进行伸长轧制。在伸长工艺之后，坯料输送到推进台，在那里它被推动穿过一系列轧辊机座。最终形成具有连续更小壁厚的中空长钢管。尽管与热轧工艺一样有效，在轧机台架中的轧辊机座偶尔可以在钢表面上产生标记和缺陷，这些缺陷在热条件下非常难以检测。因此，在质量改进项目中，许多制造商希望尽可能早地识别这些缺陷，以避免以相当大的代价生产出大量有缺陷的材料。视觉系统为了解决这些问题，西班牙Tecnalia公司的工程师开发出了一套称为Surfin&#39;的系统，其能使钢铁制造商在钢板从推进台推出时，就检测到这类缺陷（见图1）。检测这种缺陷为制造商提供了生产过程中任何问题的指示，使制造商能在早期阶段对推进台进行预防性维护，防止将任何有缺陷的钢管交付给客户。图1：西班牙Tecnalia公司的工程师开发出了一套称为Surfin&#39;的机器视觉系统，其能使超过1000℃的钢板从推进台推出时，就可检测到钢材上的缺陷。由轧辊机座产生的这种钢管表面上的典型缺陷，通常遵循重复模式持续出现，直到轧机支架改变。这些缺陷包括表面上的裂缝、轧机支架阻挡标记、裂纹以及分离的钢材，其随后会粘贴到钢管表面的另一部分上。开发人员面临严峻的挑战。这种生产环境中的条件可谓极端恶劣：不仅以6~7m/s的相对高速生产钢管（Surfin&#39;可以工作在高达10m/s下），而且钢材从轧辊机座推出时的温度约为1000℃，再加上环境脏、存在水和油蒸汽，从而使缺陷检测更为棘手。由于钢材的热表面辐射的光与IR、红光、橙光和黄光波段的热发射直接相关，因此捕获钢材表面反射的所有光的图像，将使相机中的传感器饱和，因为相机对钢管辐射的所有光都敏感。为了解决这一问题，Surfin&#39;系统（专利号ES2378602和EP2341330）使用的光，其波长远离炽热钢材所发射光谱的波长。然后，系统中相机捕获的图像，通过美国Edmund Optics公司的窄带光学带通滤光片（中心波长为470nm、带宽为10nm）和一个红外（IR）辐射滤光片。这两个滤光片使CCD相机只接收所需波段中的辐射，而加入IR滤光片来保护电子系统免受热辐射。受控照明技术允许系统捕获钢管整个表面的图像，就好像钢管是冷的一样。为了使系统能捕获钢管表面的360°图像，该系统使用了加拿大Teledyne DALSA公司的三套14000 lines/s的Spyder 3线扫描相机，以120°的角度间隔垂直于轧制钢管轴平面、安装在保护性罩壳中，围绕在推进台的输出端。在该系统的前一个版本中，在每台相机的两侧使用加拿大Laserglow Technologies公司的两个200mW 473nm蓝光激光光源，对钢管表面进行暗场照明。由于系统的几何形状，其可以实时地连续捕获钢管的完整图像（见图2a和b）。图2：a）：为了使系统能够精确地捕获钢管表面（3）的360°图像，系统使用三组激光器（1）和14000 lines/s线扫描相机（2）。B）：激光器和相机组以120°角度间隔安装在垂直于滚动轴平面的同一平面内，相机位于推进台输出端周围的保护罩壳中。由于环境的温度很高，保持相机连续冷却至关重要。为此，将压缩冷却空气注入到保护罩壳中，保护相机和激光设备免受热和恶劣环境的影响。空气不仅冷却系统，而且之后过量的空气通过窗口排出，激光器通过该窗口输出光束，相机通过该窗口捕获图像，防止鳞状物、氧化物、灰尘和液体沉积。图像处理一旦捕获了钢材表面的图像，接下来便通过光纤千兆以太网链路将图像传送100m到达控制室中基于PC的服务器上。在这里，首先对图像进行预处理，以利用诸如直方图均衡等定制图像增强算法，来增强图像的对比度。由于原始图像中的可用数据由近对比度值表示，所以该技术增加了图像的全局对比度。图像增强之后，使用定制软件处理，在系统的先前版本中，该软件采用基于支持向量机（SVM）的辅助学习系统。一旦系统被教育通过纹理、对比度和尺寸，识别来自不同样品的缺陷，则算法可以自动检测和分类生产环境中最重要的生产缺陷（见图3）。图3：钢材中出现的典型缺陷包括（a）材料粘贴（b）材料被去除和（c）辊痕。基于PC的服务器用于存储来自相机的图像、被发现的缺陷数据，以及缺陷在钢管上位置，还将在Oracle数据库中存储压力、温度、速度信号、通信和其他钢管生产数据的报警，用于质量控制和可追溯性。还可以通过在连接到公司局域网（LAN）的计算机上安装客户端应用，对服务器上的数据进行远程检查。自从该系统最初开发以来，已经经历了几次增强，系统的结构现在已经过重新设计，能够更容易地对准和调整相机和调节照明。较新版本的系统还采用了液体而非空气制冷技术，使照明和传感器能够更靠近钢管放置，从而实现更热或更大面积的钢管成像。美国Metaphase Technologies公司的LED光源也已经替代了早期的激光器，使光源的寿命从2000小时增加到了50000小时，并且消除了诸如散斑之类可能破坏相机捕获的图像的因素。软件用户界面也得到了改进，现在工厂操作员能在钢材上出现缺陷时，看到它们的位置和特定属性（见图4）。现在还可以在数据库上存储几个月的生产数据，这样工厂经理就能查看可能发生的任何错误的周期性，并安排定期预防性维护操作。该系统还可以支持多用户，这些用户不仅可以本地访问系统，还可以通过互联网访问系统。图4：定制的软件用户界面，使工厂操作员能够实时看到钢材上缺陷的位置和特定属性。分类变更Surfin&#39;系统最重要的一项最新发展，是用内部开发的候选窗口探测平台和用于缺陷分类的卷积神经网络（CNN），来替代之前基于SVM的分类器。CNN可以学习从训练图像中提取表征每种类型缺陷的相关特征并执行分类，而SVM仅将其输入映射到可以揭示缺陷类别之间差异的一些高维空间。通过假定所有感兴趣的对象（例如缺陷）共享将它们与背景区分开的共同视觉属性，候选窗口探测平台输出可能包含缺陷的一组区域。随后，CNN提取学习特征，并且对图像数据执行实际的缺陷分类。CNN分类器通过具有缺陷的热钢管图像的定制图像数据库进行验证，并且发现基于深度学习的方法，能够减少检测到的假阳性和假阴性的数量，其明显优于之前的SVM分类器。执行两类分类（如缺陷与无缺陷）时，最相关的性能指标是AUC，或ROC（接收器工作特征）曲线下的面积，通过在x轴上绘制假阳性率和在y轴上绘制真阳性率，然后计算此函数下的面积（见图5）。图5：在执行两类分类（如有缺陷与无缺陷）时，最相关的性能指标是AUC或ROC（接收器工作特征）曲线下的面积。模型越好，AUC越接近1。采用这种方式，当比较几种模型时，可以通过选择最高的AUC来选出最佳模型。虽然SVM分类器的AUC值为0.88，但是对于两类分类情况，CNN-Surfin&#39;分类器的AUC值为0.997。理想情况下，该函数的值对于x轴上的每个值都为1.00，因此模型越好，其AUC越接近1。以这种方式，当比较几种模型时，可以通过取最高AUC值来选择最佳模型。虽然SVM分类器的AUC值为0.88，但是对于两类分类情况，CNN-Surfin&#39;分类器的AUC值为0.997。此外，对于给定的模型，可以选择阈值以使系统能够决定样品是否有缺陷。由于模型的输出通常是0和1之间的概率值，如果概率值大于阈值，则样本将被标记为NOK，否则标记为OK。通过将阈值移向1.0，能以“增加假阴性的数量”为代价来减少假阳性的数量，反之亦然。然后可以通过在x轴上绘制阈值，以及在y轴上绘制特异性或真阴性率（= 1-假阳性率）和灵敏度或真阳性率（= 1-假阴性率），来可视化检查系统工作在何处。对应于阈值的垂直线切割两条曲线的点，产生假阳性率和假阴性率。阈值的常见选择是产生近似相等的假阳性率和假阴性率。对于CNN-Surfin&#39;，得到1.58%的假阳性率和1.49%的假阴性率（见图6）。与之相比，SVM版本的Surfin&#39;的假阳性率为17.98%，假阴性率为18.00%，由Surfin&#39;做出的分类错误数量减少了12倍。图6：对应于阈值的垂直线切割两条曲线的点，产生假阳性率和假阴性率。阈值的常见选择是产生近似相等的假阳性和假阴性率。对于CNN-Surfin&#39;，假阳性率为1.58%，假阴性率为1.49%。现在，新的分类器准备在生产环境中运行。此外，Tecnalia公司的工程师们正在努力继续改进系统，目的是使钢铁生产商能够生产零缺陷钢材。例如，已经使用CNN-Surfin&#39;评估了4类问题（OK以及3种类型的缺陷），通过AUC（平均延伸）进行归类，得到AUC = 0.9956。但目前正在收集更多的样本，以使结果更具统计学意义。Surfin&#39;系统自推出以来，已经交付到诸如西班牙Tubos Reunidos和Aceros Inoxidables Olarra等公司，其能够在热工艺生产的早期阶段检测到生产问题。Tecnalia公司正与其他钢铁生产公司合作部署该系统，以检测形状更复杂的钢材，例如用于建筑和土木工程的U型或H型截面钢梁。Tecnalia公司已经与西班牙Sarralle集团建立了关系，在全球范围内分销Surfin&#39;系统。
本文由入驻OFweek公众平台的作者撰写，观点仅代表作者本人，不代表OFweek立场。如有侵权或其他问题，请联系举报。
用户名/邮箱/手机：
忘记密码？
用其他账号登录： QQ
请输入评论
最新活动更多 &&
机械自动化单片机
广东省/深圳市
广东省/深圳市
广东省/深圳市
北京市/海淀区
江苏省/无锡市
江苏省/无锡市
北京市/海淀区
北京市/海淀区
浙江省/金华市
浙江省/金华市
*文字标题：
*纠错内容：
联系邮箱：
*验 证 码：机器视觉检测系统不稳定性因素分析更新时间：阅读：31次信息来源：摘要
& & & &1 引言
& & & &机器视觉的研究始于20世纪50年代二维图像的模式识别[1]，它起初被设计用来代替人眼从事检测识别的工作，可以大大提高检测的工作效率以及降低人眼疲劳带来的检测结果的不一致性。机器视觉检测发展至今，在许多方面已经发展到可以完成人眼难以完成的工作，如高精度的测量以及对特定产品的高速分级，还有利用红外线、紫外线、X射线等检测技术检测人类视觉无法检测到的事物[2]。但机器视觉系统设计的难点在于如何保证其可靠性与稳定性，无论从光源，相机等硬件上还是从图像处理软件上的设计，对机器视觉的稳定性都有重要影响。
& & & &2 机器视觉系统组成
& & & &典型的机器视觉系统一般由图像的获取、图像的处理和分析、输出或显示三部分组成。按照视觉系统组成结构主要分为两大类：PC或板卡式机器视觉系统（PC-Based Vision System），以及嵌入式机器视觉系统，亦称“智能相机（SmartCamera）
& & & &2.1 PC-Based视觉系统
& & & &PC式视觉系统是一种基于个人计算机（PC）的视觉系统，其图像获取设备一般由光源、光学镜头、CCD或CMOS摄像机以及图像采集卡组成，图像处理与分析设备以一台PC机为基础配合图像处理软件，一般以显示器作为图像处理结果的显示输出。
& & & &PC-Based视觉系统发展到现在，可以针对不同的工作坏境满足各式需求，如相机的选择可以从分辨率200万到1200万，帧率从0到数百帧每秒甚至更高。同时，其通讯方式非常灵活，可以直接使用USB（USB2.0/USB3.0）接口、千兆网口（GigE）接口或着很方便的扩展使用火线（b）接口以及Camera link等接口的相机，在短距离情况下抗干扰性很强。速度上和精度上，PC-Based系统可以根据需求配置高速、高分辨率相机和高速的处理器，可以达到运动速度快或精度要求高的检测要求。
& & & &但同时，基于PC的机器视觉的应用系统尺寸较大，除相机外，还需图像采集卡、工控机、各种连接线缆等，在一些对设备体积限制较严的场合，如生产装置内部、移送装置上就难以满足要求了。同时其结构复杂，多数人认为PC-Based系统包含较多的外部部件，各部件由不同厂家生产，涉及兼容性和连接插件等中间环节，集成度较低，从而导致其稳定性下降。相对于集成度高的智能相机，其开发周期也相对较长。
& & & &2.2 嵌入式视觉系统
& & & &智能相机主要由图像采集单元、通型信块，图像处理单元（处理软件）三大组成部分，图像采集单元类似于传统的普通相机，将光信号转为模拟信号或数字信号，相当于CCD/CMOS相机和图像采集卡，图像处理单元相当于PC-Based 系统的PC部分，是嵌入式视觉的核心，包括图像处理、存储单元以及相应的处理软件，一般有DSP、FPGA和RISC三种硬件平台用来完成图像处理的运算，软件可由外部写入，但一般成熟的嵌入式机器视觉系统均将通用的图相处里算法封装为固定的模块，开发人员可以根据需要选择调用。通信模块也是智能相机的重要组成部分，主要是将图像处理的结果输出到外部，智能相机一般内置以太网口通信模块，且可支持多种网络和总线协议。
& & & &与PC-Based 的视觉系统相比，嵌入式视觉系统存在一些明显的优势，比如由于其图像获取单元与处理单元直接相连接，在像素一致性方面较好，抗干扰能力性较强，且由于智能相机具有较高的集成水平，体积也比PC-Based视觉系统要小很多，可适用于更多恶劣的工作环境。由于智能相机的高度集成性，它的图像采集、处理与通信部件在设计与生产的过程中经过了专业人员的可靠性测试，所以其工作稳定性要明显高于PC-Based系统，由于结构简单，其维护也相对于PC-Based系统要简单的多。软件上，成熟的智能相机基本已经固化了视觉算法模块和通讯模块等，用户只需要简单的调用即可，不需要像PC-Based系统一样进行系统底层的琐碎的开发，所以开发简单，开发周期也短。
& & & &但相对于PC-Based视觉系统，嵌入式视觉系统也存在一定劣势，比如在精度和速度上，由于体积和图像处理能力的限制，智能相机很难像PC-Based系统一样，能够很方便的将高速相机或高分辨相机集成到视觉系统中，在目前的技术条件下，通常实现同样分辨率和速度的两种系统，智能相机由于需要更高要求的生产工艺以及电路设计问题，会需要高昂的成本。同时，智能相机高度集成化的特点也给它带来了灵活性不足的问题，它的硬件和软件开发相对固定，可扩展性较PC-Based系统差，在复杂的机器视觉场景下，有时单靠智能相机难以完成系统的功能设计，而PC-Based系统却可根据实际情况选用性能合适、价格便宜的设备，也可以选择不同的第三方软件来完成图像处理等工作。
& & & &3 机器视觉检测系统的不稳定性因素
& & & &3.1 成像系统简介及不稳定性因素
& & & &成像系统主要由相机（CCD/CMOS）、镜头和光源组成，是视觉检测的基础，成像系统的设计目的就是获取合格的原始图像，并且一个好的成像系统要保证系统运行期间图像质量的稳定，稳定的图像抓取是视觉检测稳定性的基本保证。
& & & &3.3.1 工业相机对成像稳定性的影响
& & & &对视觉系统设计者来说，工业相机的选择主要考虑其传感器类型、分辨率和帧率，其中传感器分CCD与CMOS两种，CMOS图像传感器集成度高，各元件、电路之间距离很近，干扰比较严重，成像噪声高，CCD传感器相机相对于CMOS相机具有灵敏度高、噪声低和响应速度快的特点，在稳定性方面，CCD相机的抗冲击与震动性也较强，一般来说，CCD传感器相机在成像质量上和稳定性方面要优于CCD相机。
& & & &影响相机成像质量的另一重要因素就是相机的镜头，镜头除了需要根据具体工作状况选择合适的焦距、景深和光圈等参数外，一个影响系统检测精度的重要因素就是图像的几何畸变误差，它是光学透镜固有的透视失真，受到制作工艺的影响，无法消除，只能弥补，虽然现在许多工业相机通过各种方法弥补镜头畸变产生的误差，但在高精度的检测领域，几何畸变仍然会对检测精度产生影响。
& & & &3.1.2 光源对成像稳定性的影响
& & & &光源具有放大图像的特征与缺陷、削弱混乱及背景的作用，直接影响输入数据的质量，由于没有通用的照明设备，光源的设计一直是机器视觉系统的难点，通常不仅需要针对每个特定的应用实例来选择光源类型，还要根据具体环境对光源安装、光源的照射方式进行斟酌，以达到最佳效果。不同类型的光源稳定性存在差异，常见的可见光光源有LED光源、卤素灯、日光灯和钠光灯等，可见光最大的缺点是不能持续稳定的输出光能，如日光灯，在使用的第一个100小时内，光能会下降15%左右，随着使用时间的增加，光能输出持续下降。除可见光外，在高检测任务的场景下，也常采用X射线和超声波等不可见光作为光源，可以持续稳定的输出光能，但不利于检测系统的操作，且价格昂贵。光源的不均匀性也会对图像质量产生影响，不同方向的发光强度存在差别也会引起噪声。可见光中LED光源的稳定性和寿命相对于卤素灯、日光灯等要好，响应时间短，可自由选择颜色，运行成本也低，得到了广泛的应用。光源的照射方式可分为背向照明、前向照明、结构光照明和频闪照明，其设计要点是以突出图像特征为准则。
& & & &3.2 软件稳定性
& & & &检测软件稳定性对机器视觉的影响毋庸置疑，视觉系统最终会在计算机上利用软件采用有针对性的算法进行图像滤波，边缘检测和边缘提取等一系列图像处理，不同的图像处理和分析手段以及不同的检测方法与计算公式，都会带来不同的误差，算法优劣决定测量精度的高低。
& & & &3.3 环境因素影响
& & & &视觉系统工作的测量环境包括温度、光照、电源变化、灰尘、湿度以及电磁干扰等，好的环境是视觉系统正常运行的保障。外界光照会影响照射在被测物体上的总光强，增加图像数据输出的噪声，电源电压的变化也会导致光源不稳，产生随时间变化的噪声。温度变化也会对相机的性能产生影响，相机在出厂时都会标志正常工作的温度范围，过热或过冷都会影响相机的正常工作。电磁干扰是工业检测现场不可避免的干扰因素，它对工业相机电路、数据信号传输电路等弱电电路的影响尤为严重，合格的视觉产品会在出厂时经严格的抗干扰测试，极大的降低了外界电磁干扰对硬件电路的影响。
& & & &3.3 机械结构定位影响
& & & &除成像系统硬件外，相机与物体之间的相对位置关系也会对图像质量的稳定性产生影响，如相机或工件的机械支撑结构如果存在震动，会影响检测精度，且这也是一个难以排查的问题。在动态下检测工件，需要考虑运动模糊对图像精度的影响（模糊像素 = 物体运动速度*相机曝光时间）。 另外，CCD相机与被测零件之间在理性状况下应为相机镜头光轴垂直于零件所在平面，但实际使用中，由于安装误差或相机、工件制造误差等原因不能保证光轴与被测平面完全垂直，存在一定角度偏差，同样对测量精度产生影响。
& & & &4 保证稳定性的解决方法
& & & &4.1 硬件选择与设计
& & & &成像系统的硬件选择尤为重要，通过以上对CCD相机与CMOS相机的分析可知，如果没有特殊的要求，比如摄像速度较高（CMOS具有更快的读出速度），CCD传感器相机是保证图像质量和稳定性的首要选择，其中相机的分辨率和帧率主要根据检测精度和检测速度来选择，通过计算检测物体的视场大小与相机与被测物之间的距离决定合适的分辨率，考虑被测物体的运动速度与检测精度要求选择相机的帧率。
& & & &对于镜头，主要需要根据相机的极限分辨率来选取对应的镜头分辨率，选择大于相机极限分辨率的相机即可，还需要根据工作距离与视野计算镜头的焦距，并根据被测物体与相机的距离变化选用合适的景深。在高精度测量下，要保证测量精度，除以上参数的正确选择之外，可以选择几何畸变相对于普通镜头小的远心镜头，远心镜头不仅几何畸变较小，还能减小物体距离变化带来的误差。
& & & &如无特殊要求而采用X射线等不可见光光源，对于可见光光源，应优先考虑使用LED光源，在对采集图像质量有决定性影响的光源均匀性上，LED光源明显优于卤素灯、日光灯等其它光源，而且它还具有耗电低、使用寿命长和对环境无污染的优点。同时，为了减小外界光对视觉系统稳定性的影响，可以通过增加光源箱的方式屏蔽外界光源。
& & & &4.2 软件设计
& & & &4.2.1 标定
& & & &相机与镜头由于工艺的原因，总会或多或少地导致获取的原始图像存在几何畸变误差，这种误差不能通过硬件的优化消除，但可以利用标定软件算法来减弱这种误差对测量精度的影响，相机标定的基本原理是通过相机对视场内不同角度标准图像（通常使用标定板）的拍摄来求出相机的内、外参数以及畸变参数，建立三维坐标与图像坐标的映射关系，从而对得到的原始畸变图像进行矫正，通常相机标定在有精度要求的测量和定位中必须使用。
& & & &4.2.2 图像处理
& & & &硬件采集到的原始图像最终要通过图滤波、边缘检测等算法才能完成检测功能，实现检测结果的输出。其中图像滤波可以抑制采集到图像中存在的噪声，降低光源与灰度值不稳定的问题，提高信噪比，其本质是通过算法保证图像上像素点间最小方差最小。对于高精度测量系统来说，粗边界像素级精度往往难以满足要求，亚像素级边缘定位技术在像素级别位置通过细分算法与拟合方法结合可以使边缘位置达到0.1甚至0.01的亚像素级精度，系统检测精度得到保证。
& & & &5 总结
& & & &总的来说，机器视觉系统的设计需要考虑多方面的因素，除了根据需求按照常规选型参数选择相应参数的设备之外，还需要考虑光源的稳定性、相机的畸变误差，以及被检测物体与相机之间的相对运动等因素给检测系统带来的稳定性干扰与测量误差。只有综合考虑这些因素进行视觉系统的优化设计，才能建立稳定、合格的机器视觉检测系统。
上一条：下一条：