机器视觉系统工作原理 机器视觉系统通过图像采集硬件(相机、镜头、光源等)将光信号转换成图像信号，并传送给图像处理软件。图像处理软件根据像素亮度、颜色分布等信息，对目标进行特征提取，并做出相应的判断，根据结果输出来控制现场设备，实现检测功能。 视觉处理系统包含硬件和软件两方面。根据硬件的不同，机器视觉系统分为智能相机和基于pc的视觉系统。一个基于pc的机器视觉系统核心的部分由光源、镜头、相机、视觉处理系统四个部分组成。 镜头主要作用是将被测目标成像至摄像机的感光芯片上。 相机主要作用是采集图像，将光信号转换成电信号，从而输出图像给计算机。 软件的核心技术为图像处理及分析算法，它包括图像增强、图像分割、特征抽取、图像识别与分析等。通过图像处理与分析，对产品质量判断、尺寸测量，并将结果信号传输到相应的硬件进行显示或执行。
机器视觉
人工视觉
效率
效率高
效率低
速度
速度快
速度慢
可靠性
检测效果稳定
易疲劳、有情绪，不易保持检测效果
工作时间
可24小时不停工作
容易疲劳，工作时间有限
信息集成
可实现信息集成
不易实现信息集成
成本
成本(一次投入)
成本高
环境
适于危险的检测环境
不适于危险的检测环境
机器视觉与人工视觉的对比 在以往大批量工业生产过程中，主要靠人工视觉对产品进行测量、识别和分析。由于人工视觉处理时，效率低，稳定性差且精度不高，用机器视觉可以大幅度提高处理效率和自动化程度；同时，在一些不适合人工作业的危险工作环境或人眼难以满足要求的场合，也常用机器视觉来替代人眼，如核电站监控、晶圆缺陷检测；而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术之一。由于机器视觉系统可快速获取大量信息，且易于自动处理及信息集成，故在现代自动化生产过程中，机器视觉系统广泛用于装配定位、产品质量检测、产品识别、尺寸测量等方面。机器视觉与人工视觉主要区别如右表。机器视觉的发展历程◆国内外机器视觉的发展历程 国外机器视觉技术起步较早，20世纪50年代机器视觉概念出现，70年代真正开始发展，90年代后期进入行业高速发展期。在机器视觉发展的历程中有两次大的飞跃，一是20世纪70年代ccd图像传感器的出现，让光学影像转化为计算机能处理的数字信号，是机器视觉发展历程中的一个重要转折点；二是20世纪80年代cpu、dsp等图像处理技术的飞速进步，为机器视觉飞速发展提供了有利条件。从机器视觉行业当前格局来看，中、德、美、日等工业强国占据了机器视觉技术及应用的绝大部分市场。在国外，机器视觉广泛应用于半导体、电子信息、汽车、食品、医疗等行业。进入21世纪，国外机器视觉市场虽增速放缓，但在技术上仍处于地位。 国内机器视觉起步于80年代，20世纪末和本世纪初进入到发展初期，2010年前后至今一直在高速发展。随着工业自动化程度的不断提高和对质量更加严格的要求，机器视觉大量代替人工检测成为必然。另外，中国早期的工业设备自动化程度普遍较低，因此需要大量的更新换代，这些都构成了机器视觉的大量市场需求。随着机器视觉技术的逐渐进步，国内科技公司不断开发和推出相应的产品。从相机、镜头、光源到图像处理软件等，国内陆续涌现一批技术成熟的研发型厂商。受到制造业人口红利消退、智能制造利好政策刺激以及工厂自动化亟待提高等多重因素的共同作用，中国已成为世界机器视觉发展潜力和活跃的地区之一。◆机器视觉发展趋势 随着机器视觉应用场景的复杂多样，其与深度学习算法、3d应用技术、互联互通标准等技术的融合也越来越紧密。 深度学习算法：深度学习算法模拟类似人脑的层次结构，通过深度神经网络建立从低级信号到高层语义的映射，以实现数据的分级特征表达。深度学习算法被引入机器视觉图像处理系统来进行外观检测，使识别过程更智能，视觉信息处理能力更强大。 3d应用技术：随着3d应用技术的不断深入，越来越多的3d重构技术被引入到机器视觉，如结构光、dff、tof、立体视觉、光度立体法等。3d图像处理与分析的算法也被研究得越来越广泛，将成为机器视觉的一个主流发展方向。 互联互通标准：机器视觉系统内部，以及与智能制造设备之间，与企业的管理系统之间，有必要进行互联互通，使设备和制造管理朝着更智能方向发展。目前视觉行业内部，包括emva、aia、cmva、jiia等，合作制定了genicam标准。aia制定了gige vision，usb3 vision等相机通信协议。视觉行业还与其他行业协会合作，不断拓展互联互通的外延，旨在促成视觉系统与其他行业的互联互通。