机器视觉 2021-05-07 10950
机器视觉系统的工作原理_机器视觉系统的组成_机器视觉系统的关键技术：一个成功的机器视觉系统需要解决图像采集（包括光源，光学成像，数字图像采集和传输），图像处理的关键点和分析。技术。
机器视觉系统是一种融合了现代计算机，光学和电子技术的高科技系统。机器视觉技术通过计算机处理系统拍摄的图像，分析其中的信息，并做出相应的判断，然后向设备发出控制指令。机器视觉系统的特定应用需求差异很大，视觉系统本身也可能具有许多不同的形式，但是它们都包含以下过程：
图像采集使用光源照亮要观察的物体或环境，通过光学成像系统采集图像，然后通过照相机和图像采集卡将光学图像转换为数字图像。这是机器视觉系统的前端和信息源。
图像处理和分析计算机通过图像处理软件处理图像，然后分析并获得有用的信息。例如，PCB板的图像中是否存在断路，纺织品的图像中是否存在缺陷，文档的图像中包含什么文字等。这是整个机器的核心视觉系统。
判断和控制通过图像处理获得的信息用于判断对象（被测对象，环境），并形成相应的控制命令，并将其发送到相应的组织。例如，在捕获的零件图像中，计算零件的尺寸是否与标准一致，如果零件不一致，则会发出警报，标记或拒绝。
在整个过程中，将被测对象的信息反映为图像信息，然后进行分析，从中获得特征描述信息，并根据获得的特征进行判断和采取行动。典型的机器视觉系统通常包括：光源，光学成像系统，相机，图像采集卡，图像处理硬件平台，图像和视觉信息处理软件，通信模块。通常，成功的机器视觉系统需要解决图像采集（包括光源，光学成像，数字图像采集和传输），图像处理和分析的关键技术。
照明是机器视觉系统中重要但容易被忽视的环节。它的设计是机器视觉系统设计中的重要步骤，这直接关系到系统的成败与性能。因为照明直接作用于系统的原始输入，所以它直接影响输入数据的质量。光源不仅仅是照亮物体。有效的光源设计可以使需要检测的特征脱颖而出，同时控制不必要的干扰特征，为后端图像处理带来了极大的方便。不适当的照明方案将导致图像亮度不均匀，干扰增加以及难以将有效特征与背景区分开，从而使图像处理非常困难，甚至是不可能完成的任务。
照明设计主要包括三个方面：光源，目标和环境的光反射和透射特性以及光源的结构。由于被测物体，环境和检查要求的巨大差异，因此没有通用的机器视觉照明设备。必须针对每种特定情况设计照明方案。根据检查要求，必须考虑物体和特征的光学特性，距离和背景，具体选择光强度，颜色和光谱组成，均匀性，光源形状，照明方法等。
照明设计是一项非常复杂的任务，不仅需要理论知识和分析能力，而且还经常需要反复试验和调整。 “光源是基准，照明是艺术”，这句话说明了照明设计在机器视觉系统中的重要地位。这也催生了一批以生产光源而闻名的制造商，例如CCS，Moritex，东莞科技。凌云公司等国内系统集成商也已开始开发自己的光源产品。
在机器视觉系统中，镜头相当于人眼，其主要功能是将目标的光学图像聚焦在图像传感器（相机）的感光区域上。视觉系统处理过的所有图像信息都是通过镜头获得的，镜头的质量直接影响着视觉系统的整体性能。一旦信息在成像系统中严重丢失，很难在以下链接中尝试恢复它。镜头的合理选择和成像光路的设计是视觉系统的关键技术之一。
镜头的图像或多或少失真。较大的失真会给视觉系统造成很大的麻烦。在成像设计过程中应对此进行详细考虑，包括选择畸变较小的透镜，有效视场只是畸变较小的中心视场。镜片的另一特性是其光谱特性，其主要受镜片涂层的干涉特性和材料的吸收特性影响。要求透镜的最高分辨率的光应与照明波长和CCD装置的波长相匹配，并且在该波长下的光学透镜的透光率应尽可能地增加。通过在成像系统中选择适当的滤镜，可以实现某些特殊效果。另外，成像光路的设计还需要注意各种杂散光的影响。
照相机是将由光学成像系统形成的光学图像转换成视频/数字电信号的光电转换装置。摄像机通常由核心光电转换设备，外围电路和输出/控制接口组成。当前，通常使用的光电转换装置是CCD，其与输出电流或电压信号的其他装置不同，其特征在于电荷作为信号。除了研究照相机的光电转换设备外，还应考虑诸如系统速度，检测视野和系统精度之类的因素。
相机无法直接识别相机输出的模拟视频信号。图像采集卡通过对模拟视频信号进行量化来数字化模拟视频信号，以形成可以由计算机直接处理的数字图像，并提供与计算机的高速接口。图像采集卡需要实时完成高速，大容量图像数据的采集，并且必须与相机配合工作以完成特定任务。除A / D转换外，图像采集卡还具有其他功能，包括：
从数码相机接收高速数据流，并通过计算机高速总线将其传输到系统内存；
多通道图像的接收，处理和重建；
控制摄像机和系统其他模块的功能。
上述机器视觉系统的前端链接（包括光源，镜头，照相机等）用于准备图像和视觉信息处理模块的材料。该模块是机器视觉系统的关键和核心，它通过图像处理，分析和识别来实现对特定目标和特征的检测。该模块包括两部分：机器视觉处理软件和处理硬件平台。视觉处理软件可以分为两个级别：图像预处理和特征分析。图像预处理包括图像增强，数据编码，平滑，锐化，分割，降噪，还原和其他过程，以提高图像质量。图像特征分析和理解是检测目标图像并计算各种物理量以获得目标图像的客观描述，包括图像分割，特征提取（几何形状，边界描述，纹理特征）等。
机器视觉中常用的算法包括：搜索，边缘（Edge），斑点分析，卡尺工具（Caliper Tool），光学字符识别，颜色分析。
目前，机器视觉软件竞争已从对功能的追求变为算法准确性和效率的竞争。有些供应商提供视觉软件或开发套件。尽管常规的机器视觉软件开发套件可以提供上述功能，但是它们的检测效果和计算效率却大不相同。优秀的机器视觉软件可以快速，准确地检测出图像中的目标特征，对图像具有很强的适应性；较差的软件具有速度慢，结果不准确和鲁棒性较差的缺点。
从硬件平台的角度来看，计算机在CPU和内存方面的改进为视觉系统提供了良好的支持。多核CPU和多线程软件可使速度提高一倍。随着DSP和FPGA技术的发展，嵌入式处理模块由于其强大的数据处理能力，集成性，模块化以及不需要复杂的操作系统支持而受到越来越多的关注。
一般来说，机器视觉是光电计算机的高度集成的系统，其性能不仅取决于特定的链接。每个环节都很出色，并不一定意味着最终的性能令人满意。系统分析和设计是机器视觉系统开发的难点和基础，也是许多开发人员不擅长并亟待加强的事情。
另外，在现场环境应用中，振动，灰尘，电磁干扰会严重影响系统的工作，在设计和开发时应注意这些问题。目前，以智能相机为代表的嵌入式系统由于其许多独特的优势而受到许多专家的青睐。由高度模块化和廉价的视觉传感器组成的分布式网络向我们展示了令人兴奋的画面。
