机器视觉技术的发展及其应用

秦亚航　苏建欢　余荣川

【摘 要】机器视觉可以理解为基于视觉技术的机器系统或学科。机器视觉是一个不断发展的研究领域，其主要工作是对图像数据进行处理和分析。机器视觉在智能开发系统中起着关键的作用。研究智能开发系统的主要目标就是开发有能力感知，移动，并能进行经验学习的机器。而伴随着图像处理等相关技术的发展，机器视觉该技术也同时处于上升期。本文对机器视觉的主要技术做了简单的介绍，其中主要包括光源、摄像机及图像采集卡、执行机构等，并论述了其主要的应用领域以及存在的一些问题。

【关键词】机器视觉；图像采集；图像处理

Development of Machine Vision and Applications

QIN Ya-hang1 SU Jian-huan2 YU Rong-chuan1

（1.College of Electrical and Information Engineering，Guangxi University of Science and Technology，Liuzhou Guangxi 545006，China；

2.He Chi Universiry，Yizhou Guangxi 643006，China）

【Abstract】Machine vision can be understood as the machine system based on vision technology or discipline. Machine vision is a growing area of research， the main work is image data processing and analysis. Machine vision system in the intelligent development plays a key role. The study of main goal is to develop intelligent development system that has the ability to perceive， move， and to experience learning machine. But with the development of related technologies， such as image processing， machine vision technology is also rising. In this paper the main technology of machine vision made simple introduction， mainly introduced the light source， camera and image acquisition card， actuators， etc.， and discusses its main application field and some problems.

【Key words】Machine vision； Image acquisition； The image processing

0 前言

简单的来说机器视觉就是让计算机能够“看到”。机器视觉系统使用一个或多个摄像机，模数转换（ADC）、数字信号处理（DSP）等将所得的数据输入到计算机或机器人控制器，然后完成指定的任务。

机器视觉通常被认为是一个智能的自动化解决方案，利用专门设计的自动化制造过程进行相关控制。机器视觉是基于使用智能相机和图像捕获技术的，换句话说机器视觉就是“照相机机器人”，能够利用视觉自动进行检查，最终实现利用机器来代替人眼进行测量跟判断，从而实现智能化[1]。

1 机器视觉的发展历史

机器视觉技术自20世纪50年代起，经过不断的开拓创新，主要经历了如下几个具有代表性的关键时期：

20世纪50年代二维图像的统计模式识别技术开始研究。

60年代Roberts开始进行三维机器视觉的研究。

70年代中期，MIT人工智能实验室正式开设了“机器视觉”的相关课程。

80年代开始，机器视觉技术迅速发展，新技术，新知识层出不穷，在各个领域得到了广泛的应用，机器视觉作为自动化界的高智能化新型产品，正蓬勃发展[2]。

机器视觉在中国的发展历史：

在中国，视觉技术的应用开始于20世纪90年代，但在各行业的应用几乎一片空白。到21世纪，机器视觉技术在工业生产中开始得到应用，其中华中科技大学取得了突破性的进展，其自主研发的印刷在线检测设备与浮法玻璃缺陷在线检测设备，使得欧美在此行业的垄断地位被打破。目前，国内视觉技术已经日益成熟，真正高端的应用也正在逐步发展。

2 机器视觉的关键技术

典型的工业机器视觉系统一般如下几个重要部分组成：光源、光学镜头、图像捕捉系统、图像信号处理技术、智能图像处理与决策、以及执行机构等。系统框图如图1所示。

2.1光源

为了能够更好的了解光源，需要对机器视觉系统工作的执行过程做个简单的介绍： 首先需要进行取像，其次需要对取像的结果进行分析，最后将结果输出。取像不仅仅作为机器视觉系统的第一步，也是十分关键的一步，取像的质量对接下来的分析工作起着至关重要的作用，而想要取得效果良好的图像就必然需要采取好的光源，可以说光源的好坏直接影响系统的工作能否成功进行。光源的作用主要是将待测区域与背景区分开从而突出待测区域的特征和边缘清晰度。为了满足以上的要求，高质量的光源应具备具有如下特点：物体的特征能被明显观测，物体待检测部分与其他部分有明显区别，增加物体的对比度、亮度和稳定性；成像的质量不受物体变化而变动[3]。

图1 典型工业机器视觉系统

但是迄今为止还没有一个机器视觉照明设备能满足所有情况的需求，因此需要具体情况具体分析，从而找到适合特定情形的合适的照明光源。表1给出了几种主要光源的基本性质。

目前在机器视觉系统中应用的主要是LED光源，从上表也可以看出，LED光源具有显色效果好，颜色丰富，稳定性好，使用寿命长，光谱覆盖范围宽，体积小，发光亮度强，价格低廉，成本和普通节能灯相当等优点，所以其凭借诸多优势在机器视觉领域成为了最主要的光源。

2.2 光学镜头

镜头的选择直接影响成像的质量。镜头选择应注意：焦距的长短、目标以及影像的高度、放大倍数、中心点、影像至目标的距离等。机器视觉光学镜头选择的恰当与否，不仅能为接下来的图像处理打好坚实的基础而且可以减少设备成本。

2.3 CCD摄像机及图像采集卡

CCD摄像机及图像采集卡用来实现图像采集和图像数字化。CCD摄像机由于其具有灵敏度高、抗强光、寿命长、畸变小、体积小、抗震动等优点而得到了广泛的使用。

图像采集卡的功能是用于传输图像视频信号的。其主要模块组成及功能如下：①A/D转换模块，将图像信号放大和数字化；②相机控制模块，负责提供相机的设置及实现异步重置拍照、定时拍照；③PCI总线接口及总线控制模块，利用PCI总线完成数字图像数据的传输；总线控制器应用了burst模式，传输速率逼近132Mbytes/s。④显示模块，使图像的实时显示尽可能清晰；⑤数字输入/输出模块，主要负责与外部装置的通信功能[4]。

2.4 图像信号处理技术

图像信号处理技术是机器视觉系统中的核心部分，图像处理效果直接影响接下来的执行。在机器视觉中，图像处理方法主要包括图像获取、图像预处理、图像分割、图像的特征提取、图像识别等。近年来DSP芯片及专用图像信号处理卡等大规模集成硬件的出现已经被广泛应用，大大提高了系统的实时性[5]。可见，伴随着图像信号处理技术的飞速发展，机器视觉技术必将崛起。

2.5 执行机构

执行机构是整个系统的最后一环，系统的功能的实现最终还需它来完成。根据不同的应用场合，可以选择不同的执行机构，比如机电系统、液压系统、气动系统等。执行过程中，除了要使其加工制造和装配的精度外满足要求外，还应满足一定的动态特性，尤其是快速性和稳定性。

3 机器视觉的典型应用

由于机器视觉系统具有人眼所具有的优势，能够快速获取大量信息并进行分析处理，因此，机器视觉被广泛应用于各种行业，包括工业、农业、制造业、交通业、航空航天领等领域。其中主要应用如下：

3.1 工业自动化生产线

工业上应用主要有以下几方面：（1）引导和定位：利用机械手臂完成准确抓取如自动组装、包装、焊接等。（2）外观检测：检测生产产品的质量是否合格，具有准确性高、速度快的特点。（3）物体测量：避免了接触式测量的二次损伤。（4）图像识别：图像数据的追溯和分析处理，目前广泛使用的二维码的识别就应用了机器视觉里的图像识别技术。机器视觉的应用使自动化的生产水平得到了显著的提高。

3.2 制造业

随着中国红利的消失，传统制造业必然面临着成本提高、竞争激烈的现象。为了提高生产效率，制造业正进行着用机器替代人力的转型升级，机器视觉系统不仅能在大量重复性工作中具有较大优势，还能够替代人类在各种危险的环境中实施作业。

3.3 交通

智能交通监控领域中，在重要的十字路口安放摄像头，就可以利用摄像头的快速拍照功能，实现对违章、逆行等车牌的车牌进行自动识别、存贮，以便相关的工作人员进行查看。

3.4 军事

伴随信息化时代的到来，将机器视觉技术应用于军事武器将大大提高我国的军事力量。其中具体应用于排雷、防爆、制导、定位、无人机、自动检测军事目标等，不仅减轻军人伤亡率还能提高作战效率。

4 机器视觉面临的问题

虽然经历了几十年的发展，但是机器视觉领域仍然存在诸多问题，其存在的主要问题如下：

（1）如何准确、高速（实时）地识别出目标。图像采集速度较低、时间长、计算量大，从而提高图像处理速度是一个亟待解决的关键难题。

（2）如何构造出性能良好的识别算法，并且顺利地实现。

（3）稳定性。当初始点远离目标点时如何保证系统的稳定性也很重要。

（4）如何增大系统的存储容量，实现一个类似人眼的通用视觉系统。

5 结束语

由于机器视觉系统可以代替人眼这一主要优势，人们已经将机器视觉系统广泛地应用于各个领域。但是人类的视觉机制尚不十分明确，要在这种情况下建立一个功能强大的机器视觉系统尚有一定难度。尽管每个人都是视觉领域的专家，但用内省法来描述我们的视觉传输过程是无法实现的。因此机器视觉系统未来还要经历一段很长的发展道路[6]。

可以预计的是，虽然机器视觉领域还有许多问题亟待解决，但是机器视觉技术已经逐渐成为未来科技发展的一大重要方向。

【参考文献】

[1]张云，吴晓君，马廷武，庞连军.基于机器视觉的零件图像采集及识别的研究[J].电子工程，2006：32（10）：29.

[2]余文勇，石绘.机器视觉自动检测技术[M].化学工业出版社，2013，10：6-7.

[3]郭静，罗华，张涛.机器视觉与应用[J].电子科技，2014，27（7）：185-188.

[4]章炜.机器视觉技术发展及其工业应用[J].红外，2006，27（2）：13.

[5]韩冰，林明星，丁凤华.机器视觉技术及其应用分析[J].农业装备与车辆工程，2008，12（10）：24-27.

[6]赵鹏.机器视觉理论及应用[M].电子工业出版社，2011，12：8-9.

[责任编辑：朱丽娜]