机器视觉技术在工业机器人的应用研究

李兰

[摘    要 ]现今，工业机器人制造技术日新月异，其机器视觉技术的应用水平也在不断加深。机器视觉设计制造发展迎来各式各样的挑战，当视觉技术水平在迅速的发展着，若想在现今社会如此激烈的竞争下获得一席之地，必须通过不停的提升自己的技术水平，应用在各个生产领域中，为机器设计带来更高的质量等来进行竞争力提升。因此本文对机器视觉技术在工业机器人的应用进行深刻的探讨。

[关键词]视觉技术;机器设计;应用;设计制造

[中图分类号]TP391.41;TP242.2 [文献标志码]A [文章编号]2095–6487（2020）04–00–03

[Abstract]Today， industrial robot manufacturing technology is changing with each passing day， and the application level of its machine vision technology is also deepening.The development of machine vision design and manufacturing is facing a variety of challenges.When the level of vision technology is developing rapidly， if you want to gain a place under such fierce competition in today's society， you must constantly improve your technical level and apply it in In various production areas.Bring higher quality to machine design to enhance competitiveness.Therefore， this article makes a deep discussion on the application of machine vision technology in industrial robots.

[Keywords]vision technology; machine design; application; design and manufacture

我國的工业行业随着工业机器人的应用而迎来前所未有的生机，各项机器视觉技术在不断精进，先进的技术应用程度不断加强。但仍然有些技术理论有待探讨，工业企业必须重点关注现有机器视觉技术应用的各项问题，技术应用水平间接影响着机器人在工业领域的应用成果。唯有提高应用技术的水平、完善技术的使用，才能为工业企业带来更好的完工质量和效率。

1 机器人视觉技术的原理

运用智能机器设备和智能技术能够进行物品、环境、位置识别的技术就是机器人视觉技术。机器人能够运用强大的计算模拟功能，让机器能够像人一样多周边事物进行视觉反应。对于接收到的外界要素精细分析，将数据进行整合运算，最终结果反馈给机器人中的计算机。

这是通过视觉传感器获得的，可以应用此技术在日常生产时对周边进行检测、控制、观测。对于传统的视觉技术，往往是通过对识别物体的明暗度进行分析，而不可通过距离的远近进行分析。在现下的智能视觉识别技术中，已经发展出较为先进的三维机器人视觉识别技术，能够通过视觉传感器进行图像抓取上传入计算机进行分析。计算机通过对图像进行数据分析处理，反馈给机器执行机构，最终完成视觉系统的运行。

2 机器视觉系统组成

2.1 光源

视觉技术的光源选择需要被识别物品突出其明晰的特质并让其具有较高的稳定性。同时光源的选择中能够不被识别物品的位置环境所影响，成相质量要高。当前的视觉系统中往往需要选择的是红色的LED光源，因其成像效果较好，价格较低，技术也相对成熟。

2.2 镜头

对于视觉系统的镜头参数要有合适的焦距、景深、DOF、视场等，能够将镜头前识别的物品呈现出原有面貌。景深参数能让视觉识别镜头能够保持高分辨率。而视场摄像头能够扩大视觉识别范围目标，因此在视觉机器技术设备的选择中，需要关注镜头的各项参数，才能带来更好的识别效果。

2.3 摄像机

机器视觉技术使用的摄像机在以往多为传统的胶片，对于视觉识别的成果质量没有较大的保障，视觉识别能力较低。在现在的发展下，科学技术的使用也让视觉摄像机有了较高的发展。现有的摄像机多包含了固态传感器，CCD图像传感器以其具有较小的体积、质量等优点，广泛用于视觉识别摄像机中。

2.4 图像采集卡

图像采集卡在机器识别技术中是作为一个图像信息采集、处理、分析的组成。能够在计算软件的帮助下，将采集到的识别物品图像进行处理分析并加以储存。

2.5 图像处理软件

图像处理软件能将采集到的图像进行画质增强，将迷糊的画质进行处理，并分隔分析，获取识别物品图像的特质，提取特征。从而带来更好的图像处理效果。

2.6 计算机

计算机在识别系统运行时，需要使用计算机进行最终处理，将前期的图像数据整合，使用识别、图像软件等进行处理。通过在机器人中安装小型、微型的计算机处理器，能够实现较优质的视觉识别结果。

3 工业机器人的视觉技术定位应用

当机器人在进行对物体的识别定位时，往往需要用到较复杂的技术和模式。在机器视觉技术运用中，对于机器人的定位模式有以下两类。

（1）固定相机模式。

固定相机模式就是将识别相机、摄像头等设置在设备上，不会与机器人共同移动，而是从左到右进行图像的抓取，对生产运行的工况进行图像分析，并纠正错误的生产进行。将偏离的机器进行图像抓取分析，最终将其定位整改。在图像的抓取过程中，需要相机先大概进行拍摄定位，将数据传送给视觉机器人，机器人能够对图像信息进行精细的计算获得精准的物品方位和定位信息。这种模式能够带来更高的视觉识别稳定性，能够将抓取到的图像信息定位补正。通过计算机连接机器人的手臂进行精确更正，能够在工业生产中进行机器生产偏差的修复，固定相机模式能够将相机贴在固定设施上，根据实际的工况进行位置的安装。

（2）運动相机模式。

与固定相机模式不同，运动相机模式可以随着机器手臂仪器一同移动，将相机安置在机器人的手臂上，能够进行移动捕捉定位工作。但与固定相机模式的功能相同，都是作为一个定位和抓取的机械设备，运动相机模式能够与固定相机模式进行合作配合。在生产管理中，两种模式的结合能够带来更高的视觉识别效益，并且能够给工业机器人带来稳定的识别成像。在模式选择中，生产企业应该按照机器人的性质和生产的特性合理选择，让机器人的视觉识别效益达到最大化，能够让视觉识别系统的安置和设计更加科学。在当下，生产工程日益繁杂，需要视觉计算应用与机器人的良好配合，才能让智能化生产发展更上一层楼。

4 工业机器人的视觉技术识别应用

现代生产技术水平日新月异，工业机器人在工业企业中不断普及，各个企业的工业生产技术仍在加速发展，以下是几点工业机器人的视觉技术识别应用。

4.1 零件识别

在工业生产建设中，工业机器人要对生产零件的模型、特征进行辨认，对材料进行识别管理，此时视觉技术能够带来良好的识别效益。在视觉技术的识别工程中，可以对生产的零件长度、大小、面积、体积、数量逐一检测，及时发现缺失的或者有瑕疵的零件。在工业生产中及时更换，如果使用的是人工识别，往往会带来较多的遗漏和错误。人工检测的数量往往低于工业机器人的标准，只要设定好程序，工业机器人就能通过机器视觉技术自动化检测，无需人为的操控，极大的降低了工业生产的人工成本以及时间成本。机器视觉技术能够对每一份生产的零件进行图像的检测抓取，用秒速进行错误的发现并及时更换，极大的提高了工业生产的效率，受到了广大工业企业的应用。

4.2 生产测量

对于工业企业而言，随着我国人民生活质量的提高和生产技术的发展，订单量不断提高。随着人民的需求日益增长，需要工业生产力的提升才能满足当下的发展需求。而传统的生产尺寸测量中，需要繁杂的程序。但如果使用工业机器人，能够通过视觉技术进行检测成像，通过智能化进行检测测量，为工业生产带来较高效率的测量方式，减少了人工重复无意义的劳动和支出成本。

5 机器视觉技术在工业机器人的应用难题

在目前的工业生产运行下，机器视觉技术的发展仍旧面临着许多阻碍，以下是其在工业机器人的几点应用难题。

5.1 技术研发资金投入缺乏

对于许多企业而言，由于规模较大，生产的工作量也随之增加，这对工业机器人的生产设备和技术水平要求极高。也意味着企业需要投入较大的人力、物力、财力进行视觉技术的研发。然而有些中小企业并没有较多的资金能供其使用投入，导致有些企业偏向于选择传统成本较低的人工生产方式。由于资金的缺乏导致了工业机器人的技术应用停滞，不利于生产长期运转的发展。而资金充裕的企业，在初步投入取得技术成效后，便以为已经达到了建设目的，停止继续投入，导致企业的机器视觉技术始终停留在初步阶段。关于生产企业的工业机器人建设并没有统一技术标准和建设模式，我国可借鉴的机器生产经验较少，这给企业带来许多建设问题，因其没有统一的建设标准，导致企业对于机器使用方式较为盲目和出现错误等问题。

5.2 技术人才缺乏

当下时代的发展中，对于高级的技术人才缺口较大，相关计算机和数据人才较为抢手，精通机器视觉技术和工业机器人应用的人才寥寥无几。同时许多工业生产企业对资金投入较低，机器技术发展进程较慢时，也间接导致了企业对于高级技术人才的不重视，没有提供较好的薪资待遇，应用工业机器人维护视觉技术等工作都需要有高专业水平的人才。当下复合型人才的匮乏，会使得工业机器人的视觉技术应用难以高效发展，设备以及投入资金也无法得到很好的发挥。

6 机器视觉技术在工业机器人的应用发展对策

机器视觉识别技术应该是工业生产中的重点应用对象，其发展紧紧关系着我国工业机器生产的发展进程，以下是几点发展对策。

6.1 加大资金投入，完善工业机器人的视觉系统

在工业机器人发展的各项要求中，机器视觉系统是必不可少的环节之一，这要求工业企业拥有较先进的科学技术水平，同时必须让企业领导人员了解到技术应用的重要性，保障工业机器人良好高效的运行，避免系统出错等问题出现，给企业带来生产风险隐患。当前发展下，我国的机器视觉技术仍然在不断发展，工业生产的自动化系统仍需不断的改进完善，才能日渐满足企业日常生产需要，为自动生产带来更高效的速度。

6.2 创建专业的人才团队

机器视觉技术应用中面临的难点之一就是技术人才的匮乏，因此，想要提高工业的生产质量，必须创建出具有高水准专业的机器技术人才团队，通过给予其较高的薪资水平，让其能更好的为工业机器人发展贡献力量。

7 结语

技术问题应该是当下的工业制造企业的重点关注对象，“想要前行，技术先行”早在中国工业经济飞速的发展中得到应验。但工业企业的各项机器技术仍然有着很大一段的提升空间和发展潜力。机器视觉技术在工业机器人的应用水平间接决定着整体制造的成果质量，只有不断精进机器技术应用水平，减少工业制造的资源浪费和生产出错率，才能让企业的生产水平更加安全稳定的发展。

参考文献

[1] 张钰玲，卢丹萍.基于机器视觉的工业机器人分拣技术研究[J].科学技术创新，2020（22）：95-96.

[2] 罗元，肖航，欧俊雄.基于深度学习的目标跟踪技术的研究综述[J].半导体光电：1-12.

[3] 许婷婷，王颖.基于人工智能技术的海洋渔业生态自动化监测[J].制造业自动化，2020，42（7）：153-156.

[4] 曹诚诚.基于机器视觉的工业机器人定位系统研究[J].科技与创新，2020（14）：69-70，72.

[5] 张鑫鹏，魏立峰，苑玮琦，等.基于机器视觉的板式换热器板片微裂纹检测方法研究[J].机电工程，2020，37（7）：856-860.

[6] 吴阳阳，董凯丽，杨润华，等.基于机器视觉的改进光纤端面缺陷检测技术[J].电子世界，2020（13）：63-64.

[7] 周衍超，罗浩彬.机器视觉技术在工业机器人的应用研究[J].装备制造技术，2015（6）：56.

[8] 陈恳.基于机器视觉的物料分拣工业机器人关键技术研究[D].深圳：深圳大学，2017.

[9] 李峰珠.基于机器视觉的分拣工业机器人关键技术研究[J].科学大众，2018（1）：60-61.

[10] 崔明，苏凡.基于机器视觉的工件分拣技术研究[J].数字技术与应用，2019，37（8）：82-83.