机器视觉技术研究现状及发展趋势

周宝仓　吕金龙　肖铁忠　崔仲鸣

摘 要：随着智能产业的不断发展，机器视觉技术凭借高精准度、高效率以及实时性等优势在众多领域得到了广泛应用。本文首先介绍机器视觉发展现状;其次阐述视觉系统的基本组成，并梳理硬件部分和机器视觉软件;再次介绍机器视觉在工业领域的应用;最后分析目前机器视觉技术所面临的问题以及未来的发展趋势。研究结果对我国机器视觉技术的发展及工业智能化建设具有重要意义。

关键词：机器视觉;视觉系统;视觉软件;发展趋势

中图分类号：TH16 文献标识码：A 文章编号：1003-5168（2021）31-0018-03

Research Status and Development Trend of Machine Vision Technology

ZHOU Baocang LYU Jinlong XIAO Tiezhong CUI Zhongming

（1.School of Mechanical & Electrical Engineering， Henan University of Technology，Zhengzhou Henan 450001;2.Sichuan Equipment Manufacturing Engineering Technology Applications Laboratory of Robotics， Deyang Sichuan 618000）

Abstract： With the continuous development of intelligent industry， machine vision technology has been widely used in many fields with the advantages of high precision， high efficiency and real-time. Firstly， the development status of machine vision is introduced. Secondly， the basic components of the vision system are described， and the hardware and machine vision software are combed. Then the application of machine vision in industrial field is introduced. Finally， the problems faced by machine vision technology and the development trend in the future are analyzed. The research results are of great significance to the development of machine vision and the construction of industrial intelligence in China.

Keywords： machine vision;visual system;visual software;development trends

智能制造是我國迈向制造强国的重要途径。通过对我国工业产业进行智能化建设，能促进我国工业更快更好的发展。机器视觉是利用光学装置和非接触传感器自动接收和处理真实物体的图像信息，以获得所需信息或用于控制机器人运动的装置。机器视觉是模仿人的眼睛进行测量和判断[1]。机器视觉具有高精准性、高效率及可持续工作等优势，擅长对结构化场景进行定量测量。随着我国产业结构调整和转型升级的不断深入，机器视觉技术在汽车制造、印刷包装、农业、医药及纺织等多个领域得到了广泛应用。因此，推动机器视觉相关技术的研究对智能产业发展有着极其重要的意义。

1 机器视觉发展现状

国外对机器视觉的研究开始于20世纪50年代，Gilson提出“光流”这一概念，开始对二维图像的统计模式识别的研究;20世纪60年代，机器视觉研究逐渐兴起，Roberts等人对三维视觉的研究奠定了机器视觉技术研究理论的基础;20世纪70年代，机器视觉起步，David Marr提出了一个新的理论——Marr视觉理论，是机器视觉研究领域的第一个重要理论框架，并开始形成系统的机器视觉理论;20世纪80年代，机器视觉蓬勃发展，全球迎来了机器视觉研究的热潮，新的研究方法与理论如主动视觉理论框架、视觉集成理论框架等不断涌现;20世纪90年代，机器视觉产业化形成，众多机器视觉企业成立，机器视觉技术开始在各行业得到应用。

国内对机器视觉技术的研究始于20世纪80年代。我国引进的第一批机器视觉技术应用于南方电子半导体工厂。国内机器视觉技术发展可分为4个阶段：第1阶段是20世纪80年代的机器视觉起步阶段，该阶段主要技术和相关设备;第2阶段是1999—2003年的启蒙阶段，国内机器视觉公司技术主要通过代理国际机器视觉技术厂商的一些系统集成业务及机器视觉二次开发应用;第3阶段是2004—2007年的成长阶段，这一阶段国内机器视觉企业开始从学习阶段过渡到本土技术研发阶段，开始占据初级市场;第4阶段是从2008年至今的高速成长阶段，该阶段，国内相关机器视觉核心器件研发企业不断涌现，机器视觉行业高质量快速发展。据中国机器视觉产业联盟统计，2019年我国机器视觉行业销售超额百亿，增速超20%。

2 机器视觉系统

机器视觉是一门涉及多个领域的交叉学科[2]，对其各部分的发展研究是促进视觉系统快速发展的关键。一个典型的机器视觉系统由硬件和软件两部分组成。硬件部分主要有光源设备、相机、镜头、图像处理卡以及辅助执行机构等;软件部分主要是指图像处理视觉软件和图像处理方法。典型的机器视觉系统先在一定的光源条件下由相机拍摄目标图像获得图像信息，再利用视觉软件对图像采集卡所采集的信息进行处理，通过配套的控制装置传递相应的控制信号，以控制相应的执行装置工作。

2.1 光源

光源是影响图像成像质量好坏的关键因素，主要作用是突出目标特征和抑制无关特征，增加目标需检测部分与非检测部分的对比度，同时需要保证足够的亮度和稳定性，以确保图像成像质量。光源的种类较多，需针对不同应用场景选用合适的照明光源以达到最佳效果[3]。在光源选用上，选用不同颜色的光源照射目标物体，使目标反射所需的光，吸收不需要反射的光。在不同应用场景下，选用不同的照明方案也是突出目标特征的关键。常见的照明方案有暗场直接正面照明、明场漫射背光照明和明场平行背光照明等。

2.2 相机及镜头

相机是机器视觉系统的核心组件，功能是将所采集的光信号转变为有序的电信号。图像传感器是相机的核心感光元件，主要分为电荷耦合器件（Charge Coupled Devices，CCD）和互补性氧化金属半导体（Complementary Metal Oxide Semiwnductor，CMOS）两种。它们的主要差异体现为不同的芯片技术结构[4]。CMOS相机将采集光信号转化为电信号的电子元件集成于芯片，使相机能够更快地读取图像数据。而CCD相机无须在芯片表面安装电子元件，通过使用芯片的表面捕捉光线，因此对光线比较敏感，适用于弱光条件。

镜头是机器视觉的“眼球”。镜头的选择影响着分辨率、对比度及景深等关键成像指标，是决定图片质量优劣的关键。目前，镜头朝着高清晰度和强光谱透射能力发展。先进的高分辨率和广域镜头是镜头未来的发展趋势。

2.3 图像采集处理

图像采集卡的作用是对图像信息进行采集、压缩、保存，控制图像的分辨率，高速传送图像信息。图像处理是对相机采集到的原始图像信息进行各种处理，突出有用的特征信息，过滤无用的信息[5]。针对不同的特征信息有不同处理方法，目前常用的方法有图像降噪、图像增强、图像分割及图像特征提取等。

2.4 机器视觉软件

机器视觉软件是机器视觉的“大脑”。常见的视觉软件可按功能分为两类：一类是专用功能（如金属铸件检测、BGA锡珠检测以及LCD检测）;另一类是通用功能（如测量、定位、实时反馈以及分类检测）。按视觉软件侧重面可分为3大类：第1类为图像处理方面的视觉软件（如OpenCV、Halcon、Vision Pro）;第2类为算法方面的视觉软件（Matlab、LabVIEW）;第3类为相机SDK开发的视觉软件（eVision）。目前，应用较为广泛的视觉处理软件是Halcon、OpenCV和Vision Pro。Halcon具有1 400多个独立算子，可供多种开发语言调用，同时具有独特的底层数据管理和多种开发语言接口、工业相机接口;OpenCV是一个开源跨平台计算机视觉库，适应多种操作系统，同时支持多种编程语言，但OpenCV的开发周期相对长;Vision Pro是由美国Cognex公司研发的一款视觉软件，具有图像预处理、拼接和标定等功能，开发效率较高，可采用图形编程，也可采用API函数编程。近些年，国内机器视觉软件系统发展迅速，发展较好的视觉软件有深圳OPT的Sci Smart智能视觉软件、陕西维视图像Vision bank以及北京凌云光Vision WARE等。

3 机器视觉技术在工业领域的应用

在以智能制造为核心的工业4.0时代背景下，以及《中国制造2025》等战略部署的不断深入，我国智能制造产业发展迅速，基于机器视觉的智能制造市场呈现爆炸式增长。智能制造是工业变革的重要方向，是制造业的主要驱动力之一。机器视觉技术是智能制造核心技术，对我国工业发展起着至关重要的作用。目前，机器视觉技术主要应用于金属加工、包装、电子及半导体和工业机器人等行业。

3.1 金属加工和包装行业

在机械制造工业中，金属加工过程尤为重要。通过机器视觉技术可以提高金属加工效率，实时检测金属加工过程和加工产品表面质量，推动制造业朝着更高的自動化方向发展[6]。

随着我国工业自动化技术的快速发展，医疗、食品、烟草、饲料及印刷等行业的生产效率不断提高，对产品包装效率的要求也不断提高。目前，我国包装产业包装效率低、成本高、智能化水平低，导致包装产业整体发展速度缓慢。然而，基于机器视觉技术设计的智能包装系统具有包装效率高、系统可靠性强、智能化程度高及运行成本低等优势。基于机器视觉技术的包装系统是推动我国包装行业转型的重中之重。

3.2 电子及半导体行业

中国是世界最大的3C（计算机类、通信类、消费电子类）产品制造国，产能约占全球的70%。从我国机器视觉工业上的应用分布来看，46%都集中在电子和半导体行业。电子和半导体制造是机器视觉的核心应用领域，因为电子设备和半导体制造对机器视觉技术存在刚性需求。在半导体制造中，前、中段都需要机器视觉技术的精密定位与测量功能，后段制造过程中，晶圆的电器检测、切割、AOI封装以及缺陷检测等过程也都需要大量运用机器视觉技术。

3.3 工业机器人行业

机器视觉技术在工业机器人领域的应用功能主要是定位、引导、纠偏及实时反馈。随着我国工业自动化和智能化的迅速发展，人们对工业设备的工作精度和运行效率提出了更高的要求。传统人工控制设备存在不能保证高精度、产品质量不稳定以及工作效率低等问题，无法满足当前工业产业发展需求。机器视觉技术具有实时性好、定位精度高等优点，提升了工业机器人的柔性和智能化水平[7]。

4 机器视觉技术发展趋势

机器视觉技术的发展还面临很多问题。解决这些问题是机器视觉技术进一步发展的关键，也是未来机器视觉技术发展的趋势。

4.1 国内高端产品的硬件主要依赖进口

国内在智能相机与传感器研发中，结合光学物理学科是机器视觉系统中的相机及传感器发展的一个重要突破口。在工业镜头与光源上，研发高分辨率镜头和更小的光源是关键。

4.2 模块化的通用型软件平台和结合AI技术软件平台是视觉软件的发展方向

视觉软件会缩短开发周期并降低对开发技术人员的要求。由于与之相匹配的算法工具发展有限，导致机器视觉技术在智能性方面达不到工业场景应用要求，因此需加快相关算法的升级创新，从而进一步提升机器视觉系统的智能性，其中模块化的通用软件平台和结合AI技术软件平台是视觉软件的发展方向。

4.3 机器视觉由2D视觉逐步向3D视觉发展

随着算法算力的不断提升，为使机器视觉应用于更多复杂工业场景中，如基于机器视觉的三维重建及修补技术、三维扫描以及3D识别等技术对3D视觉技术有更高的要求。

4.4 机器学习和深度学习在机器视觉系统的应用

可将机器学习的算法应用于机器视觉软件，提升系统運算处理能力。可将深度学习的特征学习能力和特征表达能力与机器视觉的实时性和高效性相结合，提升机器视觉的工作效率。

4.5 机器视觉行业标准亟待规范完善

目前，一套机器视觉设备在实际应用中往往需要搭配与之配套的硬件设备和专用的视觉软件，导致机器视觉产品的通用性很低。需出台完善的行业标准，提高相关设备的通用性，降低生产成本和维修费用，从而加快机器视觉行业的发展。

5 结语

机器视觉技术是实现工业智能化的必要手段。随着深度学习、机器学习、3D技术和机器视觉互联互通技术的快速发展，机器视觉智能化水平不断提升，机器视觉技术在工业智能领域的应用会朝着智能识别、智能检测、智能测量以及智能互联的完整智能体系方向发展，从而更好地发挥其高精准度、高效率的作用，为中国智能产业开启“智慧之眼”。

参考文献：

[1]胥磊.机器视觉技术的发展现状与展望[J].设备管理与维修，2016（9）：7-9.

[2]何新宇，赵时璐，张震，等.机器视觉的研究及应用发展趋势[J].机械设计与制造，2020（10）：281-283.

[3]张巧芬，高健.机器视觉中照明技术的研究进展[J].照明工程学报，2011（2）：31-37.

[4]雷晓峰，李烨.数字工业相机中CMOS传感器的最新发展[J].传感器世界，2017（10）：7-11.

[5]朱云，凌志刚，张雨强.机器视觉技术研究进展及展望[J].图学学报，2020（6）：871-890.

[6]黄伟.基于计算机视觉技术的金属加工过程监测方法[J].世界有色金属，2018（23）：20-21.

[7]夏群峰，彭勇刚.基于视觉的机器人抓取系统应用研究综述[J].机电工程，2014（6）：697-701.