什么是機器視覺

　　據自動成像協會(Automated Imaging Association，“AIA”)報告，機器視覺涵蓋所有工業和非工業應用，在這些應用中，硬件與軟件組合在一起，基于圖像的采集和處理，在各種設備執行其功能的過程中向它們提供操作引導。雖然工業計算機視覺使用的許多算法和方法都跟計算機視覺在學術/教育和政府/軍事應用中使用的是一樣的，但它們各自的局限性是不一樣的。

　　相比學術/教育視覺系統，工業視覺系統需要更高的堅固耐用性、可靠性和穩定性;而相比政府/軍事應用中使用的視覺系統，工業視覺系統的成本通常要低得多。因此，工業機器視覺通常意味著成本低、準確度令人滿意、堅固耐用性高、可靠性高、高機械化和溫度穩定性高。

　　機器視覺系統依靠封裝在工業相機內的數字傳感器和專門的光學元件采集圖像，然后，計算機硬件和軟件能夠基于該圖像對各種特征進行處理、分析和測量，并作出最終決策。

　　下面，我們以啤酒廠采用的填充液位檢測系統為例來進行說明(見圖1)。當每個啤酒瓶移動經過檢測傳感器時，檢測傳感器將會觸發視覺系統光源進行頻閃，并拍下啤酒瓶的照片。采集到啤酒瓶的圖像并將圖像保存到內存后，視覺軟件將會處理或分析該圖像，并根據啤酒瓶的實際填充液位發出通過-未通過響應。如果視覺系統檢測到一個啤酒瓶未填充到位，即未通過檢測，視覺系統將會向執行機構發出信號，將該啤酒瓶從生產線上剔除。操作員可以在顯示屏上查看被剔除的啤酒瓶和持續的流程統計數據。

　　另外，機器視覺系統還能夠進行物品測量，比如確定火花塞間隙或提供位置信息，引導機器人在制造過程中將元件對位。圖2顯示的例子主要是說明機器視覺系統如何能夠用于進行濾油器(右)通過或未通過檢測，以及測量支架上中心軸頭的寬度(左)。

　　在這個應用示例中，填充液位檢驗系統僅可提供兩種結果，這顯示了二進制系統的特征：

　　1.如果產品合格，則檢測結果為“通過”

　　2.如果產品不合格，則檢測結果為“未通過”。

　　機器視覺優勢

　　雖然人類視覺最擅長于對復雜、非結構化的場景進行定性解釋，但機器視覺則憑借速度、精度和可重復性等優勢，擅長于對結構化場景進行定量測量。舉例來說，在生產線上，機器視覺系統每分鐘能夠對數百個甚至數千個元件進行檢測。配備適當分辨率的相機和光學元件后，機器視覺系統能夠輕松檢驗小到人眼無法看到的物品細節特征。

　　另外，由于消除了檢驗系統與被檢驗元件之間的直接接觸，機器視覺還能夠防止元件損壞，也避免了機械部件磨損的維護時間和成本投入。通過減少制造過程中的人工參與，機器視覺還帶來了額外的安全性和操作優勢。此外，機器視覺還能夠防止潔凈室受到人為污染，也能讓工人免受危險環境的威脅。

　　機器視覺有助于實現戰略目標

　　機器視覺應用

　　在任何機器視覺應用中，無論是最簡單的裝配檢驗，還是復雜的3D機器人箱子拾取應用，第一步通常都是采用圖案匹配技術定位相機視場內的感興趣物品或特征。感興趣物品的定位往往決定機器視覺應用的成敗。如果圖案匹配軟件工具無法精確地定位圖像中的元件，那么，它將無法引導、識別、檢驗、計數或測量元件。雖然元件定位聽上去很簡單，但在實際生產環境中，元件外觀的差異可能導致這一步變得非常具有挑戰性(見圖3)。雖然視覺系統經過模板訓練，基于圖案來識別元件，但即使是最嚴格控制的流程，也允許元件外觀存在一定的變化(見圖4)。

　　要實現精確、可靠、可重復的結果，視覺系統的元件定位工具必須具備足夠的智能，能夠快速、精確地將訓練圖案與生產線上移動過來的實際物品進行比較(即圖案匹配)。在四種主要的機器視覺應用中，包括引導、識別、測量和檢驗(英文首字母縮寫：GIGI)，元件定位是非常關鍵的第一步。

　　引導

　　需要進行引導的原因可能有多種。首先，機器視覺系統可以定位元件的位置和方向，將元件與規定的公差進行比較，以及確保元件處于正確的角度，以驗證元件裝配是否正確。接著，引導可用于將元件在2D或3D空間內的位置和方向報告給機器人或機器控制器，讓機器人能夠定位元件或機器，以便將元件對位。機器視覺引導在許多任務中都能夠實現比人工定位高得多的速度和精度，比如將元件放入貨盤或從貨盤中拾取元件;對輸送帶上的元件進行包裝;對元件進行定位和對位，以便將其與其他部件裝配在一起;將元件放置到工作架上;或者將元件從箱子中移走。

　　另外，引導還可用于與其他機器視覺工具進行對位。這是機器視覺一個非常強大的功能，因為在生產過程中，元件可能是以未知的方向呈現到相機前面的。通過定位元件，并將其他機器視覺工具與該元件對位，機器視覺能夠實現工具自動定位。這涉及到元件關鍵特征的定位，以確保卡尺、Blob、邊線或其他視覺軟件工具的精確定位，進而讓它們能夠與元件正確互動。這種方法讓制造商能夠在同一生產線上生產多種產品，從而減少了檢驗過程中用于保持元件位置的昂貴工裝的需要。

　　有時，引導還需要進行幾何圖案匹配。圖案匹配工具在保證每次可靠定位元件的同時，還必須能夠應對較大的對比度和光線變化，以及尺寸大小變化、旋轉和其他因素。這是因為，圖案匹配所獲取的位置信息必須能夠讓其他機器視覺軟件工具與元件精確對位。

　　識別

　　在元件識別應用中，機器視覺系統通過讀取條碼(一維)、DataMatrix碼(二維)、直接部件標識(DPM)及元件、標簽和包裝上印刷的字符來識別元件。光學字符識別(OCR)系統能夠讀取字母數字字符，無需提前預知結果，而光學字符驗證(OCV)系統則能夠確認字符串的存在性準確性。此外，機器視覺系統還可以通過定位獨特的圖案來識別元件，或者基于顏色、形狀或尺寸來識別元件。

　　DPM應用是指將代碼或字符串直接標記到元件上面。各行各業的制造商都采用這種方法來進行防錯，實現高效的遏制策略，監控流程控制和質量控制指標，以及量化工廠車間內可能存在問題的區域，比如瓶頸。直接部件標識能夠確保可追溯性，從而提高資產跟蹤和元件真偽驗證能力。另外，直接部件標識還可提供單元層級的數據，通過記錄成品構成子組件中元件的系譜，促進卓越的技術支持和質保維修服務。

　　傳統的條碼已在零售收銀和庫存控制應用中獲得了廣泛的接受度。但可追溯性信息所需的數據超出了標準條碼的數據容量范圍。為增加數據容量，一些公司開發了二維碼，如 DataMatrix碼，二維碼可以存儲更多的信息，包括制造商名稱、產品標識、批號以及幾乎任何成品都使用的唯一序列號。

　　測量

　　在測量應用中，機器視覺系統通過計算物品上兩個或以上的點或者幾何位置之間的距離來進行測量，然后確定這些測量結果是否符合規格。如果不符合，視覺系統將向機器控制器發送一個未通過信號，進而觸發生產線上的不合格產品剔除裝置，將該物品從生產線上剔除。

　　在實踐中，當元件移動經過相機視場時，固定式相機將會采集該元件的圖像，然后，機器視覺系統將使用軟件來計算圖像中不同點之間的距離。由于許多機器視覺系統在測量物品特征時能夠將公差保持在以內，因此，它們能夠解決許多傳統上通過接觸式測量來解決的應用。

　　檢驗

　　在檢驗應用中，機器視覺系統通過檢測制成品是否存在缺陷、污染物、功能性瑕疵和其他不合規之處，來進行產品檢驗。應用示例包括檢驗片劑式藥品是否存在缺陷;檢驗顯示屏，以驗證圖標的正確性或確認像素的存在性;或者檢驗觸摸屏，以測量背光對比度水平。機器視覺還能夠檢驗產品的完整性，比如在食品和醫藥行業，機器視覺用于確保產品與包裝的匹配性，以及檢查包裝瓶上的安全密封墊、封蓋和安全環是否存在。

　　結論

　　機器視覺通過從數字圖像中自動提取信息，來幫助用戶實現流程或質量控制。現在，大多數制造商都以自動化機器視覺取代了人工檢驗員，因為機器視覺更適合執行各種重復性檢測任務，它不僅能夠連續工作，還可以更快速地提供更客觀的檢測結果。機器視覺每分鐘能夠檢測數百個甚至數千個元件，并提供更一致、更可靠的檢測結果，而且能夠全天候不間斷地運行。

　　在如今的制造領域中，最常見的機器視覺應用包括測量、計數、定位和解碼。制造商采用機器視覺可以減少缺陷、提高成品率、促進標準化以及跟蹤元件，從而能夠顯著節省成本和提高利潤率。