机器视觉涵盖的内容博大而精深，跨多个学科，积众家精华于一体，这么说也许有点夸张。但作为一个完整的机器视觉系统，从光源、相机、照明方式的选择到电气控制系统的搭建，从图像采集到图像处理，到转化为光电信号给控制系统，每一个细节都决定着整个系统的品质，甚至也决定这系统的成功与否。那么，如何来构建一个合适的机器视觉系统呢？又如何来评价一个搭建好的视觉系统呢？这里面的东西涉及硬件的选型、安装的空间的选择、处理算法的选择以及优化、控制对象选择等等一系列专业知识。

      对机器视觉里面单个对象的了解也许比较熟悉，比如光源、相机，或者是自动控制系统，但单单知晓某一个或几个方面，还不足以能够构造一个机器视觉系统。因此每一个环节都相互影响，既要根据实际需求选择硬件，又要根据处理需求来选择合适的软件，除此之外，还要从整体上来考虑各种环境因素对系统的影响，要考虑全面周到，的确不容易，需要有足够的功底与经验。

      既然构造机器视觉并不是一朝一夕的事情，那么怎么来考虑会有利于一个视觉系统的搭建呢？这篇文章比较详细了阐述了构造一个机器视觉会碰到的问题，告诉我们如何来解决这些问题，文章中到处都是可贵的经验。这些经验相信是多年的积累，因此从这篇文章中，我们会学到一个视觉系统需要哪些基础知识，搭建一个视觉系统要考虑到哪些东西，文中考虑的问题很全面，有时候在实际中会疏忽。我在看这篇文章中，看到了机器视觉系统中的各个细节，有些知识还未曾接触过；从中我也感到搭建一个视觉系统所需要的严谨、周全以及顾全大全，有许多知识我还需要补充，有些经验还需要从实际项目中去领会。在此将这篇文章分享，特别感谢给我这边文章的同事。这篇文章谈得很细，篇幅较长，因此学习这篇文章过程也是断断续续，我会继续去学，反复去学。。。。。一起吧 

*********************************************************************************************

这篇文章呈述了开发一个机器视觉系统的指南，这些都是基于多年在实践中获取的经验。这篇文章是为了那些已经对机器视觉技术基本熟悉，想进一步知道如何来开发一个机器视觉系统的人们而写。

在开发任何一个系统时，有经验的开发者往往会从已经知晓的内容和来自决定系统所需哪些组件开始。虽然配置系统本身还无法决定由哪些组件来组成，但是开发者知道输入－视觉系统呈现出来的部分－和视觉系统的输出。这些信息是建立在功能描述上。逻辑程序是从两端向中间靠拢，如下所示：

Parts（Known）－>Lighting－>Lens & optics－>Camera－>Computer－> grabber<－Preprocessing operations<－Features extraction operations<－Interpretation<－Outputs(Known)

零件(已知)－>光源－>镜头－>相机－>计算机－>采集卡<－预处理操作<－特征提取操作<－翻译<－输出(已知)

开发流程基本上是合理的，但是也有例外。比如，在挑选相机之前挑选镜头是不切实际的。还有，某些组件是内部关联的，因此必须一起来挑选。比如，相机和采集卡必须匹配。还有，采集卡和软件包必须兼容。除此之外，一些项目包含独一无二的特征，这需要开发者从这个指南里独立出来考虑。

顺序是：开始－>基本设计－>灵活性验证－>作出视觉系统安全防护

The Launch

在建立一个视觉系统之前，有许多因素是必需的，而且也是非常有价值的，它们是：领袖（The Champion）、管理支持、团队所需的技能、规范、可接受的测试程序。

①The Champion 就是一个个人对项目成功拥护的人。他很可能并不是主要贡献者，但是他乐意并能够为项目的成功提供任何努力。The Champion没必要来自管理层，但是企业里的人们必须认可他是一个领袖。而且，他们必须是有用的。

②Management Support：关键管理者是能为项目提供资源的决定者。除非这些管理者对项目有浓厚的兴趣，那么必需的资源将变得不可用。管理者没必要每天盯着，但他们通过参与会议和就周期报告提出问题来与跟进项目。

   为了引起管理者的注意和支持，项目必须：

★制定一个计划的主要目标

★满足投资标准

★克服管理上的风险

   为了最好的结果，项目必需有一份书面项目计划书。在一些较大的公司中，有着建立很好的计划，这是一个针对项目制定的详细流程，它包括一份正式的项目计划书。在一些小的企业中，项目更多地是非正式地安排，但是一份展示出价值、利益和时间安排的书面项目计划书的价值是值得花费时间和精力的去做的。

Cost Justification 价值判断

价值判断是看这个时期的资金流动－花销和利润。在一些企业里，这个结果是ROI计算，换句话说是收支平衡分析。

价值：

★初始价值：

     ⑴ 购买设备；

     ⑵ 系统开发和集成；

     ⑶ 安装

     ⑷ 培训

     ⑸ 项目管理

★运行价值：

      ⑴ 有用性；（Utilities）

      ⑵ 维护；

      ⑶ 再次培训

      ⑷ 升级

机器视觉系统的价值从1500美元到7百万美元不等，这里不包括安装。这对做预算来讲是不切实际的和误导的。同样地，其他价值也是变化很大的，这取决于特殊需求和环境。

这里有个例子，机器视觉系统在第一个月的运行中就已经收回成本。这里还有其他的例子，成功的机器视觉系统花费了三到七年的时间才达到收支平衡。投资的标准取决于企业和跟随经济条件而变。

收益：

机器视觉提供很多潜在的收益。一些像劳动力成本节省这样的收益是显而易见的。其他的像提高消费者信赖，这是很难去计算的。大多数机器视觉系统在基于下面的利益上是可信的：

⑴ 劳动力成本节省

⑵ 减少废料

⑶ 提高质量

⑷ 技术需求

仅有那些能被量化的收益在成本判断中是有用的。其他收益，对一个典型的机器视觉应用来说有一些，应当在项目计划书上列出来。

Overcoming Caution Towards Risk 克服风险

开发者在他的项目安排中排除管理担心的风险的最好的工具是好的项目计划书，这本计划书包括想法和计划，还有阐述机器视觉怎样成功的研究案例。来自管理者操作成功的案例都是最有说服力的。否则，来自文献的案例研究是非常有用的。

The Team 团队

没有哪一个人拥有典型机器视觉需求的必需的所有技能。这些典型的技能有：

⑴ 项目管理；

⑵ Process engineering 过程工程化

⑶ Part handling 零件处理

⑷ Equipment packaging 设备包装
⑸ Optics 光学

⑹ Electronics电子学

⑺ 软件

⑻ 培训

⑼ 维护

团队由来自使用视觉系统(例如：Process engineering)的组织的人组成，这些人做实际的实际系统集成、软硬件供应商和顾问。在项目中仅仅一个简要时间(brief time)就需要许多技能。

Specification 规范

功能规范经常被当作项目中一个忽略的部分。这不足为奇。为了让人们接近需求，规范经常看上去几乎是显而易见的。一个好的规范需要花费时间和精力去准备。还有，一些人可能认为规范太过严格，没有提供高效管理项目的灵活性。最后，那些没有涉及机器视觉的人就不知道具体需求是什么，而是依靠接收规范的人去询问丢失的信息。

任何一个不制作或需求一个好的规范原因都是虚伪的。规范不必太过严格。它可以是一个活动文档，随着问题产生和发生的改变而改动。

理想的规范给予读者关于需求的一个简要背景介绍，它包括目前怎样执行操作，如果更全面，还有机器视觉将带来什么利益。它提供最小的需求和合意的改进。一些规范的一个错误是他们要求太多的选择。这对陈述这个系统的任何人产生了一个混淆。例如，规范能声称每分钟50个零件是最低的需求，而不是有一个计划书来支队每分钟50个零件和每分钟75个零件的需求，而是在速度增加到每分钟75个零件时，将接收到favorable consideration。因此，开发者在书写计划书时能指定他们需求的最好性能能够满足。

    规范的一个详细轮廓在文章最后附录中提供。基本来讲，规范应该包括以下这些：

⑴ 基本描述－包括当前操作怎样执行，if at all，机器视觉系统期望获得哪些利益；

⑵ 对象的描述－它们的尺寸、颜色、正常和一般变化等等，还有不同零件的个数；

⑶ 需求性能－速度、精度、可靠性等等；

⑷ 零件表示(Part presentation)－零件怎样进入相机视野，在一次采集中有多少个零件；

⑸ 光学－视场、支架距离等等；

⑹ 物理和机械需求－尺寸限制，安装需求，必要的护罩（enclosures）；

⑺ 可利用的工具－电力、压缩空气、冷凝水等等；

⑻ 环境－周围照明、温度、湿度、干燥度、灰尘、薄雾、平台清扫程序

⑼ 设备接口(I/O)－网络和相邻的配对设备

⑽ 操作符接口－训练、维护和升级

⑾ 将来的修改－有可能的升级和改变

***************************************************************************************

   注：这篇的翻译整理花费不少时间，自己也很珍惜，请勿转载作为他用，待续。。。