0 引言
机器视觉主要用计算机来模拟人的视觉功能从客观事物的图像中提取信息,进行处理并加以理解,最
终用于实际检测、测量和控制. 一个典型的工业机器视觉应用系统包括光源、光学系统、图像捕捉系统、图
像数字化模块、数字图像处理模块、智能判断决
策模块和机械执行模块,如图1 所示[1 ,2 ] . 首先采
用摄像机获得被测目标的图像信号, 然后通过
A/ D 转换变成数字信号传送给专用的图像处理
系统,根据像素分布、亮度和颜色等信息,进行各
种运算来抽取目标的特征,然后再根据预设的判
别准则输出判断结果,去控制驱动执行机构进行
相应处理.
机器视觉是一项综合技术,其中包括数字图像处理技术、机械工程技术、控制技术、光源照明技术,光
学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等. 机器视觉强调实用
性,要求能够适应工业现场恶劣的环境,要有合理的性价比、通用的工业接口、较高的容错能力和安全性,
并具有较强的通用性和可移植性. 它更强调实时性,要求高速度和高精度.1 机器视觉关键技术的发展现状
在机器视觉系统中,关键技术有光源照明技术、光学镜头、摄像机、图像采集卡、图像处理卡和快速准
确的执行机构等几个方面.
1. 1 光源
在机器视觉应用系统中,好的光源与照明方案往往是整个系统成败的关键,起着非常重要的作用,它
并不是简单的照亮物体而已. 光源与照明方案的配合应尽可能地突出物体特征量,在物体需要检测的部分
与那些不重要部份之间应尽可能地产生明显的区别,增加对比度;同时还应保证足够的整体亮度,物体位
置的变化不应该影响成像的质量. 在机器视觉应用系统中一般使用透射光和反射光. 对于反射光情况应充
分考虑光源和光学镜头的相对位置、物体表面的纹理,物体的几何形状、背景等要素. 光源的选择必须符合
所需的几何形状、照明亮度、均匀度、发光的光谱特性等,同时还要考虑光源的发光效率和使用寿命. 表1
列出了几种主要光源的相关特性[2 ] .
表1 　各种光源对比
光　源颜　色　　　　寿命/ h 发光亮度特　　点　　　　　　　　　
卤素灯白色,偏黄5 000 ～ 7 000 很亮发热多,较便宜
荧光灯白色,偏绿5 000 ～ 7 000 亮较便宜
LED 灯红,黄,绿,白,蓝60 000 ～ 100 000 较亮发热少,固体,能做成很多形状
氙灯白色,偏蓝3 000 ～ 7 000 亮发热多,持续光
电致发光管由发光频率决定5 000 ～ 7 000 较亮发热少,较便宜
　　在光源方面值得注意的是,L ED 光源因其显色性好,光谱范围宽,能覆盖可见光的整个范围,且发光
强度高,稳定时间长,随着其制造工艺和技术的成熟,价格的降低,它必将得到越来越广泛的应用,成为图
像领域新的亮点. 还有高频荧光灯因其发光强度高、性价比好,在某些应用场合也是很好的选择.
1. 2 光学镜头
光学镜头相当于人眼的晶状体,在机器视觉系统中非常重要. 一个镜头的成像质量优劣,即其对像差
校正的优良与否,可通过像差大小来衡量,常见的像差有球差、彗差、像散、场曲、畸变、色差等六种. 对定焦
镜头和变焦镜头来讲,同一档次的定焦镜头的像差肯定比变焦镜头的小,因为变焦镜头必须折衷考虑,使
各种不同焦距下的成像质量都相对较好,不允许出现某个焦距(在变焦范围内) 下很差的情况. 所以在机
器视觉应用系统中,根据被测目标的状态应优先选用定焦镜头[3 ] . 此外再综合考虑图像的放大倍率、视场
大小、光圈大小、焦距、视角大小等因素进行具体选择.
当然,镜头与摄像机的安装接口也是应考虑的一个重要因素.
1. 3 摄像机和图像采集卡
摄像机和图像采集卡共同完成对物料图像的采集与数字化. 高质量的图像信息是系统正确判断和决
策的原始依据,是整个系统成功与否的又一关键所在. 目前在机器视觉系统中,CCD 摄像机以其体积小
巧、性能可靠、清晰度高等优点得到了广泛使用. CCD 摄像机按照其使用的CCD 器件可以分为线阵式和面
阵式两大类. 线阵CCD 摄像机一次只能获得图像的一行信息,被拍摄的物体必须以直线形式从摄像机前
移过,才能获得完整的图像,因此非常适合对以一定速度匀速运动的物料流的图像检测;而面阵CCD 摄像
机则可以一次获得整幅图像的信息.
目前的线阵CCD摄像机产品主要有两大类,一类以Basler L301bc 和L301kc 为代表,如图2 所示,从中
可以清楚地看到:在同一时刻,R、G、B 传感器输出的信息不是对应被摄物料的同一位置,而是三个不同的
位置,即存在R、G、B 错位的问题. 另一类以Dalsa 公司的TR - 33 和TR - 34 系列的摄像机为代表,如图3
所示,采用了三棱镜分光技术把物料上同一位置反射回来的光线的红色分量送到R 传感器输出,绿色分量
送到G传感器输出,蓝色分量送到B 传感器输出,即同一时刻,R、G、B 传感器输出的信息是被摄物料的同
一位置的颜色信息. 第一类产品价格比较便宜,在检测精度和系统实时性要求不是很高的应用场合使用较
广泛;第二类产品的价格则比较昂贵,主要用于检测精度高、实时性强、必须获得高质量图像的系统.
在机器视觉系统中,图像采集卡是控制摄像机拍照,完成图像采集与数字化,协调整个系统的重要设
备. 它一般具有以下功能模块: (1) 图像信号的接收与A/ D 转换模块,负责图像信号的放大与数字化; (2)
摄像机控制输入输出接口,主要负责协调摄像机进行同步或实现异步重置拍照、定时拍照等; (3) 总线接口,负责通过计算机内部总线高速输出数字数据,一般是PCI 接口,传输速率可高达130Mbps ,完全能胜任
高精度图像的实时传输,且占用较少的CPU 时间; (4) 显示模块,负责高质量的图像实时显示; (5) 通讯接
口,负责通讯.
目前,图像采集卡种类很多,按照不同的分类方法,有黑白图像和彩色图像采集卡,有模拟信号和数字
信号采集卡,有复合信号和RGB 分量信号输入采集卡. 在选择图像采集卡时,主要应考虑到系统的功能需
求、图像的采集精度和与摄像机输出信号的匹配等因素.
1. 4 图像信号处理卡
图像信号的处理是机器视觉系统的核心,它相当于人的大脑. 如何对图像进行处理和运算,即算法都
体现在这里,是机器视觉系统开发中的重点和难点所在. 随着计算机技术、微电子技术和大规模集成电路
技术的快速发展,为了提高系统的实时性,对图像处理的很多工作都可以借助硬件完成,如DSP、专用图像
信号处理卡等,软件则主要完成算法中非常复杂、不太成熟、尚需不断探索和改变的部分.
在图像信号处理的时间上必须要注意的是:为了满足系统对物料图像连续无遗漏处理的实时性要求,
必须使一帧图像的处理时间小于等于一帧图像的采集时间,即图像处理速度大于等于图像采集的速度.
1. 5 执行机构
对于一个系统而言,系统功能的最终实现是要靠执行机构来完成的,它是系统的最后一个也是最关键
的环节. 对于不同的应用场合,执行机构可以是机电系统、液压
系统、气动系统中的某一种. 但无论是哪一种,除了其加工制造
和装配精度要严格保证以外,其动态特性,特别是快速性和稳定
性也十分重要,必须在设计时予以足够的重视.
1. 6 集成式机器视觉组件
目前,基于PC机的机器视觉系统结构没有模块化,安装不方便,
可移植性差,特别是与PLC接口比较麻烦. 从软件和硬件开发两个方
面来考虑,都需要一种更适合工业需求的集成式机器视觉组件. 目前
COGNEX公司已经开发出了一种叫做视觉传感器的模块化组件,图
4 为实物图. 这种视觉传感器集成了光源、摄像头、图像处理器、标准
的控制与通讯接口,自成为一个智能图像采集与处理单元,内部程序
存储器可存储图像处理算法,并能使用上位计算机,利用专用组态软
件编制各种算法,然后下载到视觉传感器的程序存储器中. 视觉传感器将PC 的灵活性,PLC 的可靠性、分布式网
络技术结合在一起. 用这样的视觉传感器和PLC 可以更容易地构成机器视觉系统.
2 机器视觉技术的应用及展望
机器视觉不会有人眼的疲劳,有着比人眼更高的分辨精度和速度,借助红外线、紫外线、X 射线、超声
波等高新探测技术,它在探测不可视物体和高危险场景时,更具有其突出优点. 机器视觉技术现已得到广泛的应用.
2. 1 在工业检测中的应用
目前,机器视觉已成功地应用于工业检测领域,大幅度地提高了产品的质量和可靠性,保证了生产的
速度. 例如产品包装、印刷质量的检测,饮料行业的容器质量检测,饮料填充检测,饮料瓶封口检测,木材厂
木料检测,半导体集成块封装质量检测,卷钢质量检测,关键机械零件的工业CT等[2 ] . 在海关,应用X射线
和机器视觉技术的不开箱货物通关检验,大大提高了通关速度,节约了大量的人力和物力. 在制药生产线
上,机器视觉技术可以对药品包装进行检测,以确定是否装入正确数量的药粒.
2. 2 在农产品分选中的应用
我国是一个农业大国,农产品十分丰富,对农产品进行自动分级,实行优质优价,以产生更好的经济效
益,其意义十分重大. 如水果,根据颜色、形状、大小等特征参数[4 ,5 ,6 ] ;禽蛋,根据色泽、重量、形状、大小等
外部特征[5 ] ;烟叶,根据其颜色、形状、纹理、面积等进行综合分级[7 ,8 ] . 此外,为了提高加工后农产品的品
质,对水果的坏损部分、粮食中混杂的杂质、烟叶茶叶中存在的异物等都可以机器视觉系统进行检测并准
确去除. 随着工厂化农业的快速发展,利用机器视觉技术对作物生长状况进行监测,实现科学浇灌和施肥,
也是一种重要应用.
2. 3 在机器人导航和视觉伺服系统中的应用
赋予机器人视觉是机器人研究的重要课题之一,其目的是要通过图像定位、图像理解,向机器人运动
控制系统反馈目标或自身的状态与位置信息,使其具有在复杂、变化的环境中自适应的能力. 例如机械手
在一定范围内抓取和移动工件,摄像机利用动态图像识别与跟踪算法,跟踪被移动工件,始终保持其处于
视野的正中位置.
2. 4 在医学中的应用
在医学领域,机器视觉用于辅助医生进行医学影像的分析,主要利用数字图像处理技术、信息融合技
术对X 射线透视图、核磁共振图像、CT 图像进行适当叠加,然后进行综合分析;还有对其它医学影像数据
进行统计和分析,如利用数字图像的边缘提取与图像分割技术,自动完成细胞个数的计数或统计,这样不
仅节省了人力,而且大大提高准确率和效率.
2. 5 其它方面
在闭路电视监控系统中,机器视觉技术被用于增强图像质量,捕捉突发事件,监控复杂场景,鉴别身
份,跟踪可疑目标等,它能大幅度地提高监控效率,减少危险事件发生的概率. 在交通管理系统中,机器视
觉技术被用于车辆识别、调度,向交通管理与指挥系统提供相关信息. 在卫星遥感系统中,机器视觉技术被
用于分析各种遥感图像,进行环境监测、地理测量,根据地形、地貌的图像和图形特征,对地面目标进行自
动识别、理解和分类等.
3 结束语
机器视觉技术的诞生和应用,极大地解放了人类劳动力,提高了生产自动化水平,改善了人类生活现
状,具有很好的应用前景. 该项技术目前在我国正处于起步阶段,急需广大科技工作者的共同努力,来迅速
提高我国机器视觉技术的发展与应用水平,为现代化建设做出更大的贡献.
参考文献:
[1 ] 戴君,赵海洋,机器视觉[J ] . 机械设计与制造工程,1998 ,27 (4) :52 ～ 53.
[2 ] 段峰,王耀南,雷晓峰,吴立钊,谭文. 机器视觉技术及其应用综述[J ] . 自动化博览,2002 , (3) :59 ～ 62.
[3 ] Kane J S , 贡树行. 光学设计是机器视觉系统的关键[J ] . 红外,1999 , (8) :37 ～ 39.
[4 ] Singh N. Delwiche M. Machine Vision Methods for Defect Sorting Stonefruit [J ] . Trans of ASAE , 1994 , 37(6) : 1989 ～
1997.
[5 ] 吴雪. 计算机视觉技术在农产品和食品检测中的应用[J ] . 粮油加工与食品机械,2002 , (3) :38 ～ 39.
[6 ] 赵静,等. 果实形状的计算机识别方法研究[J ] . 农业工程学报,2001 , (2) :165 ～ 167.
[7 ] 蔡健荣,等. 利用计算机视觉的烟叶质量分选系统研究[J ] . 农业工程学报,2000 , (5) :118 ～ 122.
[8 ] 张建平. 计算机视觉在烟草行业中的研究及应用展望[J ] . 烟草科技,1998 (2) :22 ～ 23.