机器视觉系统简介
机器视觉顾名思义是使机器具有像人一样的视觉功能，从而实现各种检测、判断、识别、测量、定位等功能。机器视觉可以显著提高生产效率和自动化、智能化程度。一个典型的机器视觉系统包括:光源、镜头、相机、图像处理硬件、图像处理软件、执行单元等。
机器视觉综合了光学、机械、电子、计算机软硬件方面的技术，涉及图像处理、模式识别、人工智能、光机电一体化等多个领域。
近年来，图像处理和人工智能等技术的快速发展，极大地推动了机器视觉的发展。
机器视觉系统工作原理
机器视觉系统通过图像采集硬件(相机、镜头、光源等)将光信号转换成图像信号，并传送给图像处理软件。图像处理软件根据像素亮度、颜色分布等信息，对目标进行特征提取，并做出相应的判断，根据结果输出来控制现场设备，实现检测功能。视觉处理系统包含硬件和软件两方面。根据硬件的不同，机器视觉系统分为智能相机和基于PC的视觉系统。一个基于PC的机器视觉系统核心的部分由光源、镜头、相机、视觉处理系统四个部分组成。镜头主要作用是将被测目标成像至摄像机的感光芯片上。相机主要作用是采集图像，将光信号转换成电信号，从而输出图像给计算机。软件的核心技术为图像处理及分析算法，它包括图像增强、图像分割、特征抽取、图像识别与分析等。通过图像处理与分析，对产品质量判断、尺寸测量，并将结果信号传输到相应的硬件进行显示或执行。
机器视觉与人工视觉的对比
在以往大批量工业生产过程中，主要靠人工视觉对产品进行测量、识别和分析。由于人工视觉处理时，效率低，稳定性差且精度不高，用机器视觉可以大幅度提高处理效率和自动化程度。
同时，在一些不适合人工作业的危险工作环境或人眼难以满足要求的场合，也常用机器视觉来替代人眼，如核电站监控、晶圆缺陷检测。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术之一。
由于机器视觉系统可快速获取大量信息，且易于自动处理及信息集成，故在现代自动化生产过程中，机器视觉系统广泛用于装配定位、产品质量检测、产品识别、尺寸测量等方面。机器视觉与人工视觉主要区别如右表。
机器视觉发展趋势
随着机器视觉应用场景的复杂多样，其与深度学习算法、3D应用技术、互联互通标准等技术的融合也越来越紧密。
深度学习算法︰深度学习算法模拟类似人脑的层次结构，通过深度神经网络建立从低级信号到高层语义的映射，以实现数据的分级特征表达。深度学习算法被引入机器视觉图像处理系统来进行外观检测，使识别过程更智能，视觉信息处理能力更强大。
3D应用技术:随着3D应用技术的不断深入，越来越多的3D重构技术被引入到机器视觉，如结构光、DFF、TOF、立体视觉、光度立体法等。3D图像处理与分析的算法也被研究得越来越广泛，将成为机器视觉的一个主流发展方向。
互联互通标准︰机器视觉系统内部，以及与智能制造设备之间，与企业的管理系统之间，有必要进行互联互通，使设备和制造管理朝着更智能方向发展。目前视觉行业内部，包括EMVA、AIA、CMVA、JIIA等，合作制定了GenlCam标准。AIA制定了GigEVision，USB3Vision等相机通信协议。视觉行业还与其他行业协会合作，不断拓展互联互通的外延，旨在促成视觉系统与其他行业的互联互通。
机器视觉的典型应用
在现代自动化生产过程中，人们将机器视觉系统广泛地应用于电子、SMT、半导体、医药/医疗、烟草、印刷、食品/饮料、汽车、锂电、光伏等各行各业中。应用项目包括装配定位、产品质量检测、产品识别、产品尺寸测量等方面。
电子行业视觉应用
电子行业的快速发展，给机器视觉带来了巨大的机遇和挑战。机器视觉技术不断地渗透到电子行业产业链的各个环节，从电子产品的设计、制造到产品质检、复检、包装等，都给电子行业的发展注入了新的力量。
检测内容包括:电容、电感外观检测;液晶屏AA区定位、手机卡槽定位、手机外观缺陷检测、手机壳LOGO检测等。
SMT行业视觉应用
SMT(SurfaceMountedTechnology)是目前电子组装行业里非常常用的一种技术和工艺。机器视觉主要用于SMT生产线上的定位与质量检验，包括印刷机中钢网与PCB对位，锡膏3D扫描，贴片机元器件定位，印刷后AOI、贴片后AOI、炉后AOI等。检测内容包括:点胶检测、元件正负极判断、元件组装定位、PCB板焊锡复检(虚焊、多锡、少锡等)、OCR(光学字符识别)、表面
转载请注明地址:http://www.abmjc.com/zcmbzz/1172.html
