技能培训专题 机器视觉系统资料介绍

技能培训专题 机器视觉系统资料介绍

机器视觉系统资料介绍 一、概述 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产 品（即图像摄取装置，分 CMOS 和 CCD 两种）将被摄取目标转换成图像信号，传送给专用 的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些 信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉（Machine vision） 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作 业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在 大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法 可以大大提高生产效率和生产的自动化程度。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。 正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同 设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广 泛地用于工况监视、成品检验和质量控制等领域。 二、组成结构 一个典型的工业机器视觉系统包括：光源、镜头、 CCD 照相机、图像处理单元 （或图像捕获卡）、图像处理软件、监视器、通讯 / 输入输出单元等。 系统可分为： 主端电脑(Host Computer) 、影像撷取卡(Frame Grabber)与影像处理器 、影 像摄影机 、CCT 镜头 、显微镜头 、照明设备 、Halogen 光源 、LED 光源 、高周波萤光 灯源 、闪光灯源 、其他特殊光源 、影像显示器 、LCD 、机构及控制系统 、PLC、PC-Base 控制器 、精密桌台 、伺服运动机台 等部分。 三、工作原理 机器视觉检测系统采用 CCD 照相机将被检测的目标转换成图像信号，传送给专 用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统 对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允 许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动 识别功能。 四、机器视觉系统的典型结构 机器视觉 LED 光源 一个典型的机器视觉系统包括以下五大块： 照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用 效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照 明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、 日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上 保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量， 所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、 前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的 优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于 安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测 物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。 镜头 工业镜头 FOV（Field Of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比） 镜头选择应注意： ①焦距②目标高度 ③影像高度 ④放大倍数 ⑤影像至目标的距离 ⑥中心点 / 节点 ⑦畸变 相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际 应用场合选不同的相机和高分辨率相机:线扫描 CCD 和面阵 CCD；单色相机和彩色相机。 机器视觉工业相机 图像采集卡 图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的 角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。 比较典型的是 PCI 或 AGP 兼容的捕获卡，可以将图像迅速地传送到计算机存储 器进行处理。有些采集卡有内置的多路开关。例如，可以连接 8 个不同的摄像机,然后告诉 采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕 捉，当采集卡抓拍图像时数字输出口就触发闸门。 视觉处理器 视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理 器加快视觉处理任务。现在由于采集卡可以快速传输图像到存储器，而且计算机也快多了， 所以现在视觉处理器用的较少了。 五、机器视觉的应用 1.自动光学检查（如图像识别、图像检测、视觉定位、物品分拣等） 2.人脸侦测 3.无人驾驶汽车 【机器视觉特点】 1.摄像机的拍照速度自动与被测物的速度相匹配，拍摄到理想的图像； 2.零件的尺寸范围为 2.4mm 到 12mm，厚度可以不同； 3.系统根据操作者选择不同尺寸的工件，调用相应视觉程序进行尺寸检测，并 输出结果； 4.针对不同尺寸的零件，排序装置和输送装置可以精确调整料道的宽度，使零 件在固定路径上运动并进行视觉检测； 5.机器视觉系统分辨率达到 1600×1200，动态检测精度可以达到 0.02mm； 6.废品漏检率为 0； 7.本系统可通过显示图像监视检测过程，也可通过界面显示的检测数据动态查 看检测结果； 8.具有对错误工件及时准确发出剔除控制信号、剔除废品的功能； 9.系统能够自检其主要设备的状态是否正常，配有状态指示灯；同时能够设置 系统维护人员、使用人员不同的操作权限； 10.实时显示检测画面，中文界面，可以浏览最近几次不合格品的图像，具有能 够存储和实时察看错误工件图像的功能； 11.能生成错误结果信息文件，包含对应的错误图像，并能打印输出。 机器视觉在纺织工业上的应用案例 在布匹的生产过程中，像布匹质量检测这种有高度重复性和智能性的工作只能 靠人工检测来完成,在现代化流水线后面常常可看到很多的检测工人来执行这道工序,给企 业增加巨大的人工成本和管理成本的同时,却仍然不能保证 100 %的检验合格率(即“零缺 陷”) 。对布匹质量的检测是重复性劳动，容易出错且效率低。 流水线进行自动化的改造，使布匹生产流水线变成快速、实时、准确、高效的 流水线。在流水线上，所有布匹的颜色、及数量都要进行自动确认（以下简称“布匹检测”）。 现在采用机器视觉的自动识别技术完成以前由人工来完成的工作。在大批量的布匹检测中， 用人工检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产 的自动化程度。 特征提取辨识 一般布匹检测（自动识别）先利用高清晰度、高速摄像镜头拍摄标准图像，在 此基础上设定一定标准；然后拍摄被检测的图像，再将两者进行对比。但是在布匹质量检测 工程中要复杂一些： 1． 图像的内容不是单一的图像，每块被测区域存在的杂质的数量、大小、颜 色、位置不一定一致； 2． 杂质的形状难以事先确定； 3． 由于布匹快速运动对光线产生反射，图像中可能会存在大量的噪声； 4． 在流水线上，对布匹进行检测，有实时性的要求； 由于上述原因，图像识别处理时应采取相应的算法，提取杂质的特征，进行模 式识别，实现智能分析。 Color 检测 一般而言，从彩色 CCD 相机中获取的图像都是 RGB 图像。也就是说每一个像素 都由红(R)绿(G)篮(B)三个成分组成，来表示 RGB 色彩空间中的一个点。问题在于这些色差 不同于人眼的感觉。即使很小的噪声也会改变颜色空间中的位置。所以无论我们人眼感觉有 多么的近似，在颜色空间中也不尽相同。基于上述原因，我们需要将 RGB 像素转换成为另一 种颜色空间 CIELAB。目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。 Blob 检测 根据上面得到的处理图像，根据需求，在纯色背景下检测杂质色斑，并且要计 算出色斑的面积,以确定是否在检测范围之内。因此图像处理软件要具有分离目标，检测目 标，并且计算出其面积的功能。 Blob 分析(Blob Analysis)是对图像中相同像素的连通域进行分析，该连通域 称为 Blob。经二值化(Binary Thresholding)处理后的图像中色斑可认为是 blob。Blob 分 析工具可以从背景中分离出目标，并可计算出目标的数量、位置、形状、方向和大小，还可 以提供相关斑点间的拓扑结构。在处理过程中不是采用单个的像素逐一分析，而是对图形的 行进行操作。图像的每一行都用游程长度编码(RLE)来表示相邻的目标范围。这种算法与基 于象素的算法相比，大大提高处理速度。 结果处理和控制 应用程序把返回的结果存入数据库或用户指定的位置，并根据结果控制机械部 分做相应的运动。 根据识别的结果，存入数据库进行信息管理。以后可以随时对信息进行检索查 询，管理者可以获知某段时间内流水线的忙闲，为下一步的工作作出安排；可以获知近期内 布匹的质量情况等等。 机器视觉在国内外的应用现状 在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概 40%-50% 都集中在半导体行业。具体如 PCB 印刷电路：各类生产印刷电路板组装技术、设备；单、双 面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件； 电子封装技术与设备；丝网印刷设备及丝网周边材料等。SMT 表面贴装：SMT 工艺与设备、 焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT 材料、贴片剂、胶粘剂、焊剂、 焊料及防氧化油、焊膏、清洗剂等；再流焊机、波峰焊机及自动化生产线设备。电子生产加 工设备：电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。 机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着 举足轻重的地位。除此之外，机器视觉还用于其他各个领域。 而在中国，视觉技术的应用开始于 90 年代，因为行业本身就属于新兴的领域， 再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。到二十一世纪，随 着科学进步，视觉技术开始在自动化行业成熟应用，目前在我国随着配套基础建设的完善， 技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广 泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思 索和大胆的尝试，逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测 等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端的应用还很少， 因此，以上相关行业的应用空间还比较大。当然、其他领域如指纹检测等等领域也有着很好 的发展空间。