机器视觉系统

机器视觉系统就是用机器代替人眼进行各种测量和判断。它是计算机科学的一个重要分支，融合了光学、机械、电子、计算机软硬件技术，涉及计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等领域。图像处理和模式识别技术的快速发展也极大地促进了机器视觉的发展。

视觉系统是用机器代替人眼进行测量和判断。视觉系统是指通过机器视觉的产品（即摄像器件分为 CMOS 和CCD ）被捕获的物体被转换成图像信号，该图像信号被传输到特殊的图像处理系统、颜色和其他信息转换成数字信号；图像系统对这些信号进行各种运算，提取目标的特征，然后根据判别结果控制现场设备的动作。是用于生产、用于组装或包装的有价值的机械装置。它在检测缺陷和防止缺陷产品流通到消费者手中方面具有不可估量的价值。

机器视觉系统的特点是提高生产的灵活性和自动化程度。在一些不适合人工操作的危险工作环境或人工视觉难以满足要求的场合，经常使用机器视觉来代替人工视觉；同时，在大规模工业生产过程中，人工视觉检查产品质量效率低不准确，而机器视觉检测方法可以大大提高生产效率和自动化程度。而且机器视觉容易实现信息集成，是实现计算机集成制造的基础技术。产品可以在最快的生产线上进行 的测量、引导、检测、保质保量完成生产任务。

在布料生产过程中，布料质量检验等重复性和智能性很强的工作只能通过人工检验来完成，在现代化的流水线上经常可以看到许多检验工人在后面执行这一过程，这将为企业增加巨大的人力成本和管理成本，但仍然不能保证100333 48636863631%的检验合格率（即“零缺陷”检测布料质量是重复性工作，容易出错，效率低下。

流水线的自动化改造，使得布料生产流水线快速、实时、准确、高效的流水线。在装配线上，所有颜色的布料、和数量应自动确认（以下简称“布匹检测”利用机器视觉的自动识别技术来完成以前由人力完成的工作。在布料的大批量检测中，人工检测产品质量效率低不准确，而机器视觉检测方法可以大大提高生产效率和自动化程度。

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，并在此基础上设定一定的标准；然后拍摄检测到的图像，对比两者。但在布匹质量检测工程中较为复杂：

1．3356图像的内容不是单张图像，而是每个测量区域的杂质数量、大小、颜色、位置不一定一致。

2．很难预先确定杂质的形状。

3．图像中可能会有很多噪声，因为布料的快速移动会反射光线。

4． 在流水线上，布料的检验有实时性要求。

基于以上原因，在图像识别处理中要采用相应的算法来提取杂质的特征，进行模式识别，实现智能分析。

Color检测

一般来说，彩色CCD相机获得的图像是RGB图像。也就是说，每个像素都是由红色组成的（R）绿（G）蓝（B）代表RGB颜色空间中的一个点的三个分量。问题是这些色差和人眼的感觉不一样。即使很小的噪声也会改变颜色空间中的位置。所以不管我们人眼的感觉有多相似，在色彩空间里都是不一样的。基于以上原因，我们需要将RGB像素转换到另一个颜色空间CIELAB。目的是让我们人眼在色彩空间中感受到尽可能接近的色差。

Blob检测

根据上面得到的处理后的图像，按照要求，在纯色背景下检测杂质污渍，计算污渍的面积，确定是否在检测范围内。因此，图像处理软件应具有分离目标检测目标并计算其面积的功能。

Blob分析（Blob   analysis）就是分析图像中同一像素的连通域，称为Blob。经二值化（Binary   threshold）经处理的图像中的色点可以被认为是斑点。斑点分析工具可以将目标从背景中分离出来，并计算目标的数量、位置、形状、方向和大小，还提供了相关点之间的拓扑结构。在处理的过程中，并不是逐个分析单个像素，而是对图形的线条进行操作。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。与基于像素的算法相比，该算法大大提高了处理速度。

结果处理和控制

应用程序将返回的结果存储在数据库或用户指定的位置，并根据结果控制机械部分相应地运动。

根据识别结果，将其存储在数据库中进行信息管理。以后可以随时搜索查询信息，管理者可以了解某段时间流水线的繁忙时间，并对下一步工作做出安排；可以知道内布的质量等等。

在生产线上，来做这种测量和判断的人会很累、个体之间的差异会产生错误和失误，但机器会不知疲倦地、稳定地进行下去。一般来说，机器视觉系统包括照明系统、镜头、照相机系统和图像处理系统。对于每个应用，我们需要考虑系统的运行速度和图像处理速度、用彩色还是黑白相机、是检测目标的大小还是检测目标的缺陷、视场需要多大、分辨率需要多高、需要多大的对比度等。从功能上讲，典型的机器视觉系统可以分为：图像采集部分、图像处理部分和运动控制部分。

一个完整的机器视觉系统的主要工作过程如下：

1、工件定位检测器检测到物体已经移动靠近摄像系统的视场中心，并向图像采集部分发送触发脉冲。

2、图像采集部分根据预设的程序和延时分别向摄像机和照明系统发送启动脉冲。

3、相机停止扫描，开始新的一帧扫描，或者相机在起始脉冲到来之前处于等待状态，在起始脉冲到来之后开始一帧扫描。

4、在相机开始新一帧扫描前开启曝光机制，曝光时间可以提前设置。

5、另一个启动脉冲打开灯，灯的打开时间要和相机的曝光时间相匹配。

6、相机曝光后，一帧图像的扫描输出正式开始。

7、图像采集部分通过接收模拟视频信号/d将其数字化，或者直接接收由摄像机数字化的数字视频数据。

8、图像采集部分将数字图像存储在处理器或计算机的存储器中。

9、处理器处理图像、分析、识别并获得测量结果或逻辑控制值。

10、处理结果控制流水线的动作、进行定位、纠正运动中的错误等。

从上面的工作流程可以看出，机器视觉是一个相对复杂的系统。由于系统的大部分监控对象都是运动对象，因此系统与运动对象的匹配与协调就显得尤为重要，这就对系统各部分的动作时间和处理速度提出了严格的要求。在一些应用领域，比如机器人、整个系统或系统的一部分的重量等、体积和功耗都会有严格的要求。

机器视觉系统的优点如下：

1、非接触测量不会对观测者和被观测者造成任何伤害，从而提高了系统的可靠性。

2、具有较宽的光谱响应范围，如人眼不可见的红外测量，扩大了人眼的可视范围。

3、长时间稳定工作，人类很难长时间观察同一个物体，而机器视觉可以长时间进行测量、分析和识别任务。

机器视觉系统的应用领域越来越广泛。在工业、农业、国防、交通、医疗、金融甚至体育、娱乐等行业得到了广泛的应用，可以说已经渗透到了我们的生活中、生产和工作的各个方面。