机器视觉的工作原理及其与计算机视觉的区别

【机器视觉的工作原理】

机器视觉检测系统是采用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收取目标的特征，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。

【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2448×2048，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。

【机器视觉的应用领域】

1.识别

2.标准一维码、二维码的解码

3.光学字符识别（OCR）和确认（OCV）

4.检测

5.色彩和瑕疵检测

6.零件或部件的有无检测

7.目标位置和方向检测和测量

8.尺寸和容量检测

9.预设标记的测量，如孔位到孔位的距离

10.机械手引导

11.输出空间坐标引导机械手精确定位

视觉是人类观察和认知世界的重要手段。随着信息技术的发展，人类逐渐把这种技能赋予计算机、机器人或者其他智能机器，这就是我们今天所要提到的机器视觉技术。

目前机器视觉技术已经实现了产品化、实用化，镜头、高速相机、光源、图像软件、图像采集卡、视觉处理器等相关产品功能日益完善。机器视觉技术在信息化时代正扮演着越来越重要的角色。

与计算机视觉相比，机器视觉偏重于计算机视觉技术工程化，能够自动获取和分析特定的图像，对准确度和处理速度要求都比较高，一般而言，计算机视觉多用来识别“人”，而机器视觉则多用来识别“物”。

具体来讲，计算机视觉应用的场景相对复杂，要识别的物体类型也多，形状不规则、规律性不强，有时甚至很难用客观量作为是被的依据，比如识别年龄、性别，对于光线、距离、角度等条件要求较低；而对准确度和处理速度要求都比较高，一般机器视觉的分辨率远高于计算机视觉，而且往往要求实时，处理速度非常关键。

那么一个典型的机器视觉系统应该包括哪些硬件呢？

一个典型的机器视觉系统包括以下五大块：

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光源照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，已达到最佳效果。光源可分为可见光可不可见光。

FOV=所需分辨率亚像素相机尺寸/PRTM（零件测量公差比）

选择镜头时应注意：

按照不同的标准可分为：标准分辨率数字相机和模拟相机

要根据不同的实际应用场合选择不同的相机和高分辨率相机：线扫描CCD和面阵CDD、单色相机和彩色相机

图像采集卡是完整的机器视觉系统的一个部件，但是它扮演的角色非常重要，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。

视觉处理器集采集卡与处理器与一体。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，而且计算机也快很多，所以现在视觉处理器用的少了。

什么是机器视觉系统？

机器视觉系统是指通过机器视觉产品（即图像获取装置，分为CMOS和CCD两种）将被获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。

机器视觉的工作原理：

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。

机器视觉与计算机视觉的区别？

计算机视觉，主要是对质的分析，比如分类识别，这是一个杯子那是一条狗。或者做身份确认，比如人脸识别，车牌识别。或者做行为分析，比如人员入侵，徘徊，遗留物，人群聚集等。

机器视觉，主要侧重对量的分析，比如通过视觉去测量一个零件的直径，一般来说，对准确度要求很高。我记得以前接触过一个需求: 视觉测量铁路道岔缺口。

当然，也不能完全按质或量一刀切，有些计算机视觉应用也需要分析量，比如商场的人数统计。有些机器视觉也需要分析质，比如零件自动分拣。

机器视觉是图像技术、模式识别技术以及计算机技术发展的产物，是实现智能化、自动化、信息化的先进技术领域。机器视觉的发展带动了人工智能的进步。

机器视觉系统从物理结构上来讲，一般包括以下几个部分：光源、摄像机和镜头、图像采集卡、机器视觉软件等运动控制部分。在机器视觉系统中，合适的光源为视觉系统提供良好的外界条件，使得系统得到的图像信号有很高的信噪比。

今天我们主要探讨一下光源。

判断机器视觉的照明的好坏，首先必须了解什么是光源需要做到的，光源的作用并不仅仅局限于使检测部件能够被摄像头“看见”，有时候，一个完整的机器视觉系统无法支持工作，很大一部分原因是光源造成的。

照明系统是机器视觉系统中最关键的部分之一，机器视觉光源直接影响到图像的质量，进而影响到系统的性能。好的打光设计能够使我们得到一幅好的图像，从而改善整个系统的分辨率，简化软件的运算。