零件尺寸的机器视觉检测系统的研究总结

　　在工业生产中， 传统的检测技术需要众多的检测工人， 不仅影响生产效率， 而且带来不可靠因素。视觉检测技术克服了传统检测技术的缺点， 它以检测的安全性、可靠性及自动化程度高等优点而得到广泛的应用，成为当今检测技术的研究热点之一。

　　机器视觉检测的主要过程为： 首先采用CCD摄像机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，如：面积、长度、数量、位置等。最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格／不合格等，极大的提高了工作效率和产品的质量。随着跨学科基础研究的不断深入， 计算机性能的快速提高和其它视觉测量外围组件性价比的提高， 基于机器视觉的精密检测技术必将会有更广阔的应用前景。

　　二视觉检测系统结构及工作原理

　　机器视觉系统的基本结构是在一定的光照（ 包括可见光、红外线甚至超声波等各种成像手段）条件下， 成像设备（ 摄像机、图像采集卡等） 把三维场景的图像采集到计算机内部， 形成二维图像：其次，运用图像处理技术对采集到的原始图像进行预处理以得到质量改善了的图像；然后， 从图像中提取感兴趣的特征， 构成对图像的描述； 再进一步，运用模式识别技术对抽取到的特征进行分类整理； 最后， 运用人工智能得到更高层次的抽象描述， 完成视觉系统的任务。机器视觉系统通常由光源部分、图像传感器、装有图像采集卡的计算机和专用的图像处理软件组成。通过图像传感器采集图像目标， 把目标的三维图像采集为二维图像， 通过光信号转换成模拟的电信号， 再由图像采集卡把模拟信号转换成数字信号， 供计算机处理。一般来说，机器视觉系统为了避免环境自然光线或灯光对其工作状态的影响，光源应亮度大、亮度可调、均匀性及稳定性好， 以抑制外界环境各种光对图像质量产生较大影响而导致机器视觉系统的故障或误判行为。常用的图像传感器有两种形式： 一种为线阵， 一种为面阵。图像采集卡具有图像信号接收与Ⅳ D转换、协调摄像机进行同步或实现异步重置拍摄和定时拍摄、通过数据总线进行高速数据传输等功能， 最后通过专用图像处理软件完成对图像的处理与分析。机器视觉检测系统的基本结构原理图如下图所示。