目錄
機器視覺系統(tǒng)就是利用機器代替人眼來作各種測量和判斷。它是計算機學科的一個重要分支,它綜合了光學、機械、電子、計算機軟硬件等方面的技術(shù),涉及到計算機、圖像處理、模式識別、人工智能、信號處理、光機電一體化等多個領(lǐng)域。圖像處理和模式識別等技術(shù)的快速發(fā)展,也大大地推動了機器視覺的發(fā)展。
簡介
視覺系統(tǒng)就是用機器代替人眼來做測量和判斷。視覺系統(tǒng)是指通過機器視覺產(chǎn)品(即圖像攝取裝置,分 CMOS 和CCD 兩種)將被攝取目標轉(zhuǎn)換成圖像信號,傳送給專用的圖像處理系統(tǒng),根據(jù)像素分布和亮度、顏色等信息,轉(zhuǎn)變成數(shù)字化信號;圖像系統(tǒng)對這些信號進行各種運算來抽取目標的特征,進而根據(jù)判別的結(jié)果來控制現(xiàn)場的設(shè)備動作。是用于生產(chǎn)、裝配或包裝的有價值的機制。它在檢測缺陷和防止缺陷產(chǎn)品被配送到消費者的功能方面具有不可估量的價值。
機器視覺系統(tǒng)的特點是提高生產(chǎn)的柔性和自動化程度。在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合,常用機器視覺來替代人工視覺;同時在大批量工業(yè)生產(chǎn)過程中,用人工視覺檢查產(chǎn)品質(zhì)量效率低且精度不高,用機器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。而且機器視覺易于實現(xiàn)信息集成,是實現(xiàn)計算機集成制造的基礎(chǔ)技術(shù)??梢栽谧羁斓纳a(chǎn)線上對產(chǎn)品進行測量、引導(dǎo)、檢測、和識別,并能保質(zhì)保量的完成生產(chǎn)任務(wù)。
典型結(jié)構(gòu)
一個典型的機器視覺系統(tǒng)包括以下五大塊:
照明
照明是影響機器視覺系統(tǒng)輸入的重要因素,它直接影響輸入數(shù)據(jù)的質(zhì)量和應(yīng)用效果。由于沒有通用的機器視覺照明設(shè)備,所以針對每個特定的應(yīng)用實例,要選擇相應(yīng)的照明裝置,以達到最佳效果。光源可分為可見光和不可見光。常用的幾種可見光源是白幟燈、日光燈、水銀燈和鈉光燈??梢姽獾娜秉c是光能不能保持穩(wěn)定。如何使光能在一定的程度上保持穩(wěn)定,是實用化過程中急需要解決的問題。另一方面,環(huán)境光有可能影響圖像的質(zhì)量,所以可采用加防護屏的方法來減少環(huán)境光的影響。照明系統(tǒng)按其照射方法可分為:背向照明、前向照明、結(jié)構(gòu)光和頻閃光照明等。其中,背向照明是被測物放在光源和攝像機之間,它的優(yōu)點是能獲得高對比度的圖像。前向照明是光源和攝像機位于被測物的同側(cè),這種方式便于安裝。結(jié)構(gòu)光照明是將光柵或線光源等投射到被測物上,根據(jù)它們產(chǎn)生的畸變,解調(diào)出被測物的三維信息。頻閃光照明是將高頻率的光脈沖照射到物體上,攝像機拍攝要求與光源同步。
鏡頭
FOV(Field of Vision)=所需分辨率*亞象素*相機尺寸/PRTM(零件測量公差比)
鏡頭選擇應(yīng)注意:
①焦距②目標高度 ③影像高度 ④放大倍數(shù) ⑤影像至目標的距離 ⑥中心點 /節(jié)點⑦畸變
視覺檢測中如何確定鏡頭的焦距
為特定的應(yīng)用場合選擇合適的工業(yè)鏡頭時必須考慮以下因素:
· 視野 - 被成像區(qū)域的大小。
· 工作距離 (WD) - 攝像機鏡頭與被觀察物體或區(qū)域之間的距離。
· CCD - 攝像機成像傳感器裝置的尺寸。
· 這些因素必須采取一致的方式對待。如果在測量物體的寬度,則需要使用水平方向的 CCD 規(guī)格,等等。如果以英寸為單位進行測量,則以英尺進行計算,最后再轉(zhuǎn)換為毫米。
參考如下例子:有一臺 1/3” C 型安裝的 CDD 攝像機(水平方向為 4.8 毫米)。物體到鏡頭前部的距離為 12”(305 毫米)。視野或物體的尺寸為2.5”(64 毫米)。換算系數(shù)為 1” = 25.4 毫米(經(jīng)過圓整)。
FL = 4.8 毫米 x 305 毫米 / 64 毫米
FL = 1464 毫米 / 64 毫米
FL = 按 23 毫米鏡頭的要求
FL = 0.19” x 12” / 2.5”
FL = 2.28” / 2.5”
FL = 0.912” x 25.4 毫米/inch
FL = 按 23 毫米鏡頭的要求
注:勿將工作距離與物體到像的距離混淆。工作距離是從工業(yè)鏡頭前部到被觀察物體之間的距離。而物體到像的距離是 CCD 傳感器到物體之間的距離。計算要求的工業(yè)鏡頭焦距時,必須使用工作距離
相機
按照不同標準可分為:標準分辨率數(shù)字相機和模擬相機等。要根據(jù)不同的實際應(yīng)用場合選不同的相機和高分辨率相機:線掃描CCD和面陣CCD;黑白相機和彩色相機。
圖像采集
圖像采集卡只是完整的機器視覺系統(tǒng)的一個部件,但是它扮演一個非常重要的角色。圖像采集卡直接決定了攝像頭的接口:黑白、彩色、模擬、數(shù)字等等。
比較典型的是PCI或AGP兼容的捕獲卡,可以將圖像迅速地傳送到計算機存儲器進行處理。有些采集卡有內(nèi)置的多路開關(guān)。例如,可以連接8個不同的攝像機,然后告訴采集卡采用那一個相機抓拍到的信息。有些采集卡有內(nèi)置的數(shù)字輸入以觸發(fā)采集卡進行捕捉,當采集卡抓拍圖像時數(shù)字輸出口就觸發(fā)閘門。
視覺處理器
視覺處理器集采集卡與處理器于一體。以往計算機速度較慢時,采用視覺處理器加快視覺處理任務(wù)。由于采集卡可以快速傳輸圖像到存儲器,而且計算機也快多了,所以視覺處理器用的較少了。
機器選型
在機器視覺系統(tǒng)中,獲得一張高質(zhì)量的可處理的圖像是至關(guān)重要。系統(tǒng)之所以成功,首先要保證圖像質(zhì)量好,特征明顯,。一個機器視覺項目之所以失敗,大部分情況是由于圖像質(zhì)量不好,特征不明顯引起的。要保證好的圖像,必須要選擇一個合適的光源。
光源選型基本要素:
對比度:對比度對機器視覺來說非常重要。機器視覺應(yīng)用的照明的最重要的任務(wù)就是使需要被觀察的特征與需要被忽略的圖像特征之間產(chǎn)生最大的對比度,從而易于特征的區(qū)分。對比度定義為在特征與其周圍的區(qū)域之間有足夠的灰度量區(qū)別。好的照明應(yīng)該能夠保證需要檢測的特征突出于其他背景。
亮度:當選擇兩種光源的時候,最佳的選擇是選擇更亮的那個。當光源不夠亮時,可能有三種不好的情況會出現(xiàn)。第一,相機的信噪比不夠;由于光源的亮度不夠,圖像的對比度必然不夠,在圖像上出現(xiàn)噪聲的可能性也隨即增大。其次,光源的亮度不夠,必然要加大光圈,從而減小了景深。另外,當光源的亮度不夠的時候,自然光等隨機光對系統(tǒng)的影響會最大。
魯棒性:另一個測試好光源的方法是看光源是否對部件的位置敏感度最小。當光源放置在攝像頭視野的不同區(qū)域或不同角度時,結(jié)果圖像應(yīng)該不會隨之變化。方向性很強的光源,增大了對高亮區(qū)域的鏡面反射發(fā)生的可能性,這不利于后面的特征提取。
好的光源需要能夠使你需要尋找的特征非常明顯,除了是攝像頭能夠拍攝到部件外,好的光源應(yīng)該能夠產(chǎn)生最大的對比度、亮度足夠且對部件的位置變化不敏感。光源選擇好了,剩下來的工作就容易多了。具體的光源選取方法還在于試驗的實踐經(jīng)驗。
應(yīng)用案例
在布匹的生產(chǎn)過程中,像布匹質(zhì)量檢測這種有高度重復(fù)性和智能性的工作只能靠人工檢測來完成,在現(xiàn)代化流水線后面常??煽吹胶芏嗟臋z測工人來執(zhí)行這道工序,給企業(yè)增加巨大的人工成本和管理成本的同時,卻仍然不能保證100 %的檢驗合格率(即“零缺陷”)。對布匹質(zhì)量的檢測是重復(fù)性勞動,容易出錯且效率低。
流水線進行自動化的改造,使布匹生產(chǎn)流水線變成快速、實時、準確、高效的流水線。在流水線上,所有布匹的顏色、及數(shù)量都要進行自動確認(以下簡稱“布匹檢測”)。采用機器視覺的自動識別技術(shù)完成以前由人工來完成的工作。在大批量的布匹檢測中,用人工檢查產(chǎn)品質(zhì)量效率低且精度不高,用機器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。
特征提取辨識
一般布匹檢測(自動識別)先利用高清晰度、高速攝像鏡頭拍攝標準圖像,在此基礎(chǔ)上設(shè)定一定標準;然后拍攝被檢測的圖像,再將兩者進行對比。但是在布匹質(zhì)量檢測工程中要復(fù)雜一些:
1. 圖像的內(nèi)容不是單一的圖像,每塊被測區(qū)域存在的雜質(zhì)的數(shù)量、大小、顏色、位置不一定一致。
2. 雜質(zhì)的形狀難以事先確定。
3. 由于布匹快速運動對光線產(chǎn)生反射,圖像中可能會存在大量的噪聲。
4. 在流水線上,對布匹進行檢測,有實時性的要求。
由于上述原因,圖像識別處理時應(yīng)采取相應(yīng)的算法,提取雜質(zhì)的特征,進行模式識別,實現(xiàn)智能分析。
Color檢測
一般而言,從彩色CCD相機中獲取的圖像都是RGB圖像。也就是說每一個像素都由紅(R)綠(G)藍(B)三個成分組成,來表示RGB色彩空間中的一個點。問題在于這些色差不同于人眼的感覺。即使很小的噪聲也會改變顏色空間中的位置。所以無論我們?nèi)搜鄹杏X有多么的近似,在顏色空間中也不盡相同。基于上述原因,我們需要將RGB像素轉(zhuǎn)換成為另一種顏色空間CIELAB。目的就是使我們?nèi)搜鄣母杏X盡可能的與顏色空間中的色差相近。
Blob檢測
根據(jù)上面得到的處理圖像,根據(jù)需求,在純色背景下檢測雜質(zhì)色斑,并且要計算出色斑的面積,以確定是否在檢測范圍之內(nèi)。因此圖像處理軟件要具有分離目標,檢測目標,并且計算出其面積的功能。
Blob分析(Blob Analysis)是對圖像中相同像素的連通域進行分析,該連通域稱為Blob。經(jīng)二值化(Binary Thresholding)處理后的圖像中色斑可認為是blob。Blob分析工具可以從背景中分離出目標,并可計算出目標的數(shù)量、位置、形狀、方向和大小,還可以提供相關(guān)斑點間的拓撲結(jié)構(gòu)。在處理過程中不是采用單個的像素逐一分析,而是對圖形的行進行操作。圖像的每一行都用游程長度編碼(RLE)來表示相鄰的目標范圍。這種算法與基于象素的算法相比,大大提高處理速度。
結(jié)果處理和控制
應(yīng)用程序把返回的結(jié)果存入數(shù)據(jù)庫或用戶指定的位置,并根據(jù)結(jié)果控制機械部分做相應(yīng)的運動。
根據(jù)識別的結(jié)果,存入數(shù)據(jù)庫進行信息管理。以后可以隨時對信息進行檢索查詢,管理者可以獲知某段時間內(nèi)流水線的忙閑,為下一步的工作作出安排;可以獲知內(nèi)布匹的質(zhì)量情況等等。
應(yīng)用
在生產(chǎn)線上,人來做此類測量和判斷會因疲勞、個人之間的差異等產(chǎn)生誤差和錯誤,但是機器卻會不知疲倦
地、穩(wěn)定地進行下去。一般來說,機器視覺系統(tǒng)包括了照明系統(tǒng)、鏡頭、攝像系統(tǒng)和圖像處理系統(tǒng)。對于每一個應(yīng)用,我們都需要考慮系統(tǒng)的運行速度和圖像的處理速度、使用彩色還是黑白攝像機、檢測目標的尺寸還是檢測目標有無缺陷、視場需要多大、分辨率需要多高、對比度需要多大等。從功能上來看,典型的機器視覺系統(tǒng)可以分為:圖像采集部分、圖像處理部分和運動控制部分。
工作過程
一個完整的機器視覺系統(tǒng)的主要工作過程如下:
1、工件定位檢測器探測到物體已經(jīng)運動至接近攝像系統(tǒng)的視野中心,向圖像采集部分發(fā)送觸發(fā)脈沖。
2、圖像采集部分按照事先設(shè)定的程序和延時,分別向攝像機和照明系統(tǒng)發(fā)出啟動脈沖。
3、攝像機停止目前的掃描,重新開始新的一幀掃描,或者攝像機在啟動脈沖來到之前處于等待狀態(tài),啟動脈沖到來后啟動一幀掃描。
4、攝像機開始新的一幀掃描之前打開曝光機構(gòu),曝光時間可以事先設(shè)定。
5、另一個啟動脈沖打開燈光照明,燈光的開啟時間應(yīng)該與攝像機的曝光時間匹配。
6、攝像機曝光后,正式開始一幀圖像的掃描和輸出。
7、圖像采集部分接收模擬視頻信號通過A/D將其數(shù)字化,或者是直接接收攝像機數(shù)字化后的數(shù)字視頻數(shù)據(jù)。
8、圖像采集部分將數(shù)字圖像存放在處理器或計算機的內(nèi)存中。
9、處理器對圖像進行處理、分析、識別,獲得測量結(jié)果或邏輯控制值。
10、處理結(jié)果控制流水線的動作、進行定位、糾正運動的誤差等。
從上述的工作流程可以看出,機器視覺是一種比較復(fù)雜的系統(tǒng)。因為大多數(shù)系統(tǒng)監(jiān)控對象都是運動物體,系統(tǒng)與運動物體的匹配和協(xié)調(diào)動作尤為重要,所以給系統(tǒng)各部分的動作時間和處理速度帶來了嚴格的要求。在某些應(yīng)用領(lǐng)域,例如機器人、飛行物體導(dǎo)制等,對整個系統(tǒng)或者系統(tǒng)的一部分的重量、體積和功耗都會有嚴格的要求。
優(yōu)點
機器視覺系統(tǒng)的優(yōu)點有:
1、非接觸測量,對于觀測者與被觀測者都不會產(chǎn)生任何損傷,從而提高系統(tǒng)的可靠性。
3、長時間穩(wěn)定工作,人類難以長時間對同一對象進行觀察,而機器視覺則可以長時間地作測量、分析和識別任務(wù)。
機器視覺系統(tǒng)的應(yīng)用領(lǐng)域越來越廣泛。在工業(yè)、農(nóng)業(yè)、國防、交通、醫(yī)療、金融甚至體育、娛樂等等行業(yè)都獲得了廣泛的應(yīng)用,可以說已經(jīng)深入到我們的生活、生產(chǎn)和工作的方方面面。
實驗平臺
圖像采集設(shè)備機器視覺教學實驗平臺是專門針對大學和研究機構(gòu)開展機器視覺教學和研究的機器視覺教學實驗平臺,提供包括圖像測量、檢測、定位、跟蹤識別等多個圖像處理庫函數(shù),功能強大,可覆蓋工業(yè)生產(chǎn)、機器視覺、智能交通、航空航天等眾多圖像處理應(yīng)用領(lǐng)域。
機器視覺圖像處理教學實驗開發(fā)平臺可利用其提供的大量圖像處理和機器視覺算法進行二次開發(fā),解決現(xiàn)代工業(yè)產(chǎn)品生產(chǎn)過程中涉及的各種各樣視覺問題。實驗平臺結(jié)構(gòu)開放,提供擴展接口,也可添加自己的圖像處理優(yōu)異算法。
提供多種圖像處理實驗,如圖象分割、圖象融合、機器學習、模式識別、圖象測量、圖象處理、模式識別和人工智能、三維測量、雙目立體視覺等實驗,可以培養(yǎng)學生對機器視覺產(chǎn)品知識的深入理解和掌握,鍛煉學生的研究能力,創(chuàng)新思維以及獨立解決技術(shù)難題的能力。
作為一套完整的機器視覺教學實驗開發(fā)平臺,使用者可利用其配套的工業(yè)相機、LED光源、工業(yè)鏡頭、支架、算法軟件等搭建自己的視覺處理系統(tǒng)原型,了解圖像采集設(shè)備等配件的應(yīng)用和選型,輕松設(shè)計、印證和評估自己的視覺系統(tǒng),特別適合于大學和研究機構(gòu)開展機器視覺教學和科研工作。
比較不同
機器視覺顧名思義就是使機器具有像人一樣的視覺功能,從而實現(xiàn)各種檢測、判斷、識別、測量等功能。一個典型的機器視覺系統(tǒng)包括:光源、鏡頭、相機(CCD相機和CMOS相機)、圖像處理器(硬件)、圖像處理軟件、顯示器、執(zhí)行單元等。
機器視覺系統(tǒng)通過圖像采集硬件(相機、鏡頭、光源等)將被檢測目標轉(zhuǎn)換成圖像信號,并傳達給專用的圖像處理系統(tǒng)。圖像處理系統(tǒng)根據(jù)像素亮度、顏色分布等信息,進行目標特征的抽取,并進行相應(yīng)的判斷,進而根據(jù)結(jié)果來控制現(xiàn)場的設(shè)備。機器視覺系統(tǒng)綜合了光學、機械、電子、計算機軟硬件方面的技術(shù),設(shè)計圖像處理、模式識別、人工智能、光機電一體化等多個領(lǐng)域。近年來,圖像處理和模式識別等技術(shù)的快速發(fā)展,大大地推動了機器視覺的發(fā)展。
機器視覺系統(tǒng)具有效率、高柔性、高度自動化等特點。在大批量工業(yè)生產(chǎn)過程中,如果用人工視覺檢查產(chǎn)品質(zhì)量,往往效率低且精度不高,用機器視覺檢測可以大幅度提高檢測效率和生產(chǎn)的自動化程度;同時,在一些不適合人工作業(yè)的危險工作環(huán)境或工人視覺難以滿足要求的場合中,也常用機器視覺來替代人工視覺,如核電站監(jiān)控、晶圓缺陷檢測;而且,機器視覺易于實現(xiàn)信息集成,是實現(xiàn)計算機集成制造的基礎(chǔ)技術(shù)之一。正是由于機器視覺系統(tǒng)可以快速獲取大量信息,而且易于自動處理及信息集成,因此,在現(xiàn)代自動化生產(chǎn)過程中,人們將機器視覺系統(tǒng)廣泛地用于裝配定位、產(chǎn)品質(zhì)量檢測、產(chǎn)品識別、產(chǎn)品尺寸測量等方面。
內(nèi)容來自百科網(wǎng)