机器视觉技术的发展及其应用
秦亚航1，苏建欢2，余荣川1
( 1.广西科技大学 电气与信息工程学院，广西 柳州 545006;2.河池学院，广西 宜州 643006)
【摘要】机器视觉系统的特点是提高生产的柔性和自动化程度。随着信号处理理论和计算机技术的发展，
该技术迅速发展。本文介绍了机器视觉的关键技术的发展现状，其中包括光源照明技术、光学镜头、摄像机及图像采集卡、图像信号处理、执行机构等，并论述了其主要的应用领域以及存在的一些问题。 【关键词】机器视觉；图像采集；图像处理
Development of Machine Vision and Applications
QIN Ya-hang1，QIN Wei-nian，SU Jian-huan2，YU Rong-chuan1
（College of Electrical and Information Engineering ，Guangxi University of Science and Technology，Liuzhou 545006，China；He Chi Universiry，Yizhou643006，China）
【Abstract】The characteristics of the machine vision system is to improve the flexibility and automation of production. With the development of signal processing theory and computer technology, the technology is developing rapidly. This paper introduces the development status of the key technology of machine vision, including lighting technology, optical lens, camera and image acquisition card, image signal processing, actuators, etc,and discusses its main application field and some problems.
【Keywords】 Machine vision; Image acquisition; The image processing
0前言
机器视觉可以理解为基于视觉技术的机器系统或学科。美国制造工程协会机器视觉分会
和美国机器人工业协会的自动化视觉分会对机器视觉下的定义为：“机器视觉是通过光学装置和非接触的传感器自动地接受和处理一个真实物体的图像，通过分析图像获得所需信息或用于控制机器运动的装置”[1]。机器视觉是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。
1机器视觉的发展历史
模式识别：起源于20世纪50年代的机器视觉，早期研究主要是从统计模式识别开始，工作主要集中在二维图像分析与识别上，如光学字符识别OCR、工件表面图片分析、显微图片和航空图片分析与解释。
积木世界：20世界60年代的研究前沿是以理解三维场景为目的的三维机器视觉。1965年，Roberts从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述。他的研究工作开创了以理解三维场景为目的的三维机器视觉的研究。
起步发展：1977年，David Marr教授在麻省理工大学的人工智能实验室领导一个以博士生为主体的研究小组，于1977年提出了不同于“积木世界”分析方法的计算视觉理论，该理论在80年代成为机器视觉领域中的一个十分重要的理论框架。
蓬勃发展：20世纪80年代到20世纪90年代中期，机器视觉获得蓬勃的发展，新概念，新方法，新理论不断涌现。
在中国，视觉技术的应用开始于20世纪90年代，但在各行业的应用几乎一片空白。到21世纪，视觉技术开始在自动化行业成熟应用，如华中科技大学在印刷在线检测设备与浮法玻璃缺陷在线检测设备研发的成功，打破了欧美在该行业的垄断地位。国内视觉技术已经日益成熟，真正高端的应用也正在逐步发展[2]。
2机器视觉的关键技术
典型的工业机器视觉系统一般包括如下部分：光源，光学成像系统，图像捕捉系统，图像采集与数字化，智能图像处理与决策，控制执行模块等。如下图所示
图1典型工业机器视觉系统
2.1光源
照明系统是机器视觉系统最为关键的部分之一，直接关系到系统的成败。但是目前尚没有一个通用的机器视觉照明设备，因此针对每个特定的案例，要设计合适的照明装置，以达到最佳效果。好的光源通常具有如下特点：尽可能突出物体的特征量，在物体需要检测的部分与那些不重要部分之间尽可能产生明显的区别，增加对比度；保证足够的整体亮度和稳定性；物体位置的变化不应该影响成像的质量。在机器视觉应用系统中一般使用透射光和反射光。光源设备的选择必须符合所需的几何形状。同时，照明亮度、均匀度、发光的光谱特性要符合实际的要求，而且还要考虑光源的发光效率和使用寿命[3]。表1列出了几种主要光源的相关特性。
表1 各种光源对比
发光源 颜色 寿命（小时） 亮度 氙灯 卤素灯 荧光灯 白色，偏蓝 白色，偏黄 白色，偏绿 3000~7000 5000~7000 5000~7000 亮 很亮 亮 发热多，持续光 发热多，较便宜 较便宜 发热少，固态，能LED灯 红、黄、绿、白、蓝 60000~100000 较亮 做成很多形状 点致发光管 由发光频率决定
由上表可也看出，LED光源因其显色性好，光谱范围宽，能覆盖可见光的整个范围，且发光强度高，稳定时间长，近年来随着LED制造工艺和技术的不断发展成熟，价格逐步降低，其在机器视觉领域正得到越来越广泛的应用。
5000~7000 较亮 发热少，较便宜 光特点 2.2光学镜头
光学镜头是机器视觉系统中必不可少的部件，直接影响成像质量的优劣，影响算法的实现和效果。光学镜头一般称为摄像头或摄影镜头，简称镜头。其功能就是光学成像。根据被
机器视觉技术的发展及其应用
