计算机视觉方向简介 | 机器视觉检测技术

一.机器视觉系统。

机器视觉系统是指用机器代替人眼做各种测量和判断。机器视觉是一门涉及光学.机械.计算机.模式识别.图像处理.人工智能.信号处理和光电一体化等多个领域的综合性学科，是工程领域和科学领域非常重要的研究领域。

母子图像传感器.CMOS和CCD摄像机.DSP.ARM嵌入式技术.图像处理和模式识别等技术的快速发展，其应用范围随着工业自动化的发展而逐步完善和推广，有力地促进了机器视觉的发展。

机器视觉是一个比较复杂的系统，由于系统视对象大多是运动对象，因此对系统各部分的动作时间和处理速度有严格的要求，因此系统与运动对象的匹配和协调动作尤为重要。

对整个系统或系统的一部分重量.体积和功耗都有严格的要求，比如机器人.飞行物体等。

构成和工作过程的机器视觉系统。

全机视觉系统包含：照明光源.光学镜头.CCD摄像机.图像采集卡.图像检测软件.显示器.通讯单元等。

工业机器视觉系统的工作流程主要如下：

1.将触发脉冲发送到图像采集卡，当传感器检测到被检测物体接近运动到相机的拍摄中心时；

2.根据设定的程序和延迟，图像采集卡分别向照明系统和摄像机发送启动脉冲；

3、启动脉冲送摄像头，摄像头结束当前拍照，重新开始新的拍照，或在启动脉冲到达前摄像头处于等待状态，检测启动脉冲后开始，开始新的副摄像头前开启曝光构件（曝光时间提前设曝光时间）；另一次启动脉冲送光源，开启光源时间需匹配摄像头曝光时间；摄像头扫描输出图片；

4.图像采集卡接收信号，将模拟信号通过A/D转换数字化，或摄像头数字化后直接接收数字视频数据；

5.图像采集卡在计算机内存中存储数字图像；

6.计算机处理图像.分析和识别，以获得测试结果；

7.控制流水线动作的处理结果.定位.纠正运动误差等。

二、与机器视觉有关的技术。

1.基于机器视觉的图像采集技术。

图像采集一般由光源.镜头.数字相机和图像采集卡组成。在光源提供照明的情况下，数字相机可以简单地拍摄目标物体并将其转换成图像信号，通过图像采集卡传输到图像处理部分。

主要是关于数字摄像机.图像采集卡和光源方面的问题，在设计图像采集部分时要考虑到多方面的问题。

(1)光源照明。

照明是影响机器视觉系统输入的一个重要因素，其直接影响输入数据的质量和应用效果。到目前为止，还没有一种机器视觉照明设备可以使用各种应用程序，所以在实际应用中，有必要选择相应的照明设备来满足特定的需求。

根据其照射方式，照明系统可分为：背向照明.前向照明.结构照明和频闪照明等。其中，背向照明是指将被测物体放置在光源和摄像机之间，以提高图像的对比度。前向照明是指光源和摄像机位于被测物体的同一侧，其优点是易于安装。

结构光照明是指向被测物体投射光栅或线性光源，并根据被测物体的畸变解除被测物体的三维信息。频闪照明是将高频光脉冲照射到物体上，相机拍摄要求与光源相同。

(2)光学相机。

光学摄像机的任务是进行光学成像，由于它对成像质量起着关键作用，所以在测量领域也是专门用于测量的摄像头。

相机要注意的一个问题就是畸变。这就需要采用相应的畸变矫正方法，目前自动畸变自动矫正系统已经开发出很多。

(3)CCD摄像机和图像采集卡。

CCD(CCD)摄像机和图像采集卡共同完成了目标图像的采集和数字化。目前，CCD、CMOS等固体器件的应用技术、线阵图型敏感器件的应用，图形元件的尺寸不断减小，阵列元件的数量不断增加，图形元件的传输速大提高。

图像采集卡是基于PC机的机器视觉系统中为完成图像采集和数字化而控制相机摄影的重要设备，并协调整个系统。

摄像机的接口直接由图像采集卡决定：黑白.彩色.模拟.数字等。

2.机器视觉的核心——图像处理与分析。

解决目标的检测识别问题是机器视觉图像处理和分析方法的核心。当需要识别的目标更为复杂时，需要从不同的侧面实现几个环节。

在识别和提取目标时，首先要考虑如何自动将目标从背景中分离出来。目标提取的复杂性一般在于目标对象与非目标对象之间的特征差异不大。在确定目标提取计划后，有必要加强目标特征。

随着计算机技术.微电子技术和大规模集成电路的发展，在DSP芯片.专用图像信号处理卡等硬件的帮助下，图像信息处理工作越来越多。

软件部分主要用于完成算法中不成熟和复杂或需要不断改进的部分。这提高了系统的实时性，同时也降低了系统的复杂性。

三.应用和机器视觉的优点。

1.应用范围的机器视觉技术。

(1)工业检测方面。

近几十年来，机器视觉技术得到了广泛的应用，并取得了巨大的经济效益和社会效益，在工业检测中采用了视觉系统的非接触性.速度快.精度适宜.现场抗干扰能力强等突出优势。

目前，自动视觉识别测试已用于木材加工测试、金属表面视觉测试、二极管基板检查、印刷电路板缺陷检查、焊缝缺陷自动识别等产品形状和表面缺陷检查。

这种检测识别系统属于二维机器视觉，技术已经相对成熟。其基本过程是使用摄像头获取图像，处理和识别获得的图像，并检测所需的内容。

(2)应用于医学。

机器视觉在医疗领域主要应用于医疗辅助诊断。首先采集人体检查记录的图像，如核磁共振.超声.激光.x射线.γ射线等，然后采用数字图像处理技术.信息融合技术对这些医疗图像进行分析.描述和鉴别，得出相关信息，对辅助医生诊断人体病源的大小.形状和异常，并进行有效的。

不同的医学学影像设备获得的是不一样特性的生物组织图像，如X光线体现的是骨骼组织，MRI影像体现的是有机构图像，而医师通常必须考虑到骨骼有机构的关联，因此必须运用数字图像处理技术把2个图像适度叠加，便于医学分析。

(3)应用于交通监控领域。

在智能交通监控领域，通过在重要的十字路口放置摄像头，可以使用摄像头的快速摄像头功能，对车牌进行自动识别章、逆行等，以便于相关人员检查。

(4)应用于桥梁检测领域。

人工检测方法和桥梁检测车辆方法依赖于桥梁表面的人工肉眼检测，速度慢、效率低、泄漏检测率高、实时性差，影响交通，存在安全风险，难以大量使用；

无损检测包括多种检测技术，如激光检测.超声检测和声发射检测，其仪表昂贵，测量范围小，不能满足日益增长的桥梁检测要求；

智能检测包括基于导电材料的自动检测系统和智能混凝土技术，以及基于机器视觉的前沿的检测方法。

虽然导电材料技术使用方便，设备简单，成本低，但需要提前对混凝土结构进行涂层或预埋导电材料，智能混凝土技术无法确定裂缝位置、裂缝宽度等一系列问题与实用性还有很长的距离；

利用CCD相机获取桥梁表观图片，然后利用计算机自动识别裂纹图像，从背景中分离出来，再进行裂纹参数的计算，这是一种基于机器视觉的检测方法。它具有方便、直观、准确、非接触性、良好的再现性、较强的适应性、较高的灵活性、低成本的优点，可以解放劳动力，消除人为干扰，具有良好的应对能力。