机器视觉关键技术与应用实例分析

       摘要: 本文简要介绍了有关机器视觉概念、系统的组成, 并介绍了与机器视觉相关的关键技术, 如照明光源、镜头、摄像机、图像采集卡、图像处理卡、集成式视觉组件等, 最后扼要介绍了在工业检测、农产品分选、机器人导航等多个领域的应用实例。

　　关键词: 机器视觉; LED 光源; CCD 摄像机; 数字信号处理; 视觉传感器引言机器视觉主要用计算机来模拟人的视觉功能, 它从客体的图像中提取信息, 并对这些信息进行处理、再加以理解, 最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像捕捉系统、图像数字化模块、数字图像处理模块、智能判断决策模块和机械执行模块, 如图1 所示[1]

　　上述系统中, 首先选择适当的光源并以恰当的角度照射被测目标, 然后采用摄像机获得被测目标的图像信号, 通过A/ D 转换将模拟信号变成数字信号传送给专用的图像处理系统, 根据像素分布、亮度和颜色等信息, 进行各种运算来抽取目标的特征, 然后根据预设的判别准则输出判断结果, 控制驱动执行机构进行相应处理。

　　机器视觉是一项综合技术, 包括数字图像处理技术、机械工程技术、控制技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。机器视觉强调实用性, 要求能够适应工业现场恶劣的环境, 要有合理的性价比、通用的工业接口、较高的容错能力和安全性, 并具有较强的通用性和可移植性。它更强调实时性, 要求高速度和高精度。

　　1 机器视觉关键技术分析在机器视觉系统中, 关键技术有光源照明技术、光学镜头、摄像机(CCD)、图像采集卡、图像处理卡(也可用图像采集卡+ 图像处理软件)以及执行机构等。

　　( 1) 光源在应用机器识别系统时, 关键是对用于照明被检测物体的光线进行选择, 好的光源与照明方案往往是整个系统成败的关键, 它并不是简单地照亮物体, 而是要求尽可能地突出物体特征量, 在物体需要检测的部分与次要部分之间应尽可能地产生明显的区别, 增加对比度; 同时还应保证足够的整体亮度, 物体位置的变化不影响成像的质量。

　　机器视觉应用系统中一般使用透射光和反射光。光源的选择必须符合所需的几何形状、照明亮度、均匀度、发光的光谱特性等, 同时还要考虑光源的发光效率和使用寿命。表1 列出了几种主要光源的相关特性[2]。应用技术现代计算机(总第二二七期)( 2) 光学镜头光学镜头相当于人眼的晶状体。一个镜头的成像质量优劣, 即其对像差校正的优良与否, 可通过像差大小来衡量。常见的像差有球差、彗差、像散、场曲、畸变、色差等六种。对定焦镜头和变焦镜头来讲, 同一档次的定焦镜头的像差肯定比变焦镜头的小, 因为变焦镜头必须折衷考虑, 使得各种不同焦距下的成像质量都相对较好, 不允许出现在变焦范围内某个焦距的成像下很差的情况。所以在机器视觉应用系统中, 根据被测目标的状态应优先选用定焦镜头[3]。此外再综合考虑图像的放大倍率、视场大小、光圈大小、焦距、视角大小等因素进行具体选择。当然, 镜头与摄像机的安装接口也是应考虑的一个重要因素。

　　( 3) 摄像机和图像采集卡摄像机和图像采集卡共同完成对被摄物体图像的采集与数字化。高质量的图像信息是系统正确判断和决策的原始依据, 是整个系统成功与否的又一关键所在。目前在机器视觉系统中, CCD 摄像机以其体积小巧、性能可靠、清晰度高等优点得到了广泛使用。CCD 摄像机按照其使用的CCD 器件可以分为线阵式和面阵式两大类。线阵CCD 摄像机一次只能获得图像的一行信息, 被拍摄的物体必须以直线形式从摄像机前移过, 才能获得完整的图像, 因此非常适合对以一定速度匀速运动的物料流的图像检测; 而面阵CCD 摄像机则可以一次获得整幅图像的信息。

　　目前的线阵CCD 摄像机产品主要有两大类, 一类以Basler L301bc 和L301kc 为代表。

　　其特点是: 在同一时刻, R、G、B 传感器输出的信息不是对应被摄物料的同一位置, 而是三个不同的位置,即存在R、G、B 错位的问题。

　　另一类以Dalsa 公司的TR - 33 和TR - 34 系列的摄像机为代表, 如图3 所示, 该系列采用了三棱镜分光技术把物料上同一位置反射回来的光线的红色分量送到R 传感器输出, 绿色分量送到G传感器输出, 蓝色分量送到B 传感器输出, 即同一时刻, R、G、B 传感器输出的信息是被摄物料的同一位置的颜色信息。

　　第一类产品价格比较便宜, 在检测精度和系统实时性要求不是很高的应用场合使用较广泛; 第二类产品的价格则比较昂贵, 主要用于检测精度高、实时性强、必须获得高质量图像的系统。在机器视觉系统中, 图像采集卡是控制摄像机拍照, 完成图像采集与数字化, 协调整个系统的重要设备。

　　它一般具有以下功能模块:

　　①图像信号的接收与A/ D 转换模块, 负责图像信号的放大与数字化;②摄像机控制输入输出接口, 主要负责协调摄像机进行同步或实现异步重置拍照、定时拍照等;③总线接口, 负责通过计算机内部总线高速输出数字数据, 一般是PCI 接口, 传输速率可高达130Mbps , 完全能胜任高精度图像的实时传输, 且占用较少的CPU 时间;④显示模块, 负责高质量的图像实时显示;⑤ 通讯接口, 负责通讯。

　　目前, 图像采集卡种类很多, 按照不同的分类方法, 有黑白图像和彩色图像采集卡, 有模拟信号和数字信号采集卡, 有复合信号和RGB 分量信号输入采集卡。在选择图像采集卡时, 主要应考虑到系统的功能需求、图像的采集精度和与摄像机输出信号的匹配等因素。

　　( 4) 图像信号处理卡图像信号的处理是机器视觉系统的核心, 它相当于人的大脑, 完成对图像进行处理和运算, 即算法的实现。机器视觉系统开发中, 算法既是重点也是难点。

　　随着计算机技术、微电子技术和大规模集成电路技术的快速发展, 为了提高系统的实时性, 对图像处理的很多工作都可以借助硬件完成, 如DSP、专用图像信号处理卡等; 软件则主要完成算法中非常复杂、不太成熟、尚需不断探索和改变的部分。在图像信号处理的时间上必须要注意的是: 为了满足系统对物料图像连续无遗漏处理的实时性要求, 必须使一帧图像的处理时间小于等于一帧图像的采集时间, 即图像处理速度大于等于图像采集的速度。

　　( 5) 执行机构对于一个系统而言, 系统功能的最终实现是要靠执行机构来完成的, 它是系统的最后一个也是最关键的环节。对于不同的应用场合, 执行机构可以是机电系统、液压系统、气动系统中的某一种。但无论是哪一种, 除了其加工制造和装配精度要严格保证以外,其动态特性, 特别是快速性和稳定性也十分重要, 必须在设计时予以足够的重视。

　　( 6) 集成式机器视觉组件目前, 基于PC 机的机器视觉系统结构没有模块化, 安装不方便, 可移植性差, 特别是与PLC 接口比较麻烦。从软件和硬件开发两个方面来考虑, 都需要一种更适合工业需求的集成式机器视觉组件。目前COGNEX 公司已经开发出了一种叫做视觉传感器的模块化组件。这种视觉传感器集成了光源、摄像头、图像处理器、标准的控制与通讯接口, 自成为一个智能图像采集与处理单元, 内部程序存储器可存储图像处理算法, 并能使用上位计算机, 利用专用组态软件编制各种算法, 然后下载到视觉传感器的程序存储器中。视觉传感器将PC 的灵活性、PLC 的可靠性、分布式网络技术结合在一起, 用这样的视觉传感器和PLC可以更容易地构成机器视觉系统。

　　2 机器视觉技术的应用实例机器视觉是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等多个领域的交叉学科。它不仅是人眼的延伸, 更重要的是具有人脑的一部分功能。机器视觉不会有人眼的疲劳,有着比人眼更高的分辨精度和速度, 借助红外线、紫外线、X 射线、超声波等高新探测技术, 它在探测不可视物体和高危险场景时, 更具有其突出优点[4] 。下面介绍几个机器视觉应用的实例。

　　( 1) 在工业检测中的应用与技术分析实例1: 电子插接件冲压质量检测[5]

　　电子接插件在冲压过程中的质量检测是应用机器视觉检测技术最为典型的实例。以下将以芯片插脚的冲压质量检测为例, 说明机器视觉检测系统的原理、构成、运作, 并对实际使用中存在的问题进行分析。如图4。 机器视觉检测系统的构成:

　　①一副可调的开口滑槽机构, 用以引导载有芯片插脚的金属带通过摄像头下方;②一台或几台数字摄像机, 安装在该金属带上方;③一盏频闪灯和一块漫反射树脂玻璃, 安装在该金属带下方;④一套光敏探测器, 用以向检测系统提供待测工件到达的触发信号。