搜索
视觉计算之应用——机器视觉在工业领域的应用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、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能,但并不仅仅是人眼的简单延伸,更重要的是具有人脑的一部分功能—从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。近年来,随着计算机技术尤其是多媒体技术以及数字图像处理与分析理论的不断发展完善,加之大规模集成电路的飞速发展与应用,机器视觉技术得到了广泛的应用研究。视觉的最大优点是与被观测的对象无接触,因此对观测与被观测者都不会产生任何损伤,十分安全可靠,这是其它感觉方式无法比拟的。另外,视觉方式所能检测的对象十分广泛,可以说是对对象不加选择。理论上,人眼观察不到的范围机器视觉也可以观察,例如红外线、微波、超声波等人类就观察不到,而机器视觉则可以利用这方面的传感器件形成红外线、微波、超声波等图像。因此可以说是扩展了人类的视觉范围。另外,人无法长时间或在某些恶劣环境下观察对象,机器视觉则不知疲劳,对环境的适应性强,能始终如一地观测,所以机器视觉可以广泛地和长时间地用于恶劣的工作环境。正因为具有上述特点,机器视觉才得以在工业应用中大显身手,被广泛应用于汽车、电子、电气、机械、制药、玻璃陶瓷、包装、印刷、运输、纺织等各个行业目前,机器视觉的应用很大程度上仍局限于二维图像的处理和识别,三位机器视觉的应用还很有限。工业视觉系统的应用大致分为三个方向自动检测、智能装配以及视觉伺服系统。以下就从这三个方面介绍机器视觉的工业应用状况。一、自动检测中的机器视觉动检测是生产自动化的重要环节。机器视觉在自动检测中的应用极为广泛,它包括几何量计量测试和自动视觉识别检测。几何量计量测试技术是制造技术中不可缺少的环节。通用的光学仪器几何量测量技术读数过程繁琐,测量时间长,人员主观误差较大,自动化程度低机器视觉测量技术是测试领域中的新兴一族。得益于计算机视觉技术的发展,目前有结构光测量、层析三维数字化测量、工业法、立体视觉、激光扫描测量和激光雷达等方法,它们各有优缺点。采用结构光的三角测量法,具有较高的测量精度和一定的测量范围。原理是用一光束以一定角度投影到被测物表面,再以一定角度用摄像机摄取图像,最后依据三角定理从二维图像中提取第三维信息该方法无法获取被测物体内部的数据层析三维数字化测量技术是对物体被铣出的等间隔断层进行拍照,然后进行图像处理,提取出断层上物体的轮廓信息,进行三维重建,最后得出物体的模型。该方法可实现任意复杂物体的完整测量,精度可达拼,虽然避免了结构光法的缺点,但是检测速度慢且具有破坏性工业利用断层扫描实现了结构的无损测量,但精度低约一数量级且设备昂贵立体视觉属于三维测量,是人工智能与测量技术交叉而形成的智能测量。基本过程是用两个摄像机从不同位置对物体摄像,在两个摄像机的图像平面上提取和匹配需要检测的特征点,求出特征点在两个图像平面的坐标,再利用成像公式计算出测量点的三维空间坐标。该方法具有测量速度快、系统成本低、安装方便等优点,充分体现了机器视觉在几何量计量测试中的应用价值和前景。自动视觉识别检测目前已经用于产品外形和表面缺陷检验,如金属表面视觉检测、二极管基片检查、印刷电路板缺陷检查、焊缝缺陷自动识别等等。这些检测识别系统属于二维机器视觉,技术已经较为成熟。其基本流程是用一个摄像机获取图像,对所获取的图像进行处理及模式识别,检测出所需的内容文献提出了机器视觉系统用于工业自动检测的一个较为典型的例子—基于机器视觉的铸件表面缺陷人工神经网络检测系统。该系统包括一台摄像机、一块图像采集卡和一台工业计算机。主要特点在于图像处理和目标识别的过程中,系统采用两级神经网络对待检测铸件表面的图像进行模式识别分析,确定缺陷的存在、位置和类别。针对传统算法的缺陷,提出改进方案,通过配置不同权值的不同学习速率,增强了网络的学习能力,缩短了学习时间,提高了收敛速度。系统的其它部分,则可结合机器视觉应用进行总体设计。该方法通过实践验证明,与原作业相比,检测时耗平均降低了4min/工件,表面缺陷检出准确率平均提高了15%。二、智能装配中的机器视觉现代机电产品的装配工作量占整个产品制造工作量的20%~70%,装配时间占整个产品制造时间的40%~60%,装配成本约占产品成本的30%~50%,且装配质量对产品性能有直接影响。装配工作由于其多样性和复杂性,在实现自动化方面难点很多。上世纪80年代,装配机器人的应用和柔性装配系统的出现使自动装配系统得到迅速发展20世纪90年代后,应用领域对自动装配技术提出了更高的要求。采用机器视觉技术的智能装配就是这股技术革新浪潮中的热点之一。视觉系统可以大大缩短产品开发时间,在不变更硬件的情况下处理各种零部件。机器视觉技术不仅可以用于完成一些看起来很简单如汽车零件装配等的任务,更可在恶劣或有害的工作环境下实现装配。目前,在工业领域中,已经有很多以机械手、视觉系统为主体的带感觉的机器人系统进入实用阶段。例如晶体管自动焊接系统、管子凸缘焊接机器人、有视觉的装配机器人、汽车车轮装入轮毅作业的自动系统等等。机器人应用视觉的方式有很多种,如对机械手定位以及跟踪目标提供反馈控制信息确定和辨别零件的位置方位以拾取零件控制对零件的装配引导焊缝机器人等。智能装配中的机器视觉的难点在于对三维物体的定位和识别,主要研究重点是立体匹配和三维重建。文献针对三维零件识别的需要,提出一种新的三维重建方法。该方法将立体匹配转换到波数域进行求解,对立体像进行适当变换后求出每幅图像的局部相,根据局部相的性质,求出立体像与两幅图像之间的对应关系。为了便于实现并行处理,采用Hopfield神经网络实现立体匹配过程,该方法采用BP神经网络构造成三维重建神经网络,将图像上的二维点转换成物体表面上的三维点,避免了传统方法中需要通过对视觉系统进行精确校准来确定像平面和目标空间的关系以及通过迭代过程计算物体的三维点的复杂性。三、视觉伺服系统视觉的非接触测量特性使它对视觉伺服系统极为有用一种典型的应用是将视觉传感和操作集成在一个开环系统中,系统的精度直接依赖于视觉传感和执行机构的精度其控制采用开环视觉方法,即从图像中抽取检测物体的特征信息后驱动相应的执行机构运动,视觉信息仅作为指令依据。通常人们按照误差信号的不同将视觉伺服控制系统分为三类基于位置的视觉伺服系统、基于图像的视觉伺服系统以及由上述两种方法组合而成的混合视觉系统。在基于位置的伺服系统中,误差信号在笛卡尔坐标系中给出由于使用简单的比例控制即可以使该系统稳定,因此此类系统的控制间题实质上转变成根据图像估计出目标相对位置的间题。在基于图像的伺服系统中,误差信号由图像特征参数直接定义,主要涉及两方面问题（1）图像的特征选择和提取（2）控制系统的分析和综合。同基于位置的伺服系统不同,在基于图像的伺服系统中,图像特征的选择将直接决定控制率和最终系统的稳定性和鲁棒性等性能,因而所选择的特征往往因系统而异,目的是使整个系统便于分析和设计。异色羽绒自动分选系统实际上就是一个基于图像的视觉伺服系统,其原理如图所示。该系统是机器视觉在纺织行业中的应用实例。在纺织业中,视觉检测是质量控制的主要组成部分。传统的检测是通过人工来完成的,因此,效率和质量都不高。用机器视觉代替人的视觉可以克服人工检测所造成的各种误差,因而可大大提高检测精度和效率。该系统利用工业CCD相机逐帧摄取随传送带运动而进入检测视场的原料羽绒的图像对采集到的图像进行处理识别,产生位控信号,经适当延时后作用于相应的电磁阀。若发现异色绒,则使对应的电磁阀打开,压缩空气射入沿传送带横向等距分布的射流泵,其吸嘴产生的真空将对应坐标点的异色羽绒吸出并吹人废料箱为了提取并识别异色羽绒,作者岳晓峰等设计采用了中值滤波、最佳闭值分割以及区域标记法等对图像进行综合处理。图像处理后可获得位控信号。考虑到图像处理需要一定的时间以及传送带不停运动的事实,作者对位控信号进行软件方式延时,最后以光电隔离技术输出,作用于电磁阀。实验表明,该系统实用性较强,经过改装,还可以扩大应用范围,用于其它类似的不同色泽物料的分选。在上述机器视觉应用中,图像的获取大多是采用摄像机（如CCD）作为主要手段的。事实上,成像的方式除了可见光成像外,还有红外成像、X光成像、超声成像、微波成像等等。随着传感器技术以及相应成像技术的不断发展和完善,机器视觉的可应用领域必将不断扩展。而且目前机器视觉技术也已经冲破传统视觉理念,有了在新领域应用的成功案例。四、总结纵观国内外发展的现状,机器视觉技术研究正处于一个蓬勃向上的发展大潮流中。各行各业对机器视觉系统的迫切需求是促使机器视觉系统研究的巨大动力我国在计算机视觉理论研究方面与国际水平跟进较快,但应用系统的研究却相对滞后。及时跟踪国际发展趋势,结合我国各行各业不仅仅是工业,也包括农业、军事、交通、安全等各领域的实际,大力发展机器视觉技术,开发实用的机器视觉应用系统是广大科研工作者应当重视的问题我们应当积极推动机器视觉在中国的发展,提高其应用技术水平,从而为我国的现代化建设做出贡献。