機器視覺構成簡介及應用人類認識外界信息的80%來自于視覺，而機器視覺就是用機器代替人眼來做測和判斷，機器視覺的最終目標就是使計算機像人一樣，通過視覺觀察和解世界，具有自主適應環境的能。作為一個新興學科，同時也是一個交叉學科，機器視覺是通過對相關的論和技術進研究，從而建由圖像或多維數據中獲取“信息的人工智能系統，其特點是可提高生產的柔性和自動化程。目前機器視覺技術已經在很多工業制造領域得到應用，并逐漸進入我們的日常生活。機器視覺簡介機器視覺就是用機器代替人眼來做測和判斷。機器視覺主要用計算機來模擬人的視覺功能，再現于人類視覺有關的某些智能為，從客觀事物的圖像中提取信息進處，并加以解，最終用于實際檢測和控制。機器視覺是一項綜合技術，其包括數字處、機械工程技術、控制、光源照明技術、光學成像、傳感器技術、模擬與數字視頻技術、計算機軟硬件技術和人機接口技術等，這些技術相互協調才能杓成一個完整的工業機器視覺系統機七器視覺強調實用性，要能適應工業現場惡的環境，并要有合的性價比、通用的通訊接口、較高的容錯能和安全性、較強的通用性和可移植性。其強調的是實時性，要求高速和高，且具有非接觸性、實時性、自動化和智能高等優點，有著廣泛的應用前景。一個典型的工業機器人視覺應用系統包括光源、光學成像系統、圖像捕捉系統、圖像采集與數字化模塊、智能圖像處與決策模塊以及控制執模塊。 通過CCD或CMOS攝像機將被測目標轉換為圖像信號，然后通過A/D轉換成數字信號傳送給專用的圖像處系統，并根據像素分布、和顏色等信息，將其轉換成數字化信息。圖像系統x對這些信號進各種運算來抽取目標的特征，如面積、數、位置和長等，進而根據判別的結果來控制現場的設備動作。機器視覺-般包括以下四個過程：機器視覺的發展歷史機器視覺是在20世紀50代從統計模式識別開始，當時的工作主要集中在二維圖像分析、識別和解上。從20世紀70代才真正開始發屐，并涌現出主動視覺論框架、基于感知特征群島物體識別論框架等新的概、 方法及論。Marr視覺計算機論是視覺研究迄今較為完善的論，其使視覺研究有一個較為明確的體系.Marr視覺論從計算視覺論出發，將體視覺分為自上而下的三個階段，即早期的二維視覺數據獲取、中期的要素處和后期三維信息的形成和表達。經歷這單個階段即可完成二維到三維的轉換工作.早期階段的“要素圖（primarysketch）是由二維圖像中丸點、直線、曲線和紋等特征組成，早期階段的處是從圖像中獲取這些特征。中期階段的處是處特彳正要素的位置和相互關系， 從而完成對物體的識別、運動分析和形狀恢復等操作，該階段處的結果僅僅是X對空間場景的二維半描述。如要完成對空間場景的真正三維描述，還需第三階段的后期視覺處，將物件自身坐標統一到一個世界坐標系中。作為體視覺的基礎論，Marr論具有極其重要的指導作用，但Marr論自身有缺陷，如單向性（視覺處只能從前至后處）、被動性（視覺處只能是給么圖像處么圖像） 、目的單一性（視覺處的目標一般只是恢復空間場景中的物體形狀和位置）等。經過幾十的發屐，許多學者紛紛提出Marr論的改進框架，如在框架前增加圖像取模塊，使其能根據分析要求和分析結果自主獲取圖像；增加反饋環節，使視覺處結果能反向指導圖像獲取環節，前后互動；增加高層指導模塊和視覺目的模塊，使整個視覺處按照視覺目的的要求，在高層指導模塊的指導下完成同的視覺處操作，實現其功能多樣化.總之，改進的Marr論框架使體視覺趨于自動化、智能化和多功能化。機器視覺相關技術1、圖像采集技未 機器視覺的基礎圖像采集部分一般由光源、鏡頭、數字攝像機和圖像采集卡構成。采集過程可簡單描述為在光源提供照明的條件下，數字攝像機拍攝目標物件并將其轉化為圖像信號，最后通過圖像采集卡傳輸給圖像處部分。在設計圖像采集部分時，要考慮到多方面的問題主要是關于數字攝像機、圖像采集卡和光源方面的問題。光源照明照明是影響機器視覺系統輸入的重要因素，其直接影響輸入數據的質和應用效果。到目前為止，還未有哪種機器視覺照明設備能通用各種應用，因此在實際應用中，需針對應用選擇相應的照明設備以滿足特克需求。在光源照明方案選擇過程中，應盡可能地突出物體特征，在物件需要檢測的部分與重要部分之間盡產生明顯的區域，增加對比，同時還應保證足夠的整體， 而物件位置的變化應影響成像的質。照明系統按其照射方法可分為：背向照明、前向照明、結構光和頻閃光照明等。其中，背向照明是指將被測物放在光源和攝像機之間，以提高圖像g對比。前向照明是光源和攝像機位于被測物的同側，其優點是于安裝。結構光照明是將光柵或線光源等投射到被測物上，并根據其產生的畸變，解調出被測物的三維信息。頻閃光照明是將高頻的光脈沖照射到物件上，攝像機拍攝要求與光源同步。東莞市奧普泰克光源科技有限公司(前東莞市奧普泰克光電科技有限公司)成于2002，是一家集研發、生產、銷售為一體的高新技術產業公司，公司致于光、機、電一體化儀器產品的研發與生產，研發生產的各款視覺光源被業內銷售商及自動化領域檢測系統廣泛使用，為在機器視覺光源領域爭取大的發展同時也于專注于“機器視覺光源的生產銷售，2009公司名為“東莞市奧普泰克光源科技有限公司。經過多發展，公司擁有一支強大的機器視覺產品研發團隊 ；本著嚴謹的服務態和與時俱進的創新 ，產品遠銷臺灣，東南亞及美地區，在機器視覺，自動化領域享有好聲譽。服務范圍：機器視覺光源生產銷售，視覺自動化檢測系統的研發推廣…光學攝像頭光學攝像頭的任務就是進光學或像，一般在測領域又專門的用于測的攝像鏡頭，因為其對成像質有著關鍵性的作用。攝像頭需要注意的一個問題是畸變。這個就需要使用相應的畸變校正方法，目前也開發出很多自動畸變自動校正系統。CCD攝像^七及圖像采集卡CCD(ChargeCoupledDevice)攝像機及圖像采集卡共同完成對目標圖像的采集與數字化。目前CCD，CMOS等固體器件的應用技術，線陣圖型敏感器件，像元尺寸斷減小，陣像元數斷增加， 像元電荷傳時速也得到大幅提高。在基于PC機的機器視覺系統中，圖像采集卡是控制攝像機拍照來完成圖像的采集與數字化，并協調整個系統的重要設備。圖像采集卡直接決定攝像頭的接口為：黑白、彩色、模擬、數字等形式。2、圖像處與分析——機器視覺的核心用于機器視覺的圖像處與分析方法的核心是，解決目標的檢測識別問題。為此，提出方法的思想中心是如何獲得可正確描述目標物與非目標物的特征。當所需要識別的目標比較復雜時就需要通過幾個環節以人同的側面綜合來實現。

對目標進識別提取的時候，首先是要考慮如何自動地將目標物從背景中分離出來。目標物提取的復雜性-般就在于目標物與非目標物的特征差異是很大， 在確定目標提取方案后，就需要對目標特征進增強。增強方法有顏色特征的增強、計特征的增強等。經過特征增強后，最后就是目標物的提取。這也有很多同的方法，比如偽目標刪除方法、自適應閾值方法、逐步驟類方法、多信息融合方法等。隨著計算機技術、微電子技術以及大規模集成電的發展， 圖像信息處工作越來越多地借助硬件完成，如DSP芯片、專用的圖像信號處卡等。軟件部分主要用來完成算法中并成熟又較復雜或需斷完善改進的部分。 這一方面提高系統的實時性，同時又低系統的復雜。機器視覺的發展現狀及應晉目前，最先進的機器視覺技術仍然由歐美、日本等國家掌握，發達國家針對工業現場的應用開發出相應的機器視覺軟硬件產品。中國目前正處于由勞動密集型向技術密集型轉型的時期，對提高生成效、低人工成本的機器視覺方案有著旺盛的需求，中國正在成為機器視覺技術發展最為活躍的地區之一。長三角和珠三角成為國際電子和半導體技術的轉移地，同時也就成為機器視覺技術的聚集地。許多具有國際先進水平的機器視覺系統進入中國，國內的機器視覺企業也在與國際機器視覺企業的性競爭中斷茁壯成長， 許多大學和研究所在致于機器視覺技術的研究。在國外，機器視覺主要應用在半導體及電子業，其中，半導體業占40%?50%。如，PCB印刷電、SMT表面貼裝、電子生產加工設備等。此外機器視覺還在質檢測的各方面及其他領域均有著廣泛應用。在工業檢測方面近幾十夾，在工業檢測中用視覺系統的非接觸、速快、合適、現場抗干擾能強等突出的優點，隨機器視覺技術得到廣泛的應用取得巨大場抗干擾能強等突出的優點，隨機器視覺技術得到廣泛的應用取得巨大的經濟與社會效。自動視覺識別檢測目前已經用于產品外形和表面缺陷檢驗，如木材加工檢測、屬表面視覺檢測、二極管基片檢查、印刷電板缺陷檢查、焊縫缺陷自動識別等。這些檢測識別系統屬于二維機器視覺，技術已經較為成熟，其基本程是用-個攝像機獲取圖像，對所獲取的圖像進處及模式識別， 檢測出所需的內容在醫學上的應用在醫學領域，機器視覺主要用于醫學輔助診斷。首先采集核磁共振、超聲波、激光、X射線、y射線等對人體檢查記錄的圖像，再用數字圖像處技術、信息融合技術對這些醫學圖像進分析、描述和識別，最后得出相關信息，對輔助醫生診斷人體病源大小、形狀和異常，并進有效治療發揮重要的作用。 同醫學影像設備得到的是同特性的生物組織圖像，如X射線反映的是骨骼組織，核磁共振影像反映的是有機組織圖像，而醫生往往需要考慮骨骼有機組織的關系，因而需要用數字圖像處技術將兩種圖像適當地疊加起來， 以于醫學分析。交通監控領域中的應用智能交通監控領域中，在重要的十字口安放攝像頭，就可以用攝像頭的快速拍照功能，實現對違章、逆等車牌的車牌進自動識別、言貯，以相關的工作人員進查看。在橋檢測領域中的應用人工檢測法和橋檢車法是依靠人工用肉眼對橋表面進檢測， 其速慢，效低，檢高，實時性差，影響交通，存在安全隱息，很難大幅應用；無損檢測包括激光檢測、超聲波檢測以及聲發射檢測等多種檢測技術，它們儀器昂節，測范圍小，能滿足日發展的橋檢測要求； 智能化檢測有基于導電性材的混凝土縫分布式自動檢測系統和智能混凝土技術，也有最前沿的基于機器視覺的檢測方法。導電性材技術雖然使用方，設備簡單，成本低，但是均需要事先在混凝土結構上涂刷或者埋設導電性材進檢測， 而且智能混凝土技術還無法確定縫位置、縫寬等一系問題距實用化還有較長的距離； 而基于機器視覺的檢測方法是用 CCD相機獲取橋表觀圖片，然后運用計算機處后自動識別出縫圖像，并從背景中分離出來然后進縫參數的計算的方法，它具有捷、直觀、確、非接觸、再現性好、適應性強、靈活性高、成本低的優點，能解放勞動，排除人為干擾，具有很好的應用前景。據統計，混凝土橋的損壞有 90%以上是由縫引起的，因此對橋的健度檢測主要是x對橋表觀的縫進檢測與測。 基于機器視覺的橋檢測技術主要包括三部分內容：橋表觀圖像的獲取技術、基于圖像的縫自動識別論與算法以及基于圖像的縫寬等病害程定化測方法。基于機器視覺的自動化、智能化檢測技術已經在道、隧道上得到成功應用,在橋上也得到初步的應用， 但主要集中在視線開陣的高空混凝土構件表觀圖像獲取技術上，在病害的自動識別方面仍停在論研究階段，還無法應用于實際工程當中。針對大面廣的混凝土體，智能化視頻橋檢測車進入論與關鍵部件模型的研制階段，但是受到橋細小縫自動識別與清晰圖像快速化獲取難大的限制，目前離達到實用化程的要求還相距甚遠。機器視覺技術發展遇到的問題對于人類來說，識別和解周圍場景是一件非常容的事，但對于機器人來說，卻是一件很困難的事。主要困難有一下幾個方面：穩定性問題現實中的環境因素是多變的，場景中的諸多因素，包括照明、物體形狀、表面顏色、攝像機七以及空間關系變化會對生成的圖像有影響。比如用于智能交通檢測的設備，如何保證其在惡天氣下依舊保持較高的穩定性就是一個很難解決的問題