機器視覺認知目錄機器視覺定義機器視覺國外發展歷程機器視覺國內發展歷程機器視覺系統構成項目總結機器視覺定義Part01機器視覺是一門新興的交叉學科，涉及光學、數字圖像處理、計算機圖形學、模式識別、機器學習、人工智能以及機器人等諸多領域。由于機器視覺涉及領域廣，目前還沒有一個明確的定義。美國制造工程師協會（Society

ofManufacturingEngineers,

SME）機器視覺協會和美國機器人工業協會（RoboticIndustriesAssociation,

RIA）自動化視覺分會對機器視覺的定義為：“機器視覺是研究如何通過光學裝置和非接觸式傳感器自動地接收、處理真實場景的圖像，以獲得所需信息或者用于控制機器人運動的學科”數字圖像處理機器視覺人工智能模式識別機器學習計算機圖形學機器人光學對比項機器視覺人眼灰度分辨率強，一般使用256灰度級弱，一般只能分辨64個灰度級空間分辨率通過配備不同光學鏡頭，可以觀測小到微米大到天體的目標弱，不能觀看微小的目標感光范圍從紫外到紅外的較寬光譜范圍，另外有X光等特殊攝像機380nm～780nm波長范圍的可見光速度快門時間可達到10微妙左右，高速像機幀率可達到1000以上無法看清楚較快速運動的目標環境適合惡劣、危險的環境不適合惡劣和危險的環境成本一次性投入，成本不斷降低人力成本不斷升高工業機器視覺是機器視覺在工業領域的應用。在現代自動化生產過程中，機器視覺系統從早期的電子裝配缺陷檢測，已逐步應用到半導體、汽車、航空航天等多個領域。表1-1對機器視覺與人眼視覺進行了對比，可以看出機器視覺能夠在一些不適合人工工作的危險環境或者人工視覺難以滿足精度要求的場合中發揮重要作用。另外，在大批量工業生產制造過程中，引入機器視覺檢測能夠顯著提高生產的自動化程度和生產效率，因此工業機器視覺已成為實現智能制造的關鍵技術之一機器視覺國外發展歷程Part02概念三國外視覺技術最早可以追溯到20世紀50年代。開始研究數字圖像處理技術的應用，其重要標志是1964年美國噴氣推進實驗室（JetPropulsion

Laboratory,

JPL）正式使用數字計算機對“徘徊者7號”傳回的月球圖片進行處理。概念三20世紀60年代美國學者Larry

Roberts通過計算機程序從數字圖像中提取出立方體、楔形體、棱柱體等多面體的三維結構，并對物體形狀和物體空間關系進行了描述，開創了以理解三維場景為目的的三維機器視覺研究。概念三20世紀70年代麻省理工學院人工智能實驗室正式開設“機器視覺”課程。同階段美國貝爾實驗室成功研制出CCD圖像傳感器，能夠直接把圖像轉換為數字信號并存儲到電腦中參與計算和分析，成為機器視覺發展歷程中的重要轉折點概念三20世紀80年代這一時期出現了基于感知特征群的物體識別理論框架、主動視覺理論框架、視覺集成理論框架等概念，同時還涌現出許多新的研究方法和理論，新的理論和方法對于二維圖像的處理和三維圖像的模型和算法研究都有著極大的幫助。在此期間出現了首批機器視覺企業，如加拿大的DALSA、美國的柯達、英國的E2V等CCD傳感器與工業相機公司，以及美國康耐視等具有代表性的軟件算法公司。概念三20世紀90年代由于工業應用需求的不斷發展，機器視覺技術逐漸走向成熟，并進入了工業生產中。進入21世紀后，機器視覺技術開始大規模地應用于多個領域。隨著計算機技術的不斷發展，人工智能技術開始廣泛應用于視覺圖像處理中。在深度學習算法出現之前，針對圖像處理的算法主要包括五個步驟：特征設計與感知、圖像預處理、特征提取、特征篩選、推理預測與識別。概念三至今經過多年的研究和發展，國外在機器視覺領域誕生了許多著名的機器視覺品牌，如圖1-2所示。工業相機主要有德國Basler、加拿大DALSA、丹麥JAI等，工業鏡頭主要有德國Sill、韓國SPO、日本Computar，光源供應主要有日本CCS、德國Zeiss、法國Schneider等，工業視覺軟件主要有德國Halcon、美國Cognex、加拿大Sherlock等，工業3D掃描儀主要有日本Keyence、加拿大LMI、美國Cognex等機器視覺國內發展歷程Part03概念三1995年~1997年在國外技術發展引領下，我國機器視覺進入了萌芽期，開始在航空、航天等重要場景出現應用。此時由于算法及成像技術尚不成熟，國外機器視覺產業能力處于成長波動期，國內一些企業作為國外代理商提供機器視覺器件及技術服務。相較于歐美等發達國家，國內機器視覺產業起步較晚，機器視覺的發展歷程基本分為四個階段概念三1998年~2002年在應用和算法雙驅動下，國內機器視覺進入了起步期。此時

CPU性能提升，PC-Base

系統可以解決一般的視覺檢測問題。在此階段，許多著名視覺設備供應商，如美國Cognex、德國Basler、美國Data

Translation、日本SONY等開始接觸中國市場并尋求合作。相較于歐美等發達國家，國內機器視覺產業起步較晚，機器視覺的發展歷程基本分為四個階段概念三2003年~2012年是國內機器視覺發展初期。以蘋果手機加工制造為核心的3C電子制造產業進入高精度時代，迫切需要用機器替代人來保障產品加工精度和質量一致性。

2010年后，手機產業的飛速發展帶來整個3C電子制造業的變革，擴展了機器視覺的應用場景，加速促進了機器視覺產業的發展。經過幾年的發展，機器視覺技術不僅在半導體、電子行業有了更廣泛的應用，還應用于汽車、包裝、農產品、印刷、焊接等行業。相較于歐美等發達國家，國內機器視覺產業起步較晚，機器視覺的發展歷程基本分為四個階段概念三2013年至今國內機器視覺進入高速發展期。在相關政策的扶持和引導下，國內機器視覺行業市場規模快速擴大，出現了許多具有代表性的機器視覺公司如青島海之晨、廣東奧普特、海康機器人、大恒圖像、商湯科技、華睿科技等。相較于歐美等發達國家，國內機器視覺產業起步較晚，機器視覺的發展歷程基本分為四個階段機器視覺系統構成Part04物體圖像信息采集系統處理系統動作執行系統機器視覺系統通過圖像采集裝置將被拍攝的對象或者研究目標轉換成圖像信息，采集的圖像經過專用的圖像處理系統分析，得到被拍攝的對象或者研究目標的特征，并根據分析的結果來控制現場的設備動作。光學照明與成像完成圖像數字信號獲取，由光學成像系統（光源和鏡頭等）映射圖像，經過相機圖像傳感完成光電模擬信號到數字圖像信號的轉換。圖像采集與傳輸完成圖像采集，將光學圖像數據傳入計算機存儲器。數據圖像處理和分析運用不同的算法對圖像進行處理，提取有效信息并進行分析和判斷。010203信息決策與執行依據數據處理和分析的結果，輸出相應的結果和動作控制指令。03項目總結Part05光源、鏡頭、相機共同構成了機器視覺系統的成像模塊，其中光源用于為場景提供合適的照明，鏡頭形成高質量的光學圖像，相機完成光電信號的轉換。線纜完成圖像電信號的傳輸（有些系統可能采用無線傳輸），采集卡完成圖像由模擬信號到數字信號的轉化或格式變換，得到數字圖像或視頻，由軟件完成圖像處理、信息分析和提取以及判斷決策等功能，相關判斷和決策進一步控制機電機構執行相關動作。THANKS感謝您的觀看機器視覺應用場景認知機器視覺典型應用Part01識別檢測測量定位識別010203信息獲取信息獲取是指通過圖像傳感器，將被檢測物體表面的反射光轉化為圖像信息。預處理預處理作為所有視覺算法的第一步，其目的是消除圖像中無關的信息，恢復有用的真實信息。通過圖像的預處理，能夠在一定程度上簡化數據，提高后續圖像處理算法中特征提取、圖像分割等算法的有效性。常見的預處理包括圖像處理中的去噪、平滑、變換等操作特征提取特征提取是從圖像中提取出能夠代表該圖像的特有性質。由于所研究的圖像是各式各樣的，因此需要通過圖像自身的特征來對其進行區分與識別，而獲取這些特征的過程就是特征提取。所提取的特征并不一定對此次識別都是有用的，選擇合適的特征對于圖像識別至關重要。特征提取的準則是使用盡可能少的特征，使分類的誤差盡可能小。分類器設計和分類決策分類器設計是指通過訓練而得到一種識別規則，能夠對輸入的圖像具有的不同特征有不同響應。分類決策是指分類器將不同響應的圖像歸為不同的類別04二維碼識別數字識別條形碼識別檢測視覺檢測是機器視覺技術在工業生產中最重要的應用之一，占據約60%以上的視覺市場應用場景。在自動化生產中，涉及各種各樣的質量檢測，如工件表面是否存在劃痕、裂紋、孔洞等常見表面缺陷，以及工件是否裝反、裝錯、漏裝等手機芯片缺陷檢測鈑金外觀檢測輸液管后蓋有無檢測醫藥瓶表面缺陷檢測測量傳統的測量方式通過人工操作卡尺或千分尺等量具對待檢測零件的某一尺寸進行檢測分析，人工測量過程耗時長、檢測效率低，難以滿足自動化生產的大批量零件檢測需求。機器視覺測量技術通過非接觸式的測量方法，完成圖像數據的采集，并通過專用的數據分析系統，輸出所關心的待檢測參數結果。相較于人工檢測方式，機器視覺測量技術測量范圍更廣、檢測效率更高、檢測精度更快，因此在工業領域有著越來越多的應用。電池極耳尺寸測量硅棒端面尺寸測量按鍵字符位置測量手機殼尺寸測量定位在工業生產現場存在大量的轉運、抓取等任務，此類工作需要先準確定位工件所在位置，然后引導執行機構完成相應的工作。視覺定位是指基于采集的圖像對零件位置進行識別，通常的執行機構為工業機器人。工業機器人已經在焊接、搬運以及裝配等作業場景中廣泛使用，對于機器人而言，只需要重復執行程序即可。在程序執行前，機器人需要先確定零件的位置，通過機器視覺采集的二維或者三維信息，能夠引導機器人開展相應的動作操作。。視覺定位與機器人抓取定位針對機器視覺的典型應用場景，許多機器視覺相關企業開發了相應的軟件。如廣東奧普特科技股份公司研發了SciVisin視覺開發包，并開發了Smart3軟件，具備測量、檢測、識別、定位等功能模塊，同時還融合了深度學習算法，用于缺陷檢測、目標定位識別、圖像分類等多個應用場景，為機器視覺的工程化應用提供了有效的解決手段機器視覺行業應用Part02項目背景機器視覺系統具有高精度、非接觸測量、長時間穩定工作等優點，在工業領域被廣泛應用，極大地提高了生產線自動化程度。目前機器視覺在電子制造、汽車制造、航空航天等行業有著廣泛應用電子制造行業表面貼焊（裝）技術（Surface

Mounted

Technology，SMT）是目前電子組裝行業里最常用的一種技術和工藝，機器視覺主要用于SMT生產線上的定位與質量檢驗，包括印刷機中鋼網與PCB對位，錫膏3D掃描等。圖1-11展示了幾種常見的PCB組裝缺陷，機器視覺在電子行業的常見檢測內容包括：點膠檢測、元件正負極判斷、元件組裝定位、PCB板焊錫復檢（虛焊、多錫、少錫）等虛焊元件側立元件偏移元件錯位半導體行業半導體行業是工業機器視覺應用較為成熟的領域，早在上世紀八十年代便開始研究機器視覺在半導體檢測領域的應用。機器視覺從早期的字符和引腳的檢測，逐漸轉向封裝后半導體的缺陷檢測，半導體器件精度的提高是促使機器視覺在半導體行業廣泛應用的主要原因，傳統的半導體封裝檢測設備精度普遍要達到微米到亞微米之間，速度大約在每秒40～50平方厘米，誤報率要求控制在5%～10%以內，人工檢測難以發揮作用，圖1-12為半導體制備過程中的視覺檢測流水線。半導體制備過程中的視覺檢測半導體行業工業生產現場檢測內容主要包括：外觀缺陷、尺寸大小、數量、距離、定位、校準、焊點質量等，尤其芯片制作中的檢測、定位、切割和封裝都需要工業機器視覺來完成。以芯片切割工藝為例，為了滿足芯片生產節拍，同時保證芯片切割精度，對機器視覺定位速度、定位精度有著嚴格要求，芯片經過切割完成后由機器視覺識別出非缺陷產品進入后續貼片流程。IC芯片表面多膠檢測硅片表面缺陷檢測硅棒斷面尺寸檢測LED表面缺陷檢測光伏儲能行業光伏儲能就是利用太陽能轉化為電能并進行存儲的過程。太陽能電池板作為光伏發電技術的載體，制備工藝流程繁瑣，制造過程中存在各種人眼無法觀察到的內部缺陷和表面缺陷，直接影響光伏電池片的光電轉化效率和使用壽命，目前普遍采用采用機器視覺方法進行缺陷檢測。生產的電池片需要進行電池缺陷檢查、絲網印刷定位、激光邊線隔離、電池方向檢測、正面印刷定位、背面印刷定位與檢查、電池顏色分選等。太陽能電池片視覺檢測汽車制造行業如今的汽車行業已實現高度自動化，工業機器視覺在其中發揮著生產高效、質量保障、安全可靠的巨大作用。汽車白車身是整車零部件的載體，涉及到汽車沖壓、焊接、總裝等多個復雜流程，為了保證車門、車蓋等零部件順利裝配，白車身在制造完成后需要對其三維輪廓進行檢測。白車身整體尺寸大，需要檢測的部位較多，使用機器人末端安裝的三維掃描儀后采集汽車白車身整車點云，主要用于車身測量、匹配分析、輪廓檢測，已成為白車身制造質量控制的有效方式。汽車白車身機器人視覺檢測汽車制造行業汽車行業中，涂膠是一個十分關鍵的工藝，涉及到底盤、車身、前擋風玻璃等多個部位。機器視覺技術在汽車涂膠中的應用，主要體現在視覺引導機器人涂膠和涂膠檢測兩個方面。在視覺引導機器人涂膠中，機器視覺系統可以通過相機拍攝的圖像和圖像處理算法，準確定位待涂膠位置，在涂膠前對其進行精準測量和定位，避免因位置偏移等原因導致涂膠不均勻或遺漏。在涂膠過程中，機器視覺技術可以通過高分辨率相機和圖像處理算法，實時監測涂膠的均勻程度、厚度、缺陷等。視覺引導機器人涂膠汽車制造行業汽車零部件機器人自動化焊接與視覺引導的機器人涂膠過程相似，區別在于機器人末端使用的工具以及工藝參數。在汽車零部件的焊接中，為了定位焊縫所在位置，需要使用視覺技術幫助機器人實現自主定位、引導和校正焊接軌跡等操作，提高焊接質量和效率。汽車白車身機器人自動焊接汽車制造行業汽車生產線上，機器人替代人工完成重復性的上下料等工作十分常見，通過三維掃描方式獲取工件的擺放位置，規劃機器人無碰撞移動路徑和抓取姿態，可以實現零部件智能抓取。汽車鈑金件機器人視覺智能抓取航天航空行業隨著視覺測量技術的不斷發展和測量精度的不斷提高，視覺測量也被逐漸應用于航空航天零部件的外觀檢測和尺寸分析，以及基于視覺測量技術引導航空航天零部件加工或者裝配。通過采集航空發動機圖像，并對采集到的圖像進行圖像預處理，與標準模板進行配準、圖像分割及差異區域篩選等步驟，可以快速實現裝配后的發動機錯漏裝檢測；除了錯漏裝檢測，為了保證零件在復雜環境中的性能，通常會對航空航天零部件表面進行熱處理或者進行特殊材料涂層，經過處理后的零部件如果表面存在劃痕，難以滿足零件的使用要求，而通過機器視覺采集圖像可以實現航空航天零部件表面劃痕缺陷的快速識別。裝配完成后的航空發動機航天航空行業傳統的航空航天零部件使用三坐標進行尺寸檢測，三坐標檢測方式需要接觸待測目標、測點數量少、測量效率低，難以滿足日益增長的零部件高效檢測要求。光學三維掃描方式具有測量效率高、在位在線、能夠測量復雜曲面結構等技術優勢，已開始在航發葉片、航空機匣、航空垂尾等大型復雜構件尺寸檢測與輪廓分析中得到應用，已成為替代三坐標檢測的重要方式之一。航發葉片三坐標測量航發葉片光學三維測量航天航空行業相機作為提供外部環境圖像信息的重要部件，在各種航空航天裝備中使用。例如用于開展火星探測的祝融號上配備了導航與地形相機與多光譜相機，其中導航與地形相機為火星車導航提供眼睛，多光譜相機用于拍攝固定波段下的圖像，不同成分物體形成的光譜圖像差異明顯，因此可以用來獲取視野范圍內的礦物成分空間分布。祝融號火星車導航與地形相機祝融號火星車多光譜相機機械加工行業在機械加工行業，存在零件外形尺寸測量、裝配后位置度檢測、表面劃痕和異物檢測等需求，傳統的尺寸位置檢測主要依靠人工卡尺、樣板等量具進行，表面劃痕和異物檢測主要依賴人工肉眼。這些檢測方式人因誤差大，容易產生錯檢、漏檢等問題。機器視覺作為一種新的檢測方法應用于機械加工行業，能夠提高零部件的檢測效率和檢測精度，同時作為一種非接觸檢測方式能夠減少對工件表面損傷，提升工件檢測的安全性。加工件外形尺寸檢測加工件壓傷、焊偏、少焊、臟污缺陷檢測印刷行業印刷行業是機器視覺常見的應用行業之一。機器視覺系統能夠迅速準確地檢測出印刷品中的各類缺陷，提高產品質量和生產效率，降低生產成本。被檢測的印刷品形式多樣，從印刷材質方面可分為紙質、塑料和金屬鋼板等，從印刷形式方面可分為卷曲材料和單張產品。一些印刷行業常見的檢測內容，包括：材質的缺陷檢測（如孔洞、異物等）、印刷缺陷檢測（如飛墨、刀絲、蹭版、套印不準等）、顏色缺陷檢測（如淺印、偏色、露白等）食品行業在食品、飲料高速生產流水線上，人工肉眼檢測已不能滿足企業對于食品質量的檢測要求，機器視覺的應用提高了食品、飲料行業的檢測技術水平。機器視覺在食品、飲料行業常見的檢測內容包括：瓶口破損、瓶底異物檢測、瓶子計數、飲料灌裝定位、灌裝液位檢測、灌裝后異物檢測、標簽位置及噴碼識別等醫藥行業機器視覺技術在醫藥行業的廣泛適用為其贏得了更加廣闊的市場空間。圖1-28展示了一些常見的檢測內容，主要包括液體制劑的灌裝定位、尺寸不合格的膠囊檢測、瓶體內雜質及封蓋檢測、膠囊臟污檢測、醫藥產品外包裝的條碼檢測、外包裝外觀檢測、外包裝紙箱的滿箱檢測等。農行業機器視覺技術也被廣泛運用到農業的現代化生產中，通過視覺技術可實現對瓜果蔬菜質量的無損檢測，并按其外表形狀、顏色、是否存在缺陷進行好果與壞果的分類；也可實現對大米、小麥以及其他谷物的種類辨識，并根據谷物的尺寸進行等級分類。大豆的包絡直徑機器視覺檢測紡織行業傳統紡織行業也存在大量機器視覺的應用，例如布匹制造過程中表面容易摻入雜質，影響布匹的品質。通過引入機器視覺檢測技術對布匹表面進行檢測，可快速高效地檢測出布匹的顏色和存在的雜質，檢測合格率能夠達到100%。布匹顏色檢測布匹表面缺陷檢測THANKS感謝您的觀看機器視覺發展趨勢認知目錄3D視覺技術嵌入式機器視覺高速機器視覺智能機器視覺項目總結3D視覺技術Part01項目背景隨著工業技術的不斷發展，機器視覺與機器人、圖像處理等技術相結合，使得機器視覺在半導體、汽車制造、航空航天等領域發揮出更加重要的作用，同時也呈現出一些新的發展趨勢。3D相機分類在工業實際應用中，常用的3D掃描設備主要為線掃描式和面結構光式，兩種掃描方式采用不同的成像原理，在成像速度和精度上有所差異。線掃相機面結構光相機線激光掃描線激光掃描成像原理如圖1-32所示，在測量過程中，線激光器向被測物體投射線激光，由工業相機采集激光條紋在被測物體表面的圖像，并通過激光條紋中心線提取（如圖1-33所示）算法，求解激光條紋中心線二維像素點坐標所對應的三維空間點坐標。為了保證掃描的精度，線激光傳感器在使用前需要進行相機標定。相機標定主要是對工業相機與鏡頭所構成成像系統的內參數矩陣（從相機坐標系到圖像坐標系的轉換關系）、外參數矩陣（從世界坐標系到相機坐標系的轉換關系）和畸變系數進行標定。工業相機標定最常用的方法是張正友標定法，主要原理是用待標定相機從不同角度拍攝棋盤格標定板，根據像素信息計算內參矩陣和矯正鏡頭畸變。激光條紋中心線提取是線激光掃描的另一關鍵技術，條紋提取精度對三維坐標點計算精度（測量精度）影響很大，其核心是根據圖像中激光條紋灰度分布精確提取中心線，常見的條紋中心線提取方法包括灰度重心法、Hessian矩陣法、邊緣提取法等。xwyww

owxcyczc

W

z

C

oc成像平面線激光器激光平面

I

uvoiI

piW

p線激光掃描面結構光掃描目前工業常用的面結構光式掃描儀多采用相位移法，通過光柵投射裝置向被測物體投射多幅相移光柵圖像，由工業相機同步拍攝經被測物體表面調制而變形的光柵圖像，然后通過相位計算、對應點匹配、三維重建等過程從光柵圖像中計算出被測物體的三維測點數據。相位移法通過采集多幀有一定相移的光柵條紋來計算包含有被測物體表面三維信息的相位初值，采用多頻外差原理對相位展開得到連續的絕對相位值。計算出每個像素絕對相位值后，再根據極線幾何約束，建立圖像間匹配關系。面結構光掃描基于上述原理，華中科技大學團隊開發出PowerScan系列國產化三維面陣掃描儀產品，包括高效率型三維掃描儀（如圖1-35a)所示）和高精度型三維掃描儀（如圖1-35b)所示），其測量精度可以達到±0.01mm（參考德國VDI/VDE標準），可廣泛應用于航空復雜構件、汽車零部件等精密光學測量。高效率型三維掃描儀高精度型三維掃描儀面結構光掃描德國GOM公司開發的ATOS系列三維掃描設備是目前工業測量領域常用的相位移面陣測量設備之一。如圖1-36~1-38所示，ATOS系列傳感器包括ATOS

Q、ATOS

5系列以及精度更高的ATOS

5

for

Airfoil等，同時開發了自動化的掃描裝備包括GOM

ScanCobot、ScanBox系列。現場測量時可根據高分辨率應用需求或高測量速度應用需求選擇合適的型號，其掃描儀單次測量精度最高可達±0.008mm（參考德國VDI/VDE標準），可滿足航空航天領域高精度檢測需求，同時可與機器人集成實現自動化三維測量。三維視覺測量技術由于分辨率高、采集數據快、全場測量、低成本和高精度等優點，已廣泛應用于航空航天、汽車工業、核電運維等領域，未來三維視覺測量技術將得到進一步的發展。嵌入式機器視覺Part02背景介紹目前機器視覺系統主要分為兩種，一種基于通用計算機（如圖1-39所示）完成處理和運算，另一種基于嵌入式框架（如圖1-40所示）完成處理和運算。隨著現代化工業中檢測方法逐漸應用于復雜對象，檢測的實時性要求也不斷提高，嵌入式視覺系統具有功耗低、尺寸小、數據本地計算等技術優勢，開發小型化、集成化嵌入式機器視覺產品已成為機器視覺領域未來發展的重要方向。基于通用計算機的視覺系統嵌入式機器視覺高速機器視覺Part03高速機器視覺高速機器視覺也被稱為高速攝像，一般相機幀率超過250幀/秒。高速機器視覺目前主要用于科研領域，例如粒子圖像測速（Particle

Image

Velocimetry，PIV）測試、飛機碰撞測試、材料性能測試等，這類測試往往持續時間短（1秒內），必須借助高速攝像機才能進行捕捉，通過高速攝像機在短暫的時間內對目標進行快速多次采樣，然后通過慢放進行觀察或借助圖像處理方式進行深入分析。風洞實驗是航空航天工程中的重要環節，用于模擬飛機在不同飛行條件下周圍的湍流情況。在PIV測試時，在流場中散播一些跟蹤性與反光性良好的示蹤粒子，用激光片光照射到所測流場的切面區域，通過成像記錄系統連續攝取兩次或多次曝光的粒子圖像，最后利用圖像互相關方法分析所拍攝的PIV圖像，獲得每一小區域中粒子圖像的平均位移，由此確定流場切面上整個區域的二維流體速度分布，用來研究氣動力學、風洞模型的性能和優化飛行器設計高速機器視覺飛機、火箭等飛行器的運行總會伴隨著高速沖擊、高速振動等復雜環境，如飛機飛行過程中的起落沖擊、鳥撞或冰雹撞擊等。圖1-42展示了一架中國國航的波音737客機遭遇飛鳥撞擊，機鼻雷達罩被砸穿的場景。為了保證飛機能夠安全準確地完成預期的目標，對于飛機部件結構強度及材料在高速沖擊、振動環境下的材料力學性能研究提出了越來越高的要求，使用高速相機并結合雙目立體視覺以及圖像處理技術，可實現高速沖擊變形、高速振動變形下飛機關節部件輪廓的精確測量波音737飛機被飛鳥撞穿高速機器視覺航空航天材料可能會遇到高速碰撞、爆炸類似的沖擊加載情況，了解此類材料沖擊狀態下的力學響應，有助于材料的工程應用。霍普金森桿裝置（如圖1-43所示）主要用于材料動態力學性能的測試，通過霍普金森桿施加高應變率、高載荷率和復雜應力狀態的加載，采用高速相機獲取試件材料在高速變形過程中的圖片，通過圖像和視頻處理技術，計算出試件的三維位移場及應變場，分析航空航天材料動態力學性能。霍普金森桿實驗智能機器視覺Part04智能機器視覺隨著人工智能技術的不斷進步，深度學習技術為機器視覺領域提供了新的工具和手段，使其朝著更加智能化的方向發展。通過對采集的圖像進行人工智能技術的分析和智能決策，機器視覺技術現在能夠在諸如車輛自動導航和視頻監控等更加復雜的應用場景中發揮關鍵作用。在深度學習技術出現之前，傳統的機器視覺在場景識別、檢測、測量和定位方面通常需要手動設計特征并選擇合適的分類器，才能獲得令人滿意的效果。為此研究人員開始致力于研究無需手動設計特征或選擇分類器的機器視覺系統，卷積神經網絡的出現使這一設想成為現實。卷積神經網絡通過對圖像進行多次卷積（如圖1-44所示）與池化處理（如圖1-45所示），來提取圖像的特征信息。在圖像處理過程中的卷積是將一小塊區域的信息抽象出來，池化則是對一小塊區域內求平均值或者最大值的操作，通過對圖像進行多次卷積和池化，可以降低圖像數據規模并提取圖像特征信息。智能機器視覺深度學習在剛被提出來的十余年間，雖然在部分領域取得應用，但并未引起大眾的廣泛關注，直到2012年“

神經網絡之父”

和“

深度學習鼻祖”Hinton

課題組開發出CNN網絡AlexNet

（

如圖1-46所示）

在ImageNet圖像識別比賽中一舉奪得冠軍，AlexNet識別效果超過所有淺層的方法，從而使深度學習方法在世界范圍內引發關注。2015年，ResNet在ImageNet圖像識別比賽中獲得分類、定位和檢測三項冠軍，基于卷積神經網絡的機器視覺展示了巨大的發展潛力。AlexNet網絡結構圖總結Part04總結深度學習技術的發展已經通過其出色的性能、靈活性和可以使用自定義數據集進行重新訓練的能力徹底改變了視覺處理流程，但深度學習技術也有自身的缺點，如系統計算要求高、計算時間長和準確率低，這又是傳統機器視覺技術可以克服的。未來這兩種技術在不同應用場景中將結合起來使用，發揮各自的優勢，尤其在全景視覺、三維視覺等場景中具有較大的應用潛力。AlexNet網絡結構圖THANKS感謝您的觀看傳統計算機視覺系統與嵌入式計算機視覺系統對比目錄傳統計算機視覺系統引言嵌入式計算機視覺系統傳統計算機視覺系統與嵌入式系統比較在大學生活中的應用010203040506未來發展趨勢與挑戰引言Part01計算機視覺領域的發展從傳統計算機視覺到嵌入式計算機視覺的轉變。應用需求的增長在工業自動化、智能監控、智能家居等領域，對計算機視覺的需求不斷增長。技術進步的推動嵌入式系統、深度學習等技術的不斷發展，為計算機視覺的應用提供了更強大的支持。背景介紹010203對比分析對傳統計算機視覺系統與嵌入式計算機視覺系統進行對比分析，探討各自的優缺點。指導實踐為相關領域的研究和應用提供指導，幫助選擇最適合的計算機視覺系統。推動技術發展促進計算機視覺技術的進一步發展，提高應用水平和智能化程度。目的和意義傳統計算機視覺系統基于通用計算機和視覺算法，具有通用性和靈活性，但功耗較高、體積較大。傳統計算機視覺系統與嵌入式系統概述嵌入式計算機視覺系統將計算機視覺算法嵌入到專用硬件中，具有低功耗、小體積、高穩定性等優點，但算法更新相對困難。傳統計算機視覺系統Part02傳統計算機視覺系統簡介基于數字圖像處理技術傳統計算機視覺系統主要依賴于數字圖像處理技術，通過對圖像進行各種算法處理來實現目標檢測、識別等功能。獨立硬件和軟件系統傳統計算機視覺系統通常由獨立的硬件和軟件系統組成，硬件包括相機、圖像采集卡等，軟件則包括圖像處理算法和應用程序。復雜度高由于需要處理大量的圖像數據，傳統計算機視覺系統通常具有較高的復雜度，對硬件和軟件要求較高。圖像處理基礎算法包括圖像去噪、圖像增強、圖像復原等基礎算法，用于提高圖像質量。特征提取與匹配算法通過提取圖像中的特征點、邊緣等信息，進行圖像匹配和識別。機器學習與深度學習算法利用機器學習算法對圖像進行分類、識別等任務，深度學習算法能夠自動學習圖像中的特征并進行分類。圖像處理算法圖像采集傳統計算機視覺系統通過相機等圖像采集設備獲取圖像，并將其轉化為數字信號進行處理。圖像處理對采集到的圖像進行預處理、特征提取、分割等操作，以實現目標檢測、識別等功能。圖像存儲與傳輸處理后的圖像需要進行存儲和傳輸，傳統計算機視覺系統通常采用文件形式進行存儲，并通過網絡等方式進行傳輸。圖像采集與處理傳統計算機視覺系統廣泛應用于工業檢測領域，如產品質量檢測、自動化生產線等。工業檢測典型應用場景在醫學影像處理領域，傳統計算機視覺系統可以用于醫學圖像分析、病變檢測等。醫學影像處理傳統計算機視覺系統在智能交通領域也有廣泛應用，如車輛識別、交通監控等。智能交通嵌入式計算機視覺系統Part03實時性嵌入式計算機視覺系統通常需要實時處理圖像數據，因此需要具備高效的處理能力和算法。應用領域嵌入式計算機視覺系統廣泛應用于工業自動化、智能交通、安防監控等領域。嵌入式系統嵌入式計算機視覺系統是基于嵌入式系統的，具有嵌入式系統的所有特點，如體積小、功耗低、集成度高等。嵌入式計算機視覺系統簡介算法優化嵌入式計算機視覺系統需要根據具體應用場景對圖像處理算法進行優化，以提高處理速度和精度。常用算法嵌入式圖像處理算法包括圖像濾波、邊緣檢測、目標識別、圖像壓縮等，這些算法需要在嵌入式系統上實現并優化。算法移植嵌入式計算機視覺系統通常需要將算法從通用計算機移植到嵌入式設備上，因此需要考慮算法的可移植性和實現效率。嵌入式圖像處理算法嵌入式圖像采集與處理圖像采集嵌入式計算機視覺系統需要通過攝像頭等圖像采集設備獲取圖像數據，因此需要關注圖像采集的精度和實時性。圖像預處理在圖像采集后，嵌入式計算機視覺系統通常需要對圖像進行預處理，如去噪、增強、校正等，以提高圖像質量。圖像處理嵌入式計算機視覺系統需要對預處理后的圖像進行進一步處理和分析，如目標檢測、跟蹤、識別等，以實現具體的應用功能。傳統計算機視覺系統與嵌入式系統比較Part04嵌入式計算機視覺系統在功耗和成本方面表現突出，分別達到85和90，遠超傳統系統，顯示其高效的能源利用和成本控制能力。嵌入式系統在體積上也更具優勢，僅為75，遠低于傳統系統，表明其在小型化、集成化方面的進步。傳統系統在靈活性上得分較高，達50，而嵌入式系統較低，這是其固有的一個劣勢，需要在后續研發中加強。性能比較傳統計算機視覺系統成本傳統計算機視覺系統通常需要高性能的計算機和昂貴的圖像處理卡，成本較高，且需要專業的維護和升級。成本比較嵌入式計算機視覺系統成本嵌入式計算機視覺系統通常采用嵌入式處理器和專門的圖像處理模塊，成本相對較低，且易于集成和部署。傳統計算機視覺系統靈活性傳統計算機視覺系統通常具有較高的靈活性，可以適應不同的視覺任務和場景，但需要專業的編程和調試。嵌入式計算機視覺系統靈活性嵌入式計算機視覺系統通常針對特定應用進行設計和優化，靈活性相對較低，但易于使用和維護。靈活性比較010203傳統計算機視覺系統：優點：高性能、高靈活性、適用于復雜任務。缺點：成本高、部署困難、維護復雜。優缺點總結優缺點總結缺點：性能相對較低、靈活性差、適用范圍有限。優點：成本低、易于集成和部署、實時性好。嵌入式計算機視覺系統：010203傳統計算機視覺系統適用于對性能和精度要求較高的應用場景，如醫學影像處理、安防監控等。優缺點總結嵌入式計算機視覺系統適用于對成本、功耗和實時性要求較高的應用場景，如智能家居、自動駕駛等。傳統計算機視覺系統隨著計算機硬件和算法的不斷進步，傳統計算機視覺系統的性能將不斷提升，應用領域將進一步擴大。嵌入式計算機視覺系統隨著嵌入式技術的不斷發展和應用需求的不斷增長，嵌入式計算機視覺系統將逐漸成為主流，為各種智能設備提供強大的視覺處理能力。優缺點總結在大學生活中的應用Part05圖像識別與處理在課堂上，傳統計算機視覺系統被用來教授圖像識別和處理的基礎知識，如特征提取、分類、圖像分割等。學術研究傳統計算機視覺系統為學術研究提供了強大的工具，學生們可以通過該系統完成圖像處理領域的課題。輔助教學傳統計算機視覺系統還可以用于輔助教學，如自動閱卷、考試監控等。傳統計算機視覺系統在課堂中的應用自動駕駛嵌入式計算機視覺系統在自動駕駛領域有著廣泛的應用，學生們可以通過該系統開發出自動駕駛汽車，實現自動泊車、自動避障等功能。無人機控制嵌入式計算機視覺系統可以用于無人機控制，學生們可以通過該系統實現無人機的自主飛行和自動避障。機器人技術嵌入式計算機視覺系統在機器人技術中有著廣泛的應用，學生們可以通過該系統開發出各種智能機器人，如服務機器人、教育機器人等。嵌入式計算機視覺系統在課外實踐中的應用圖像處理算法研究畢業設計是學生們展示自己才華的重要平臺，學生們可以通過對傳統計算機視覺系統中的圖像處理算法進行深入研究，提出新的算法。計算機視覺系統在畢業設計中的應用嵌入式系統設計與開發在畢業設計中，學生們可以結合嵌入式計算機視覺系統的特點，設計和開發出具有實際應用價值的嵌入式系統。計算機視覺應用創新學生們可以將計算機視覺技術應用到新的領域中，如虛擬現實、增強現實等，實現計算機視覺技術的創新應用。大學生如何選擇合適的計算機視覺系統課程需求在選擇計算機視覺系統時，學生們需要考慮自己的課程需求，選擇適合自己課程需求的系統。實際應用學生們還需要考慮計算機視覺系統的實際應用，選擇能夠滿足自己實際應用需求的系統。系統性能在選擇計算機視覺系統時，學生們還需要考慮系統的性能，如處理速度、準確性等，以確保系統的穩定性和可靠性。未來發展趨勢與挑戰Part06高效算法傳統計算機視覺系統將繼續優化算法，提高圖像處理和模式識別的速度和準確性。多功能集成傳統計算機視覺系統將不斷集成更多功能，如目標檢測、跟蹤、識別等，以適應更廣泛的應用場景。智能化發展傳統計算機視覺系統將引入更多人工智能技術，如深度學習，實現更高級別的圖像理解和智能決策。傳統計算機視覺系統發展趨勢嵌入式計算機視覺系統發展趨勢微型化嵌入式計算機視覺系統將向更小、更輕、更便攜的方向發展，以適應各種嵌入式設備的需求。低功耗嵌入式計算機視覺系統將更加注重低功耗設計，以滿足嵌入式設備在有限電源下的長時間運行需求。實時性嵌入式計算機視覺系統將更加注重實時性，以滿足嵌入式設備在動態環境中的實時響應需求。挑戰傳統計算機視覺系統面臨算法復雜度高、計算資源消耗大等挑戰；嵌入式計算機視覺系統則面臨硬件資源受限、算法優化困難等挑戰。面臨的挑戰與機遇機遇隨著人工智能和物聯網技術的發展，傳統計算機視覺系統和嵌入式計算機視覺系統都將迎來新的發展機遇，如智能家居、自動駕駛等。未來研究方向深度學習融合將深度學習與傳統計算機視覺技術相結合，實現更高效、更準確的圖像理解和模式識別。硬件加速探索新型硬件加速技術，如FPGA、ASIC等，提高計算機視覺系統的處理速度和能效。算法優化繼續研究高效、低復雜度的算法，提高計算機視覺系統的性能和準確性。THANKS感謝觀看2D工業相機認知目錄工業相機簡介工業相機組成工業相機分類工業相機參數分辨率核算工業相機選型工業相機簡介Part01工業相機作為機器視覺系統中的關鍵組件，與系統整體的成本、效率和精度高度相關。工業相機一般安裝在工業生產的流水線上，為視覺系統源源不斷地提供關于檢測對象的圖像信息。不同于普通相機的是，它是一種工業級的產品，能夠每周7天、每天24小時不斷工作，具有很高的穩定性和可靠性。與普通相機相比，工業相機性能更加穩定、幀率更高、光譜范圍更寬，能夠滿足復雜的生產現場檢測需求。行曝光面陣相機幀曝光面陣相機大靶面面陣相機工業相機的功能是將光信號轉變為有序的電信號，形成圖像輸出。選擇合適的相機是機器視覺系統設計中的重要環節，相機的選擇不僅直接決定了采集到的圖像的分辨率、質量，還與整個系統的運行模式直接相關。工業相機組成Part02概念三光學接口防塵片控制與信號轉換電路圖像傳感器數據接口工業相機主要組成部分包括光學接口、數據接口、圖像傳感器、控制與信號轉換電路、防塵片等光學接口光學接口用于連接鏡頭與相機，主要有S口/M12、CS口、C口、M口等，各種接口主要根據接口直徑和法蘭距（相機芯片到法蘭面距離）進行區分。一般而言，相機和所選鏡頭要有相同的光學接口，但也可通過轉接環進行不同光學接口之間的轉接，或通過接圈來調節鏡頭到物體距離C口相機CS口相機S-C轉接環S口鏡頭C口鏡頭5mm接圈概念三數據接口數據接口是指相機的傳輸接口，用于將采集的圖像數據傳輸到計算機。常用的數據傳輸接口有IEEE1394、GigE(Gigabit

Ethernet)和USB等，如圖2-4所示。IEEE1394常見的有1394a和1394b，1394a的傳輸速率約為400Mbits/s，1394b為800Mbits/s，IEEE1394也稱為火線，相較其他幾種接口，IEEE1394占用系統資源高，成本也較高，長距離傳輸線纜價格相對較貴，且應用范圍窄。而GigE接口易用，可適用于多相機，傳輸距離遠，線纜價格低，有標準的GigE

Vision協議，因此在工業相機中廣泛使用概念三數據接口圖像傳感器是工業相機的結構核心，也被稱為相機芯片，分為CCD和CMOS兩種類型，如圖2-5所示。從外觀來看，CCD傳感器表面布有焊線，連接著與PCB印刷版焊接的針腳，而CMOS傳感器則將周邊電路集成到傳感器芯片中。從微觀結構來看，CCD像元由光電二極管與下方的CMOS電容器構成，填充因子高，而CMOS像元由光電二極管和多個晶體管構成，填充因子相對較低。工業相機分類Part03概念三按像元排列方式分類按照芯片中像元的排列方式不同，相機可以分為面陣相機和線陣相機，如圖2-6所示。線陣相機的像元按照一維進行排列，相機和物體要有相對運動才能成像，面陣相機的像元按照二維進行排列，物體靜止或運動都可以成像。因此，當待測對象位于傳送帶或滾軸上，且物體的運動速度比較快，或者待測對象幅面很寬的情況下，優先選用線陣相機，反之則選用面陣相機。概念三按成像顏色分類按照成像色彩分類，相機可分為黑白與彩色兩種類型，其中黑白相機的芯片上沒有濾光片。彩色相機通常又分為兩種類型，第一種的芯片上帶有三色濾光片，這種濾光片的排列25%是紅色（Red）、50%是綠色（Green）、25%是藍色（Blue），因此也稱為原色濾光片或RGGB濾光片。濾光后成紅綠藍三種顏色，生成三色感光，然后再組合成彩色。第二種是芯片上帶有四色濾光片，它由四種基本顏色的濾光片均布組成，分別為青色（Cyan）、品紅色（Magenta）、黃色（Yellow）和綠色（Green），因此也稱為補色濾光片或CMYG，濾光后可以將其分離成某種顏色及其互補色。兩種濾光片的區別如圖2-7所示。概念三按成像顏色分類一般黑白相機的感光性能更強，分辨率更高。彩色圖像由人眼來看視覺效果或許更好，但可能不利于圖像處理。為保證彩色圖像的成像真實性，彩色相機使用時搭配白色光源。除非需要檢測彩色信息，或得到的彩色圖像有利于后期的圖像處理，否則一般選用黑白相機。例如下圖2-8中，對于PCB板檢測，如果是進行字符識別，黑白相機就足夠滿足成像效果；如果需要檢測顏色差異的焊錫及引腳，則選用彩色相機。概念三按快門控制方式分類相機按照快門控制方式可以分為全局快門和卷簾快門兩種類型。兩種相機快門過程都包含重置、曝光、存儲操作、讀出四個過程。不同點是它們的快門過程時序不同，如圖2-9所示。全局快門整幅場景幾乎在在同一時間進行重置、曝光、存儲操作，只在讀出時有較小時序上的錯位；卷簾快門是從行1直到行N逐行方式依次執行四個過程，每行都有時序差異。因此，如果需要拍攝運動的物體，則需要選全局快門的相機；如果需要拍攝靜止的物體，就要選卷簾快門的相機。概念三按快門控制方式分類相機按照快門控制方式可以分為全局快門和卷簾快門兩種類型。兩種相機快門過程都包含重置、曝光、存儲操作、讀出四個過程。不同點是它們的快門過程時序不同，如圖2-9所示。全局快門整幅場景幾乎在在同一時間進行重置、曝光、存儲操作，只在讀出時有較小時序上的錯位；卷簾快門是從行1直到行N逐行方式依次執行四個過程，每行都有時序差異。因此，如果需要拍攝運動的物體，則需要選全局快門的相機；如果需要拍攝靜止的物體，就要選卷簾快門的相機。分類方式分類種類按傳感器芯片類型分CCD相機、CMOS相機按傳感器芯片結構分線陣相機、面陣相機按掃描方式分隔行掃描、逐行掃描按分辨率分普通分辨率、高分辨率按輸出信號分模擬相機、數字相機按成像顏色分彩色相機、黑白相機按輸出數據速度分普通速度相機、高速相機按快門控制方式分卷簾快門相機、全局快門相機Part04工業相機參數工業相機的技術參數主要包括像元尺寸、分辨率、芯片尺寸、像元深度、曝光時間、增益、幀率等概念三像元尺寸像元是相機芯片上的小組成單元，是實現光電信號轉換的基本單元。像元尺寸是用于描述像元大小的參數。通常像元尺寸小于2.2μm的相機被稱為小像元相機，大于5.5μm的相機則稱為大像元相機。大像元相機多用在科學醫療領域，中等像元相機多應于工業領域，而小像元相機多應用于消費市場領域。像元的大小對圖像傳感器的感光性能有重要的影響，像元尺寸越大，接收光線越多，感光性能越強。如果其他條件限制嚴格，而整體成像亮度不足時，可以選擇大像元尺寸的相機以彌補圖像的亮度不足。概念三分辨率分辨率是相機每次采集圖像的像素點數，反映到相機芯片上指的是芯片上的像元數量，如圖2-10所示。例如：一個相機的分辨率是2448（H）×2048（V），表示此款相機芯片上每行的像元數量是2448，像元的行數是2048，此相機的分辨率是500萬像素。通常分辨率越高的相機，價格越貴。概念三芯片尺寸相機的芯片尺寸可用于表示傳感器的大小。相機的分辨率反映了相機芯片上像元的數量，在像元尺寸已知的情況下，可以按照公式計算傳感器的尺寸：傳感器尺寸=像元尺寸×分辨率上式所計算的傳感器尺寸，也稱相機芯片尺寸，通常按照對角線長度來標定，單位為英寸(〞)，如圖2-11所示。同理，也可以根據垂直分辨率V和水平分辨率H來計算芯片垂直與水平方向的尺寸。水平H垂直V2/3

(11)8.85.74.81/2.5

(6.4)1/3

(6)3.81/4

(4.5)2.7

3.6

4.3

6.6 9.61

(16mm)12.8芯片示意圖常見芯片尺寸規格(單位：mm)概念三像元深度像元深度是工業相機的數字信號輸出格式，指每個像素每個通道數據的位數。像元深度最常用的為8bit，此外對于數字相機還會有10bit、12bit、16bit等。像元深度值越大，則圖像細節越豐富；灰度等級越大，圖像占用的存儲空間越大，如圖2-12所示。在實際使用時，需要根據對于灰度等級的需求選擇像元深度。當像元深度大于8bit時，在普通電腦顯示屏上無法顯示，只能轉為8bit或更低位顯示出來。概念三曝光時間曝光時間是指拍攝時相機快門打開后圖像傳感器采集光線的時間，曝光時間越長圖像越亮，但曝光時間過長會導致圖像過曝，信息細節丟失，降低了系統的抗抖動性。抗抖動性越差，對運動物體拍攝的曝光時間越長，拖影越長。曝光時間過短會導致圖像過暗，導致圖像細節丟失在暗區，曝光時間與圖像灰度及質量的關系示意如圖2-13所示。拍攝時需要選擇合適的曝光時間，保證圖像具有良好的細節和對比度。概念三增益在工業相機中，可以通過調節增益調整圖像傳感器的電子信號與灰度值輸出之間的響應曲線斜率，從而改變相機的輸出灰度值。當電子信號輸入量一定時，增加增益可以增加響應曲線的斜率，相機的灰度值輸出就會更高，如圖2-14a)所示。在低光環境下，可以通過調整增益的方式來增強信號，改變圖像亮度。但這一過程不但會放大所需的信號，同時也會放大相機所產生的所有干擾噪聲，如圖2-14b)、c)所示，只有在極端的環境下才考慮使用增益來增加圖像的亮度。概念三幀率幀率指相機每秒鐘能采集和傳輸圖像的幀數，其單位為fps，即幀/秒。幀速率越高，意味著每秒捕獲的圖像越多，常用相機幀率為14~20fps。相機幀率受芯片類型、分辨率、像素深度、曝光時間、數據接口帶寬和芯片設計等因素影響。CMOS比CCD信號讀出速度更高，故CMOS幀率更高。通常，分辨率越低，圖像數據越小，幀率越高。0200400600800100012002448×

20481228×

1024614×

512307×

256154×

12877×

6438×

32幀率21711382604657681140常見相機的分辨率與幀率之間的關系分辨率核算Part05分辨率核算為保證所選擇的相機能夠滿足視覺檢測的精度需求，需要對相機的分辨率進行核算，計算方法為：相機單方向的分辨率

單方向視場范圍大小

視覺精度其中視場是指成像系統中相機的圖像傳感器可以監測到的最大區域，視覺精度又稱像素分辨率，指的是一個像素可以表征視場中多少區域的尺寸。假設視場的水平方向長度為32mm，相機的水平分辨率為1600，則視覺系統精度為：32mm

/1600像素

0.02mm

/

像素表示圖像中每個像素對應0.02mm。概念三分辨率核算確定待測對象的檢測區域和待測對象最小的細節特征尺寸。確定待測對象的檢測區域是為了確定視場，如圖2-16所示，一般視場尺寸至少要取待測對象尺寸的120%。確定待測對象最小的細節特征尺寸，是為了明確圖像采集系統需要再現待測對象的最小細節為多少。根據待測區域來確定視場概念三分辨率核算根據項目類型，確定合適的視覺精度。圖像采集系統的視覺精度根據應用需求會有所不同，由于相機采集圖像過程中有噪聲存在，為了區分待測對象的最小細節，通常圖像采集系統（硬件）的視覺精度應為待測對象最小細節的2~3倍。精度數值越小，說明精度越高，如下圖2-17所示，視覺精度越高，對待測對象細節的描繪就越詳細，但同時也會導致圖像存儲空間的提高。不同視覺精度的選擇對待測對象細節呈現的影響概念三分辨率核算下表2-3展示了在三類常見檢測任務中，為滿足待測對象最小細節的精度需求所需要的像素數量。形狀匹配需要1/10~1/4像素再現對象最小細節邊緣檢測需要1/4~2像素再現對象最小細節缺陷檢測需要4~10像素再現對象最小細節滿足最小細節精度所需的像素數量概念三分辨率核算確定相機分辨率。在確定了視場大小與視覺精度后，便可以進行相機分辨率的估算。相機分辨率

視場大小/

視覺精度分辨率核算接下來將舉例說明相機分辨率核算方法。如圖2-18所示的大拇指圖片，其實際的長寬都為40mm，在黑色的輪廓上存在有劃痕和缺損缺陷，劃傷寬度為0.2mm，缺損長度約為1mm。分辨率核算由于待測對象的尺寸為40mm×40mm，根據120%的視場比例確定視場的尺寸為48mm×48mm。由于檢測任務為缺陷檢測，且待測缺陷中最小的尺寸為0.2mm，需要4-10像素來重現待測缺陷的最小尺寸。考慮到劃痕類缺陷較為細小，因此選擇10像素來重現最小細節，即所需的視覺精度為：0.2

/10

0.02mm

/

像素故可以計算得到所需的相機水平豎直分辨率為：48

/

0.02

2400即所需相機的分辨率至少為：2400

2400

5760000工業相機選型Part05相機的選型直接關系到數據采集的質量、精度和效率。針對特定的測量任務，選擇適合的相機可以提高測量的準確性和可靠性。相機選型的一般流程如下：明確檢測需求。例如，若需要檢測傳送帶上的運動物體時，需要確定其運動速度，對快門速度、曝光時間以及光源的設計。同時還要確定適配待測對象的視場大小，并明確需要達到的檢測精度要求。確定色彩需求。2D工業相機主要分為彩色和黑白兩種。一般而言，只有在需要識別彩色信息的場合，例如電路板涂色引腳、彩色印刷品等，才需要使用彩色相機。確定視覺精度。根據檢測需求，可以計算適配檢測對象的視場大小，并確定需要達到的精度，再依照本項目1.5節中所述方法對系統的視覺精度以及相機的分辨率進行核算。確定硬件參數。根據核算的相機分辨率、視覺精度等參數以及對采集速度、安裝位置、數據傳輸方式等需求，確定相機的各個元器件的參數。選擇相機傳感器芯片的類型。同等分辨率的情況下，CCD相機的成像效果要比CMOS相機好，價格也要貴一些，因此在精度要求不太高的情況下，可以考慮選擇CMOS相機，對精度要求很高時可以考慮CCD相機。近年來，CMOS傳感器芯片性能與CCD傳感器芯片性能逐漸接近，在滿足性能要求的前提下，考慮性價比可優選選用CMOS相機。根據選型結果列出清單。綜合考慮各種因素，列出需求項清單，確定相機型號。檢測類型A尺寸測量D組裝引導B缺陷檢測

C字符識別E其他工位工位1工位2...工位N視野物料大小或待檢測區域大小/是否需要多相機組裝精度視覺精度像素分辨率相機分辨率相機像素數量黑白/彩色相機線陣/面陣相機圖像質量量子響應效率/動態范圍/信噪比/DSNF相機快門卷簾/全局檢測速度靜止/運動拍照曝光時間（正常/飛拍）最短曝光時間幀率數據接口（USB/Gig/CameraLink/CLHS/CPX等）傳輸速度、距離、電磁環境、工控機性能鏡頭接口C口，F口，使用接圈等成本其他工作環境溫度和EMI相機重量、體積預選相機型號THANKS感謝您的觀看工業相機鏡頭認知目錄工作原理鏡頭組成技術參數鏡頭選型工作原理Part01視覺系統中，鏡頭的主要作用是將目標物體的光線匯聚，成像在相機傳感器的光敏面上。鏡頭質量直接影響圖像質量，進而影響視覺系統整體性能，選擇合適鏡頭同樣是機器視覺系統設計的重要環節。鏡頭成像原理是基于凸透鏡成像原理，通過組合的透鏡組，將物體發出或者反射的光線成像在像平面上（與芯片面重合），如圖2-19所示。透鏡組作用是矯正畸變、色散、場曲等各種成像不良現象。工作原理目標物體傳感器鏡頭成像示意圖鏡頭理想成像模型是薄透鏡模型，如圖2-20所示。薄透鏡模型在計算時，忽略了厚度對透鏡的影響，從而對光學計算公式進行簡化。工作原理視場芯片尺寸FF`像距v物距u焦距f焦距f′物方空間像方空間物方平面像方平面O鏡頭成像模型鏡頭組成Part02概念三鏡頭結構可以分為兩部分，光學部分和機械部分，如圖2-21所示。光學部分由透鏡組和光圈環組成，機械部分由光圈機構、鏡筒、調節機構和支架組成。透鏡組表面會使用增透減反（Anti-Reflection，AR）材料或啞光材料進行鍍膜處理，這兩種鍍膜都是為了增加透光率，從而提高相機接收光線的效率。光圈固定支架鏡片組對焦環光圈環鎖緊螺絲工業鏡頭的結構與組成光圈光圈用于控制鏡頭的進光量，用光圈系數來描述。光圈系數是指鏡頭焦距與整個鏡頭的入瞳直徑的比值，通常用F/#來表示。光圈系數F/#越大，光圈的孔狀光闌開口越小，進光量越少，如圖2-22所示。F/4F/5.6F/8F/11F/16F/22光圈系數與光圈大小的關系光圈環光圈環連接著鏡頭內部的可控光圈結構，光圈結構是由多個相互重疊的弧形薄金屬葉片組成多邊形或者圓形的孔狀光闌。通過轉動光圈調節環，控制葉片離合來改變孔狀光闌的大小，實現鏡頭通光量的調節。F/4F/5.6F/8F/11F/16F/22光圈系數與光圈大小的關系概念三對焦環對焦環用于調整鏡頭的聚焦面，保證鏡頭清晰成像。通過旋轉對焦環，改變鏡片組在鏡頭的相對位置，使鏡頭的成像面與相機芯片表面重合。聚焦不正確就會導致圖像不清晰，難以呈現很好的圖像效果。法蘭距與后截距法蘭距是指鏡頭的法蘭面到成像面（芯片）的距離。后截距分為機械后截距與光學后截距，機械后截距指鏡頭最后的機械面到像面的距離，光學后截距指鏡頭最后端鏡片表面頂點到像面的距離。概念三機械后截距光學后截距法蘭距成像面鏡頭的法蘭距與后截距法蘭距與后截距鏡頭根據鏡頭直徑、法蘭距和光學接口的類型與相機進行匹配，但接口類型與工業鏡頭性能并無直接關系，需要根據實際情況進行搭配與選用。表2-5展示了部分光學接口的參數。接口名稱法蘭距直徑螺紋結構固定結構S/M12-Mountundefine12mm螺紋CS-Mount12.526mm25.4mm1-32

UNF螺紋C-Mount17.526mm25.4mm1-32

UNF概念三 螺紋M42-Mount42mmM42x1螺紋F-Mount46.5mm-卡口V58-Mountundefine58mm-螺紋技術參數Part03焦點和焦距焦點是指與鏡頭光軸平行的光線射入凸透鏡時，光線所匯聚到的一個點。對于單個透鏡，焦距是指從光心到焦點的距離；對于多個透鏡組成的鏡頭，焦距是指像方主平面到焦點的距離。焦距f焦點像方主平面焦點和焦距概念三