【www.shanpow.com--自我介绍】
机器视觉软件有哪些篇(1):做机器视觉哪个软件好？
机器人视觉有接触，但是不多，这里我推荐一下一个详细介绍的视觉软件。
在构建机器视觉系统时，开发人员可以选择众多知名公司的商用软件包。然而，在选择这类软件时，重要的是理解这些软件提供的功能、支持的硬件以及如何轻松地配置这样的软件，以解决特定的机器视觉任务。
在过去，软件的选择受到限制，许多公司只提供执行相对简单的图像处理操作的可调用库。这些包括诸如图像减法之类的点处理操作，诸如图像滤波的邻域操作，以及诸如傅立叶分析的全局操作。
尽管有用，开发人员面临的任务是理解这些功能，以及如何为机器视觉任务（如零件测量）提供解决方案。通常，需要构建软件框架来支持这些库，这使得开发这样的程序费力和耗时。
快速开发
虽然这些库仍然可以从许多开放资源获取，但是视觉软件制造商已经意识到：系统集成商需要更快速地开发应用程序，来解决特定的机器视觉问题，而无需了解图像处理代码的复杂性。因此，目前许多供应商在其软件包中提供更高级别的工具，可以在交互式环境中提供更高级别的功能，如图像测量、特征提取、颜色分析、2D条形码识别和图像压缩等。
这些高级工具的例子包括加拿大Matrox Imaging公司的Matrox Imaging Library（MIL）、比利时Euresys公司的Open eVision、德国MVTec Software公司的HALCON、美国Cognex公司的VisionPro、美国国家仪器（NI）公司的Vision Builder、德国Stemmer Imaging公司的Common Vision Blox（CVB）和德国NeuroCheck公司的NeuroCheck。这类工具允许很多常用的机器视觉功能被配置而不需要大量的编程。通过这种方式，开发人员能够从低级代码开发任务中脱身出来，进而能更轻松地构建机器视觉应用程序。
为了进一步简化此任务，许多软件包具有图形界面，允许在集成开发环境（IDE）中组合高级图像处理功能。例如，Matrox的Design Assistant是一种IDE，在该开发环境下，用户可以通过构建流程图而不是编写传统程序代码来创建视觉应用程序。除了构建流程图，用户还可以在IDE中直接为应用程序设计图形操作界面。同样，NI公司的Vision Builder AI，允许开发人员在交互式菜单驱动的开发环境中使用诸如模式匹配、条形码读取和图像分类等功能来配置、评价检测和部署视觉系统（见图1）。
图1：NI公司的Vision Builder AI，允许开发人员在交互式菜单驱动开发环境中使用诸如模式匹配、条形码读取和图像分类等功能，来配置、评价检测和部署视觉系统。
在许多情况下，供应商将使用他们的软件为最终用户提供开发的软件，来解决诸如光学字符识别（OCR）等特定任务。例如为了阅读和验证由多个PCB组成的大型面板上的条形码标签，美国Microscan公司已经使用其Visionscape软件，确保面板上的每块单独电路板可以在整个生产过程中进行追踪。
一些公司甚至已经扩展了这种图形流程图界面概念，允许开发人员访问现场可编程门阵列（FPGA）的基础功能。例如，德国Silicon Software公司的VisualApplets是一种软件编程环境，其允许开发人员使用数据流模型执行FPGA编程。在公司的最新VisualApplets版本中，提供了分段、分类和压缩功能，以及快速傅立叶变换（FFT）运算，可以更有效地实现复杂的带通滤波器（见图2）。
图2：为了使开发人员能访问FPGA的基本功能，Silicon Software公司的VisualApplet是一种软件编程环境，允许开发人员使用数据流模型执行FPGA编程。
如同SiliconSoftware公司一样，NI的LabVIEW FPGA模块可以在不使用低级语言（如VHDL）的情况下，执行FPGA的高效率算法，如图像滤波、Bayer解码和色彩空间转换。通过这样做，许多计算密集型图像处理功能可以转移到FPGA，从而加速机器视觉应用。
对于那些希望开发使用各种开源和商用软件的机器视觉系统用户，目前的开发环境可以让许多不同公司的图像处理算法进行图形化组合。这样的环境允许开发人员将开源算法和商用软件包整合在一起，以集成到单一的环境中。这可以根据最有效的算法对机器视觉软件进行专门定制。
例如，新西兰ControlVision公司的机器视觉框架VisionServer 7.2，允许在图形化IDE中一起使用开源图像处理库和商用软件包，如Cognex公司的VisionPro Software。爱尔兰CG Controls公司的VS-100P框架也支持VisionPro，其使用Microsoft的.NET 4框架和Windows Presentation Foundation（WPF），使开发人员能够部署基于单相机或多相机的视觉系统。
实时选项
虽然大多数商用的机器视觉软件运行在Windows和Linux等操作系统下，但是仍需开发可在特定时间段内执行任务的机器视觉系统，即支持实时操作系统（RTOS）。随后，这些RTOS允许开发人员确定捕获和处理图像以及在系统内执行I/O所需要的时间，同时利用Windows的强大功能来开发图形用户界面（GUI）。
现在，有许多公司为机器视觉软件包提供RTOS支持。例如，MIL现在可以在美国IntervalZero公司的RTX64 RTOS下运行，这是美国Kingstar公司在开发用于工业运动控制和机器视觉应用的基于PC的软件过程中所应用的。基于EtherCAT标准，机器视觉任务采用MIL，在IntervalZero的RTX64 RTOS中运行。在运行中，RTX64与Windows一起运行在其自身的专用CPU核心上，以提供确定性的环境。使用这种架构，开发人员将基于MIL的应用程序分割为在RTX64和Windows上运行（见图3）。
图3：Matrox"s Imaging Library（MIL）现在可以在IntervalZero的RTX64 RTOS环境下运行，这是Kingstar在开发用于工业运动控制和机器视觉应用的基于PC的软件中所应用的。 RTX64的开发在C/C ++中执行，使用Visual Studio和Windows API的子集。RTX64下的MIL支持使用GigE Vision以及所支持的Matrox图像采集卡进行图像捕获。
也可以提供其他机器视觉软件包的第三方RTOS支持。例如，运行MVTec公司的HALCON机器视觉包，可以使用德国Kithara公司的RealTime RTOS Suite完成。与其他RTOS类似，RealTime RTOS Suite在RTOS的内核中使用单独的调度程序，来决定在任何特定时间执行哪个图像处理任务。如同IntervalZero一样，该内核与Windows一起运行。
加拿大OptelVision公司最近展示了如何使用自己的运行于美国TenAsys公司的INtime专有算法，开发出一种药片检测机。TenAsys公司销售和营销副总裁Kim Hartman介绍说，INtime可以控制系统中对响应时间要求严格的I/O设备，同时允许Windows控制非实时I/O。
高性能图像处理也是嵌入式视觉领域关注的焦点。最近，丹麦Qtechnology公司首席固件工程师Ricardo Ribalda博士，展示了他的公司是如何创建了一种应用程序，使用美国AMD公司的处理器和美国Mentor Graphics公司的软件工具，对纸币进行高速扫描和验证。
图像分类
今天，执行测量功能、模式匹配、OCR、色彩分析和形态操作所需的工具，都已经比较常用。这样的工具允许开发人员配置多种类型的机器视觉系统，来分类部件是否可接受或必须被拒绝。然而，在某些情况下，如果对象的特征是可变的，那么这些工具的用途就大打折扣了。在水果和蔬菜分选应用中，特定产品是好还是坏，可以依赖于许多不同的因素。
要确定这类产品是否可以接受，则依赖于呈现具有许多图像的系统，提取特定的特征并进行分类。许多不同的分类器可用于执行包括神经网络、支持向量机（SVM）、高斯混合模型（GMM）和k-最近邻（k-NN）的任务。例如，使用其HALCON软件包，MVTec开发人员可以访问所有这些分类器。
许多公司在商业产品中已经使用了这种“深度学习”技术。为了根据可接受或不可接受的缺陷对产品进行分类或分离，瑞士ViDi Systems公司的ViDi green软件允许开发人员将图像分配和标记为不同的类别，之后未经培训的图像可以被分类。在瓶子的分选应用示范中，意大利Datalogic公司最近展示了在“测试瓶子首先呈现给系统、以及图像中的关键点自动提取”后，如何能够使用k-d树分类器来识别和分类瓶子。
使用德国StemmerImaging公司的CVBManto的开发人员，也不需要在分类之前选择图像中的相关特征。使用提取的纹理、几何和颜色特征，将捕获的数据呈现给SVM进行分类。与之相似，美国Cyth Systems公司的NeuralVision系统，在设计上旨在允许那些没有图像处理经验的机器制造商，能向他们的系统中添加图像分类。
通过在提取的数据上应用多个图像分类器，开发人员可以确定提取的特征是否足够好，最终确定正在分析的产品的特定特征。否则，则可能需要提取不同类型的特征。因此，一些公司提供允许开发和测试多个分类器的软件包。荷兰PR Sys Design公司的perClass就是这样一种工具包，提供多种分类器，允许开发人员与数据进行交互式工作，选择数据中用于图像分类的最佳特征，训练多种多样的分类器并优化它们的性能（见图4）。
图4：PR Sys Design公司的perClass提供多种分类器，允许开发人员与数据交互式工作，选择数据中的最佳特征进行图像分类，训练各种类型的分类器并优化它们的性能。在该图像中，显示了关于炸薯条的高光谱缺陷探测问题。（左）：从四种材料（健康土豆、土豆皮、腐烂和变绿）的超光谱图像中提取的训练数据的可视化。（右）：具有超叠加颜色的测试高光谱图像（103种光谱波长之一），显示分类器的决定。
网络上现在有许多深度学习资源。其中最有趣的两个是Tombone"s Computer Vision Blog（www.computervisionblog.com），一家致力于深度学习、计算机视觉和AI算法的网站，以及The Journal of Machine Learning Research（JMLR; www.jmlr.org），这是一家出版机器学习论文的论坛。
然而，虽然这种深度学习方法可以用于开发诸如手写识别、遥感和水果分选之类的应用，但是它们总是具有有限的精度，使得分类器不太适用于需要高精度测量或对准零件用于组装或加工、或用于精密机器人引导的应用。
开源代码提供替代选项
许多开发人员选择高级商业软件包来开发机器视觉系统，因为它们的易用性和可用的技术支持。其他更雄心勃勃的开发人员，可能希望尝试在他们的项目中使用开源代码。虽然提供很少的技术支持，但不需要许可证或使用费。
这类开源软件范围涵盖C/C++和Java库、框架、工具包和最终用户软件包，其中许多可以在美国RoboRealm公司的网站上找到。虽然一些链接已经过时，但该网站确实提供了许多可用的开源机器视觉库的概览。
使用开源代码开发应用程序的两种最受欢迎的方法包括：利用诸如AForge.NET（www.aforgenet.com）之类的软件，该软件是为计算机视觉和人工智能的开发人员设计的C#框架；以及Open Source Computer Vision Library（Open CV），这是一个开源计算机视觉和机器学习软件库，提供C/C++、Python和Java接口，并支持Windows、Linux、Mac OS、iOS和Android操作系统。
对于希望从C#使用OpenCV的用户，Elad Ben-Israel已经为.NET Framework创建了一个小型OpenCV封装。代码由Managed C++编写的DLL组成，将OpenCV库封装在.NET类中，以便它们可以从C#、VB.NET或Managed C++获得。该封装可以从http://bit.ly/VSD-1704-8下载。其他.NET封装包括Emgu CV（www.emgu.com），OpenCV的跨平台.NET封装，允许从.NET兼容语言（如C#、VB、VC ++和IronPython）调用OpenCV函数。该封装包可以由Visual Studio、Xamarin Studio和Unity编译，并在Windows、Linux、Mac OS X和Android操作系统下运行。
要使用OpenCV构建计算机视觉应用程序，开发人员可以使用SimpleCV（http://simplecv.org），这是一种开源框架，允许访问多个计算机视觉库（如OpenCV），而无需了解位深度、文件格式、颜色空间或缓冲区管理协议。由于通过OpenCV自动执行整合英特尔的集成性能基元（IPP），因此自动加速了超过3000种专有优化的图像处理和计算机视觉功能。这些IPP可以在英特尔的开发者站点（http://bit.ly/VSD-1704-9）免费下载。
迄今为止，一些公司支持用OpenCV库开发，如美国WillowGarage公司、德国Kithara公司、美国国家仪器（NI）公司和新西兰ControlVision公司。
机器视觉软件有哪些篇(2):创科机器视觉软件V5.0
一、软件概述
CKVision 视觉软件开发包是由深圳市创科自动化控制技术有限公司自主
研发的机器视觉软件开发包，具有速度快、精度高和稳定性强。可广泛应用
于半导体、电子产品、食品、药品和印刷等行业。
二、软件特点
_ 支持所有图像采集设备，适用范围广。
_ 功能分为多模块，以类库形式封装，开发应用方便。
_ 具有速度快、精度高和稳定性强等特点。
_ 自主研发，成本相对较低，高性能高性价比。
三、软件功能
3.1、图像预处理功能
_ 灰度形态学：包括膨胀、腐蚀、开、闭和边缘梯度等功能。
_ 灰度滤波器：包括平滑、锐化、增强和亮度、对比度调节。
_ 算术与逻辑：包括加法、减法、绝对值减法、与、或和异或。
_ 图像转换：彩色图转灰度图、彩色图二值化和灰度图二值化。
_ 图像变换：包括仿射变换和透视变换两种。
3.2、二维测量功能
_ 边缘点检测工具：检测一个或多个边缘点的位置，能够检测出亚
像素精度的边缘点位置。
_ 间距测量工具：用于测量产品的宽度和高度，可以同时检测多个
引脚之间的间距。
_ 直线拟合工具：对输入的一组坐标点做直线拟合，可得出拟合误
差、直线的参考点和旋转角度等数据，具有精度高和稳定性强等
特点，可用于测量和定位产品。
_ 圆形拟合工具：对输入的一组坐标点做圆形拟合，可得出拟合误
差、圆的中心坐标和半径等数据，具有精度高和稳定性强等特点，
可用于测量圆形工件产品。
3.3、缺陷检测功能
_ 图像差异对比：比较两张图像之间是否存在差异，再使用Blob 功
能提取差异点特征，可用于标签印刷缺陷方面的检测。
_ Blob分析工具：检测连通区域目标几何形状特征，包括面积、重
心、孔洞数量、外接矩形、主轴特征、凸包特征和最小面积外接
矩形。可根据特征值来判定是否为需要找的目标或缺陷点。
3.4、目标定位功能
_ 灰度区域匹配：基于灰度归一化互相关匹配，具有速度快和识别
率高等特点，可通过插值达到亚像素精度，允许目标存在亮度和
对比度变化。
_ 几何形状匹配：基于形状特征的匹配功能，具有速度快、精度高
和识别率高等特点，即使目标存在旋转、部分缺陷或被遮挡和光
照变化不均匀都可以被搜索到。
3.5、相机标定功能
_ 相机标定工具：支持圆点矩阵标定板，可自动计算出相机和标定
板之间的变换参数，包括平移、旋转、比例和倾斜等数据。
_ 图像校正工具：可根据标定工具检测出的数据对图像进行校正，
将原先存在倾斜的图像校正到一个平面上。
3.6、彩色分析功能
_ 颜色监测：监测指定区域的彩色值是否正确，彩色值可以是RGB
空间的红色、绿色和蓝色，或是HSI 空间的色调、饱和度和亮度。
_ 颜色识别：对预先定义好的颜色样本进行识别，判断两个样本的
颜色成分是否一致，并给出评分。
机器视觉软件有哪些篇(3):机器视觉检测系统
机器视觉检测系统1.引言 现代工业自动化生产中涉及到各种各样的检验、生产监视和零件识别应用，如汽车零配件批量加工的尺寸检查和自动装配的完整性检查、电子装配线的元件自动定位、IC上的字符识别等。通常这种带有高度重复性和智能性的工作是由肉眼来完成的，但在某些特殊情况下，如对微小尺寸的精确快速测量、形状匹配以及颜色辨识等，依靠肉眼根本无法连续稳定地进行，其它物理量传感器也难以胜任。人们开始考虑用CCD照相机抓取图像后送入计算机或专用的图像处理模块，通过数字化处理，根据像素分布和亮度、颜色等信息来进行尺寸、形状、颜色等的判别。这种方法是把计算机处理的快速性、可重复性与肉眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉检测技术的概念。 视觉检测技术是建立在计算机视觉研究基础上的一门新兴测试技术。与计算机视觉研究的视觉模式识别、视觉理解等内容不同，视觉检测技术重点研究的是物体的几何尺寸及物体的位置测量，如轿车白车身三维尺寸的测量、模具等三维面形的快速测量、大型工件同轴度测量以及共面性测量等，它可以广泛应用于在线测量、逆向工程等主动、实时测量过程。视觉检测技术在国外发展很快，早在20世纪80年代，美国国家标准局就曾预计未来90％的检测任务将由视觉检测系统来完成。因此仅在80年代，美国就有100多家公司跻身于视觉检测系统的经营市场，可见视觉检测系统确实很有发展前途。在近几届北京国际机床展览会上已经见到国外企业展出的应用视觉检测技术研制的先进仪器，如流动式光学三坐标测量机、高速高精度数字化扫描系统、非接触式光学三坐标测量机等。 2.机器视觉检测系统构成、分类及工作原理 2.1 系统构成与工作原理 (1)系统构成 典型的视觉系统一般包括光源、镜头、CCD照相机、图像处理单元(或图像采集卡)、图像处理软件、监视器、通讯／输入输出单元等。 (2)工作原理 视觉系统的输出并非图像视频信号，而是经过运算处理之后的检测结果(如尺寸数据)。通常，机器视觉检测就是用机器代替肉眼来做测量和判断。 首先采用CCD照相机将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号。图像系统对这些信号进行各种运算来抽取目标的特征，如：面积、长度、数量、位置等。最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格/不合格、有/无等。上位机(如PC和PLC)实时获得检测结果后，指挥运动系统或I/O系统执行相应的控制动作(如定位和分类)。 2.2 系统分类 从视觉系统的运行环境分类，可分为PC—BASED系统和PLC—BASED系统。基于PC的系统利用了其开放性、高度的编程灵活性和良好的Windows界面，同时系统总体成本较低。PC—Based系统内含高性能图像采集卡，一般可接多个镜头，并提供库函数支持。目前世界一流的PC—Based视觉系统生产厂商美国Data Translation公司，其MACH 系列(如DT3155)和MV系列PC I工业视觉卡已经成为业界标准；配套软件方面，32位SDK for Windows95/98/NT提供C/C++编程用DLL，DT Active Open Layer可视化控件提供VB和VC++下的图形化编程环境，而DT Vision Foundry则是Windows下面向对象的机器视觉组态软件，用户可用它快速开发复杂高级的应用。类似的还有美国NI公司，该公司将机器视觉和运动控制功能与其被广泛应用的Labview虚拟仪器软件相结合，效果显著。 与美国公司大力发展PC结构相比，日本和德国公司在PLC—Based系统方面走在前列。在PLC系统中，视觉的作用更像一个智能化的传感器，图像处理单元独立于系统，通过串行总线和I/O与PLC交换数据。日本松下公司的Image Checker M100/M200系统可说是这方面的代表。该系统利用高速专用ASIC进行256级灰度检测，带逻辑条件和数学运算功能。系统软件固化在图像处理器中，通过类似于游戏键盘的简单装置对显示在监视器中的菜单进行配置，开发周期短，系统可*性高，其新一代产品A110/A210体现了集成化、小型化、高速化和低成本的特点。欧姆龙、Keyence等公司也有类似的系统，但在技术性能上相对简单，更适用于进行有无判别或形状匹配等。而德国Siemens公司的智能化PROFIBUS工业视觉系统SIMATICVS 710提供了一体化的、分布式的高档图像处理方案，它将处理器、CCD、I/O集成在一个机箱内，提供PROFIBUS的联网方式或集成的I/O和RS232接口，更重要的是通过PCWINDOWS下的Pro Vision软件进行组态。VS 710第一次将PC的灵活性、PLC的可靠性、分布式网络技术和一体化设计结合在一起，使得西门子在PC和PLC体系之间找到了完美的平衡。 3.机器视觉检测系统的典型应用领域及市场现状 现代视觉理论和技术的发展，不仅在于模拟人眼能完成的功能，更重要的是它能完成人眼所不能胜任的工作。在当今电子、光学和计算机等技术不断成熟和完善的基础上，视觉技术这个新兴技术门类也得到迅速发展。 机器视觉的特点是自动化、客观性、非接触和高精度。与一般意义上的图像处理系统相比，机器视觉系统强调的是精度、速度以及工业现场环境下的可靠性。机器视觉特别适用于大批量生产过程中的质量检查，如：零件装配完整性、装配尺寸精度、零件加工精度、位置/角度测量、零件识别、特性/字符识别等，主要应用于包括汽车、制药、电子与电气、制造、包装、食品、饮料、医学等领域，用于对汽车仪表盘加工精度的检查、高速贴片机上对电子元件的快速定位、对管脚数目的检查、IC表面印字符的辨识、胶囊生产中对胶囊壁厚和外观缺陷的检查、轴承生产中对滚珠数量和破损情况的检查、食品包装上对生产日期的辨识、对标签贴放位置的检查以及医疗方面对细胞数量和性质的判断等。由于机器视觉系统可以快速获取大量信息，易于自动处理，也易于与设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。机器视觉系统的特点是提高生产的柔性和自动化程度，在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合，采用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量不仅效率低而且精度不高，而用机器视觉检测方法可以大大提高生产效率和生产的自动化程度；此外，机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。国际上视觉系统的应用方兴未艾，仅1998年的市场规模已达46亿美元，而在国内，工业视觉系统尚处于概念导人期，各行业的领先企业在解决了生产自动化的问题以后，才开始将目光转向视觉测量自动化。
4.机器视觉检测系统在检测方面的应用 机器视觉系统在工业在线检测的各个领域得到广泛应用。 (1)大型工件平行度、垂直度测量采用激光扫描与CCD探测系统的大型工件平行度、垂直度测量仪，它是以稳定的准直激光束为测量基线，配以回转轴系，旋转五角标棱镜扫出互相平行或垂直的基准平面，并将其与被测大型工件的各面进行比较。在加工或安装大型工件时，可用该认错器测量面间平行度及垂直度。 (2)热轧螺纹钢几何参数在线动态检测系统 该系统以频闪光作为照明光源，利用面阵和线阵CCD作为螺纹钢外形轮廓尺寸的探测器件，实现热轧螺纹钢几何参数在线测量的动态检测。 (3)轴承状态实时监控 采用视觉技术实时监控轴承的负载和温度变化，消除过载和过热的危险。该技术将传统的通过测量滚珠表面来保证加工质量和安全操作的被动式测量变为主动监控。 (4)基于机器视觉的仪表板总成智能集成测试系统 汽车仪表板总成上安装有速度里程表、水温表、汽油表、电流表、信号报警灯等，其生产批量大，出厂前需要进行一次质量终检。检测项目包括速度表等五个仪表指针的指示误差，24个信号报警灯和若干照明灯是否损坏或漏装等。通常采用人工目测方法检查，但误差大、可靠性差，不能满足自动化生产的需要。机器视觉检测技术的智能集成测试系统改变了这种现状，实现了对仪表板总成智能化、全自动、高精度、快速度的质量检测，克服了人工检测所造成的各种误差，大大提高了检测的效率和可靠性。 (5)金属板表面自动探伤系统 在对表面质量要求很高的特殊大型金属板进行检测时，原始的检测方法是采用人工目视或用百分表加探针进行检测，该方法不仅易受主观因素的影响，而且可能给被测表面带来新的划伤。金属板表面自动探伤系统利用机器视觉检测技术对金属表面缺陷进行自动检查，可在生产过程中高速、准确地进行检测，同时由于该系统采用非接触式测量，避免了产生新划伤的可能。该系统采用激光器作为光源，通过针孔滤波器滤除激光束周围的杂散光，采用扩束镜和准直镜使激光束变为平行光并以45度的入射角均匀照射在被测金属板表面上。金属板放在检验台上，检验台可在x、y、z三个方向上移动，摄像机采用TCD142D型2048线阵CCD，镜头采用普通照相机镜头，CCD接口电路采用单片机系统。PC主机主要完成图像预处理及缺陷的分类或划痕的深度运算等，并可将检测到的缺陷或划痕图像在显示器上显示。CCD接口电路和PC机之间通过RS.232口进行双向通讯，构成人机交互式数据采集与处理。该系统主要利用线阵CCD的自扫描特性与被检钢板在x方向的移动相结合，提取金属板表面的三维图像信息。 (6)汽车车身轮廓尺寸精度检测系统 英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100％在线检测，是机器视觉系统用于l3l工业检测中的一个典型实例。该系统由62个测量单元组成，每个测量单元包括一台激光器和一个CCD摄像机，用以检测车身外壳上288个测量点；汽车车身置于测量框架下，通过软件校准车身的精确位置。每个激光器、摄像机单元均在离线状态下经过校准，同时还有一个在离线状态下用三坐标测量机校准过的校准装置用以对摄像机进行在线校准；检测系统以每40秒检测一个车身的速度，可检测三种类型的车身；系统将检测结果与从CAD模型中提取出来的合格尺寸相比较，测量精度为±0.1mm。ROVER公司的质量检测人员用该系统来判别关键部分的尺寸一致性，如车身整体外型、车门、玻璃窗口等。检测实践证明，该系统可成功进行800系列汽车车身轮廓尺寸精度的在线检测，并将用于检测ROVER公司其它系列的车身轮廓尺寸精度。 (7)奥迪白车身表面质量检测系统 奥迪公司最近研制成功了一种能够对白车身表面缺陷进行全自动检测的系统，取名为“智能控制白车身表面质量检测系统”。该检测系统综合采用了投影光栅直接相位采集、高速数字图象处理、表面缺陷图象模式自动识别、智能化质量判断、自适应系统学习技术、高速数字信息网络、松散化自调节软硬件结构以及机器人系统控制技术，可以在传动速度为5m/min的生产线上，对焊装完毕的白车身进行100％的在线检测。整车检验时间为1分20秒。通过自动测试与分析，将过去靠肉眼无法分辨的表面缺陷直接标记在车身上，使白车身进入喷漆工序之前即可对缺陷处进行打磨，节省了表面喷涂过程中的打磨工序，既节约了大量制造成本，同时又提高了车身的表面质量。 此外，在许多其它方法难以检测的场合，利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平。 5.机器视觉系统与CMM的集成 随着国际市场竞争的加剧，各国的制造企业越来越清楚地认识到，产品质量的好坏，是决定企业生产和经营成败的关键。随着市场环境的多样化，企业对庞大的与质量有关的数据的采集、处理和传递提出了更高的要求，更具柔性和自动化的CAQ系统呈现出以下发展趋势：①在必要的情况下，CAQ系统可以100％地检测产品，而不像现在普遍采用的抽样检测；②将检测规划集成到加工过程中，形成闭环反馈控制系统，在检测时确定产品相对于标准尺寸的偏差，并在线纠正，因此，可获得近100％的优质产品；③机器视觉和先进的图像处理技术、逆向工程技术已广泛地应用于自动化检测，因此，可完成智能化、柔性、快速和低成本的检测目标。④适用于不同产品结构的检测技术可将新的产品技术要求直接从CAD/CAM数据库传输到检测系统中，不需要操作人员编制特殊的程序。 机器视觉和逆向工程等技术的发展及其与CMM的集成，可以进一步提高CMM的测量效率。对于具有原始CAD模型的测量对象，可以利用机器视觉系统，迅速识别对象物的形状及其在测量平台的位置和状态，完成机器坐标系、工件坐标系、摄像机坐标系三者之间的转换，帮助CMM实现检测路径自动形成与测量结果判断。机器视觉系统将采集到的信息传输到计算机，同时计算机控制视觉系统的操作，另一方面计算机将生成的检测规划传输到CMM控制器中，由该控制器控制CMM测量，再将测量结果反馈回主控计算机，形成闭环反馈检测系统。 为了生成检测规则，利用CAD/CAM数据库中所存在的信息，将机器视觉得到的图像数据与CAD数据进行匹配，自动确定工件位置，选定检测项目、检测点和检测路径；确定测量点的方法是：为尽可能减少测量误差，事先对测量对象均以等间隔指定测量点；最后生成CMM的测量指令传输到CMM控制器上，开始测量。对于不存在原始CAD模型的测量对象，可以采用逆向工程技术，即通过对机器视觉系统所采集到的测量点的三维坐标进行处理，重建该物体的CAD模型。 6.结语 机器视觉检测系统能够大幅降低检验成本，提高产品质量，加快生产速度和提高生产效率。作为高精度、非接触的测量方案，视觉系统涉及到光学和图像处理算法，本身就是高度专业化的产品，在整个测量控制系统中，往往要与运动控制系统配合完成位置和进给控制。另外，生产线上对多工序进行同步连续检测时，必须使视觉系统具备分布式联网能力。机器视觉与运动控制、网络通讯等先进技术的结合正在改变工业自动化生产的面貌。随着机器视觉技术自身的成熟和发展，可以预计，它将在现代和未来制造企业中得到越来越广泛的应用。
关注本公众号
可查阅更多图像知识信息，合作共享！声明：
