机器视觉系统(机器视觉系统的简介)
1.机器视觉系统的简介
视觉系统就是用机器代替人眼来做测量和判断。视觉系统是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）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，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。
机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于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，常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效率低且精度不高，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。而且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。可以在最快的生产线上对产品进行测量、引导、检测、和识别，并能保质保量的完成生产任务。
2.机器视觉系统的组成及各部分功能
机器视觉系统一般是由：机器视觉光源，光学镜头，工业相机，传感器，图像分析处理软件，通讯接口等组成的。
1、光源：在目前的机器视觉应用系统中，好的光源与照明方案往往是整个系统成败的关键，光源与照明方案的配合应尽可能地突出物体特征量，在物体需要检测的部分与那些不重要部份之间应尽可能地产生明显的区别。其中 LED 光源凭借其诸多的优点在现代机器视觉系统中得到越来越多的应用
2、光学镜头：光学镜头相当于人眼的晶状体，在机器视觉系统中非常重要。镜头的主要性能指标有焦距、光阑系数、倍率、接口等。
3、相机：相机是机器视觉系统获取原始信息的最主要部分，目前主要使用的CMOS相机和CCD相机。目前 CCD 摄像机以其小巧、可靠、清晰度高等特点在商用与工业领域都得到了广泛地使用。
4、图像采集卡：在基于 PC 机的机器视觉系统中，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。
5、视觉传感器：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，特别是与工业广泛使用的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机器视觉组件。目前国外已经开发出了一种叫做视觉传感器的模块化部件。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 PC 机，利用专用组态软件编制各种算法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。
详情请参考普密斯光学
3.机器视觉系统的介绍
机器视觉系统就是利用机器代替人眼来作各种测量和判断。它是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。
4.什么是机器视觉系统
机器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。
光源：与视觉传感器的照明因素一样，它是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。其光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。另一方面，环境光有可能影响图像的质量，所以可采用基于PC的方案主要针对电子生产测试设备，其优点是高性能、高灵活度和高性价比，十分适合于高难度、高分辨率和高速的机器视觉应用。 所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步.
镜头：镜头选择应注意焦距，目标高度，影像高度，放大倍数，影像至目标的距离，中心点 / 节点与畸变.
相机：按照不同标准可分为标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD和面阵CCD；单色相机和彩色相机。
图象采集卡：图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等。比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机，然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。
视觉处理器：视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集卡可以快速传输图象到存储器，而且计算机也快多了，所以现在视觉处理器用的较少了。
工作过程：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，机器视觉测试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。
5.如何学习机器视觉
这个感觉是从论坛上大家所问的问题得出来的。因为。在论坛中看到不少朋友所问的问题，是相当可笑的。说可笑并非指所提问题过于简单幼稚，而是所问的问题一看就是从书本上抄来的，而不是在实际情况下所遇到的。换句话说，论坛中的朋友大多只是在纸上谈兵，极少有人真正自已动手开发视觉系统。这样说是因为自己搞开发的人绝对问不出某些奇怪问题来的。往深了说一点，好象国内的朋友们只喜欢啃书本，并不愿意（也可能是懒得）动手。
一句话，国外机器视觉发展到今天，已经可以清清楚楚分为三个部分： 1，底层开发部分。 2，二次开发部分。
3，最终使用部分。于是在国外，从事这一行业的人现在也就可以简单而清楚地分成三种人： 1，底层开发的人（从事底层开发工作的人）。
2，二次开发的人（从事二次开工作的人）。
3，使用及操作机器视觉系统的人（从事最终使用工作的人）。
第一类人。就是我们常说的，开发通用视觉系统（如：DVT，西门子，欧姆龙，EVISION,COGNEX等等）的开发人员，也就是DVT,COGNEX这些公司开发部的技术职工。
第二类。就是大家所说的OEM用户。是专门用第一类人所开发出的系统，给第三类人搞二次开发，开发各种专为第三类人所用的系统。
第三类人，就是用户（end
user）。这类人是真正将机器视觉系统应用到各个领域中的人，他们不仅在各自的行业中使用种种已经开发成型的机器视觉系统。而且负责对各类系统进行测试及评估。
举个实际例子，这里有不少朋友问过这类问题：如何检测某一工件；检测光盘表面的系统该如何配置CCD相机、镜头及灯源等。问这些问题的朋友应该算是第三类人。他们公司要他们寻找一个系统可以用来检测本公司的产品。但由于第一类人所开发的，只是通用的系统以及视觉系统开发工具的软件包。并没有哪家公司专门开发一套系统来检测光盘或是某种特定的工件。所以，这些朋友就应该来找我，因为我是第二类人。
我的工作就是，专门用DVT,EVISION,COGNEX等的视觉卡，以及视觉系统开发工具软件包为他们专门开发一套他们所需要的光盘检测系统或是工件检测系统。
绕了老大一圈，其实要说的问题就是一个----我所发现的问题：这里80%以上朋友把自己的身分混淆了，越俎代庖。
不客气的说，目前国内搞这行的朋友似乎都有些好高骛远。不少从事第二部分工作朋友（搞二次开发的第二类人）对于机器视觉有关知识的了解，尚不如国外第三类人的知识水平（我是从大家所问的问题感觉到的）。而国内第三类朋友知识水平就更可想而知。
可是奇怪的是，每个人所问的却都是第二类人要问的，有些甚至是一类人才会问的问题。好象，机器视觉是个十分简单的技术，凭大家随便问几个“关键性”的问题，再由所谓的“专家”三言两语的回答一下。大家就一夜之间都可以自己搞底层开发，成第一类人了。
要成为第一类人，又分硬件及软件两种。要对自己所负责的这个模块非常了解，搞软件要知道算法及运行速度；搞硬件要明白公司所选用芯片的特点等等。同时还要清楚对手公司的优缺点以及机器视觉这一行的种种动态和最新技术。
总结一下。这三种人相比，第一类人一定要专业，对机器视觉的某一领域非常非常了解；第二类人虽比不上第一类人那么专业，但更加全面；第三类人更熟悉各个应用系统开发公司（第二类人）的优缺点。
现在大家可以看得出，机器视觉发展到今天，其分工已经越来越细，每个部分的工作其实是很难相互取代的。大家不要以为第三类人就比第一类人低一等，这是一个错误的等级概念。我本人过去曾属于第一类人，现在作的是第二类工作。而我的几个“师弟师妹”（当初曾一起作第一类人时的同事）现在就在干第三类工作。大家别小看第三类工作，以为这是小儿科，你能真作好这一行也不是很容易。毕竟这也是一门行当也是一个饭碗！另外，以我个人来看：以国内现在机器视觉的水平，对于那些想作第一类人的朋友我在这里劝一句：还是算了吧。
国内的机器视觉水平打根子上就差，您还打算搞底层？算法本身都是抄人家的，就只能和对手拼程序的写法了。不过我觉得那更没戏。
这样说我绝没有看不起初学者的意思。我说过：所问的问题再简单，我都不会笑话你。对于每样事物我们都是从无知开始的。但是，对于那些极不实际的好高骛远的问题，我还是要说，希望大家踏实下来，戒浮躁，从最基本地学起----先确定自己的身份。
6.机器视觉系统的工作原理是什么
说白了就是用机器替代人眼完成检测，具体实现的过程是用工业相机采集被检测器件的图像，而这个采集的过程可以说是机器视觉最为重要的一个环节了，因为要将被采集器件需要检测的特征全部都体现出来，所以如何采集图像需要不断地根据器件的特征调整光源以及相机的参数，确保能够采集到准确的图像需要不断地进行调整，
1.当然这个时候是模拟量，然后利用专业的图像处理软件将模拟信号转化为数字信号，
2.再对其进行运算，抽取目标的待检测特征，比如说颜色、器件表面是否有划痕、规格大小是否合格、表面涂料是否均匀等等等，
3.输出结果，反馈到机械端对于器件进行分检，将不合格器件挑选出来。
7.机器视觉系统有哪些组成部分
机器视觉主要由5部分组成：照明、镜头、相机、图像采集卡、视觉处理器。
照明：照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉光源照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。
镜头：
镜头选择应注意：焦距；目标高度 ；影像高度 ；放大倍数 ；影像至目标的距离 ；中心点 / 节点 ；畸变。
相机：按照不同标准可分为：标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD和面阵CCD；单色相机和彩色相机。
图像采集卡：图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。
视觉处理器：视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。
