如何通过机器视觉优化生产？

　　对机器视觉在生产线或工艺中能够做什么或不能做什么，人们时常感到困惑。了解它的工作原理，可以帮助人们确定其是否能解决应用所带来的问题。那机器视觉究竟是什么，它是如何工作的？

　　在工业或生产环境中，机器视觉通常使用单个相机或多个相机自动检查和分析物体。然后利用获得的数据控制过程或生产活动。例如在装配线的典型应用中，对部件执行操作之后，触发相机以捕获和处理图像。可以对相机进行编程以检查目标物体的位置、颜色、大小或形状、或物体是否存在。它还可以查看和解密标准或二维矩阵条形码，甚至可以读取打印的字符。

　　在对产品进行检查后，通常会生成一个信号以确定如何处理它。零件可能被拒收到容器或分支输送机中，或通过更多的装配操作、系统跟踪其检查结果。相对于简单的传感器，机器视觉系统通常可以提供关于物体的更多信息。机器视觉的典型应用包括：质量保证，机器人/机器指导，测试和校准，实时过程控制，数据采集，机器监控，排序/计数。

　　许多制造商使用自动化机器视觉而不是人工检查员，因为它更适合重复性的检查任务。它更快、更客观，并且可以持续不间断的工作。机器视觉系统每分钟可检测数百甚至数千个零件，并提供比人工检查员更一致和更可靠的检测结果。

　　通过减少缺陷、提高产量，机器视觉系统帮助制造企业跟踪产品、组件和提升合规性，从而节省了成本并提高了盈利能力。

　　机器视觉的原理

　　离散光电眼（discrete photoeye）是工业自动化中最基本的传感器之一;我们称之为“离散”或“数字”的原因，是它只有两种状态：开或关（图1）。

图1：离散漫射光电传感器可以显示是否测量到数值了。本文图片来源： AutomationPrimer

　　漫反射光眼（diffuse photoeye）的主要原理是发射一束光并检测该光是否被某些物体反射。如果物体不存在，则没有光线反射回光电接收器。通常将24V的电信号连接到接收器。如果存在物体，则信号打开并可以在控制系统中实施控制功能。如果移除对象，信号将关闭。

　　漫射光电眼也可以是模拟的。它可以返回一个数字，表示有多少光线返回其接收器，而不是只有两个状态，关闭和打开。如图2所示的光电眼，它可以返回256个值，从0（表示无光，黑暗或黑色）到255（表示大量光或白色）。左侧光电眼返回值76或深灰色。这大约是最大值255的30％。如果较亮的物体放在传感器的前面，它将返回更高的数字。如果它显示217，这大约是整个范围255的85％，这表示更浅的灰色阴影。

图2：模拟漫射光电传感器可以提供一系列测量。

　　想象一下，将数千个微小的模拟光电眼排列成方形或矩形阵列并指向物体。基于传感器所瞄准的任何地方的反射率，来为对象创建黑白图像。

　　这些图像中的各个感测点被称为“像素”。当然，不是将数千个微小的光电传感器用于创建图像。相反，镜头将图像聚焦到光检测器的固态矩阵上。在矩阵中使用电荷耦合器件（CCD）或光敏固态器件的互补金属氧化物半导体（CMOS）阵列。矩阵内的各个传感器是像素。图3中的一系列图像仅是相机捕获的图像的一小部分。该区域被认为是特定检查所“感兴趣”的区域。

图3：机器传感器使用像素阵列制作图像。

图4：所示的图像使用640x480电荷耦合器件（CCD）捕获。该图来自检查带有塑料盖的玻璃注射器是否严密的应用，目的是确定盖子是否紧密。

　　视觉系统主要组件

　　透镜和照明、图像传感器或照相机、处理器以及通过物理输入/输出（I/O）连接或通过其它通信方式传递结果的方法，是视觉系统的4个主要部分。

　　镜头捕获图像并以光的形式呈现给传感器。为了优化视觉系统，相机需要与合适的镜头相匹配。虽然有许多类型的镜头，但机器视觉应用通常使用具有固定焦距的镜头。

　　以下3个因素是选择视觉系统组件的重要参考因素：

　　1.视野；

　　2.工作距离；

　　3.相机的传感器尺寸。

　　有许多不同的方法将光应用于图像。在设计机器视觉环境时，光线的方向、亮度、颜色或波长与目标颜色相比都是需要考虑的重要因素。虽然照明是获得良好图像的重要部分，但还有另外两个因素会影响图像的曝光量。镜头有一个称为光圈的调节装置，它可以打开或关闭，让更多或更少的光线进入镜头。结合曝光时间，可以确定在均匀照明之前像素阵列上的光量。快门或曝光时间决定了图像施加在像素阵列上的时间。在机器视觉中，快门是电子控制的，通常在毫秒级。

　　捕获图像后，就可以使用应用软件工具。某些软件工具在分析（预处理）之前应用，而另一些则用于确定被检查对象的属性。在预处理阶段，可以对图像应用效果以锐化边缘、增加对比度或填充空间。这样做是为了增强其它软件工具的处理功能。

　　机器视觉目标

　　以下是可用于获取有关目标信息的一些常用工具的列表：

　　●像素计数：计算对象中亮或暗像素的数量。

　　●边缘检测：查找对象边缘。

　　●测量/计量：物体尺寸的测量（例如像素、英寸或毫米）。

　　●模式识别或模板匹配：查找、匹配和计算特定模式。这可以包括确定对象，它可以旋转、部分地被另一个对象遮盖或者调整尺寸大小。

　　●光学字符识别（OCR）：自动读取序列号等文本。

　　●条形码、数据矩阵和“二维条形码”读取：获取各种条形码标准中包含的数据。

　　●斑点检测和提取：检查图像中连接像素的离散斑点（例如灰色物体中的黑洞）作为图像标记。

　　●颜色分析：使用颜色识别零件、产品和物品，评估质量并使用颜色隔离特征。

　　在检查中获取数据的目的通常是用于与目标值进行比较，以确定“通过或失败”或“继续/不继续”的结果。例如，通过代码或条形码验证，将读取值与存储的目标值进行比较。对于测量，将测量值与适当的值和公差进行比较。