房超
男，天津科技大学硕士研究生，研究方向为机器视觉和模式识别。现任大恒图像视觉算法部经理，多年来一直从事视觉系统的方案设计和算法研究工作。(中国大恒(集团)有限公司北京图像视觉技术分公司，北京    100086)

1  机器视觉概述

    作为一门新兴的学科，机器视觉近20年来一直以迅猛的速度发展，自90年代中期以来，机器视觉的发展已经从最初的实验室研究阶段逐渐走向实际应用的发展阶段。尤其进入21世纪以后，机器视觉在各行各业的应用得到了前所未有的普及和推广，理论研究也在高分辨率的多灰度图像处理、三维视觉模型、模式识别和神经网络等领域内取得了很大的进展。

    1.1   机器视觉发展的客观因素

    近几年来机器视觉的长足发展得益于以下的事实：

    （1）计算机工业水平的飞速提高以及人工智能、并行处理和神经元网络等学科的发展，使得机器视觉系统的实用化程度得到了进一步的提高，同时促进了许多复杂视觉过程的研究；

    （2）摄像机技术的发展使得高速和高精度应用场合的视觉系统成为可能；

    （3）光源的发展尤其高亮度专用LED照明光源的使用使得视觉系统的稳定性得到很大的提高，同时降低了算法的复杂程度；

    （4）许多专业传感器的发展使得视觉系统在定位采集和控制输出上的能力进一步增强。

    1.2   视觉系统取代人工检测是现代化进程的必然趋势

    目前，机器视觉系统正在广泛地应用于视觉检测、机器人的视觉引导和自动化装配领域中。在现代化的大生产之中，产品质量检测和工艺环节中的质量控制往往是不可缺少的，比如，印刷品质量、产品上号码的印刷质量、机械零件的外观、产品包装的外观、电路板焊接的好坏，等等。在应用视觉检测系统之前都是依赖于人工检测，通过肉眼或结合辅助工具进行观测检验。人工检测的弊端很多，主要体现在以下几个方面：

    （1）人工检测劳动强度大，生产效率低；

    （2）较多的人工检验人员会造成较大的人工成本；

    （3）人工检测的主观性会直接影响产品的质量，没有严格统一的质量标准，尤其在一些无法量化的定性检测上，每个人的质量标准都不一样，直接影响最终的检测结果；

    （4）在一些高速的生产环节，人工检测无法实现实时全检，抽检的结果会导致大量不合格产品的产生；

    （5）在高精度的检测要求下，人工检测的慢速度无法对所有产品进行准确检测；

    （6）在某些高温或有毒场合，无法通过人工方式对产品质量进行检测；

    （7）人工检测的数据无法准确及时地纳入质量管理系统；

    （8）许多检测的工序需要的是准确定位坐标和角度信息，这些工作是很难靠人眼快速完成的。 

    在生产领域采用基于机器视觉技术的在线检测系统，可以完全克服以上人工检测存在的种种问题。随着生产过程自动化控制程度和产品质量要求的提高以及人工成本的逐年提高，生产领域采用视觉检测系统用于质量检测和控制的呼声也越来越强烈，越来越迫切。

    1.3   视觉系统的基本工作原理

    机器视觉系统一般采用CCD摄像机采集待测物图像，再采用先进的计算机硬件与软件技术对图像数据进行分析处理，根据处理分析的结果实现模式识别、尺寸或坐标计算、缺陷分析等多种功能。最后将检测结果输出：既可输出报警信号，也可输出控制信号以配合执行机构完成位置调整或者实现好坏筛选。与人工视觉相比较，机器视觉的最大优点是精确、快速、可靠以及数字化。

    1.4   视觉系统的构成

    机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。其中图像的获取是一个视觉系统成败的基础，只有获取了稳定可靠的待测物图像，将待测物缺陷完整准确地表现出来，才能保证分析阶段的可行和可靠，因此可以说图像的获取方案最能体现视觉系统的设计水平；图像的处理和分析主要是通过硬件或软件的方法来对待测物图像进行分析处理，通过图像处理和模式识别的方法将待测物的缺陷提取出来并准确分类，这一阶段可以说是体现了视觉系统的技术水平和算法设计能力，尤其在一些精度高，速度快的应用场合，算法设计起到决定系统成败的关键作用；结果的输出与显示主要是要对分析的结果进行输出显示或控制输出等处理，主要体现了视觉系统的功能设计水平，其中输出控制属于自动控制的范畴。

2    视觉系统的基本设计步骤
 
    一个系统的实用性和技术水平主要取决于设计工作的细致性，因此首先要仔细分析客户需求，根据实际的系统工作条件来确定系统方案。下面简要介绍视觉系统的设计步骤。

    2.1   图像获取方案设计

    （1）根据系统的精度和速度要求确定摄像机的分辨率、行频或帧率；

    （2）根据视场大小和物距要求以及安装空间位置要求确定镜头的各项参数；

    （3）根据待测物特征确定光源和照明方式；

    （4）确定图像采集的控制方式，面阵相机方案主要是确定外触发方式，线阵相机方案主要是确定编码器行信号和复位信号的使用；

    （5）  考虑图像采集的抗干扰设计，工业现场的干扰源很多，因此要根据实际的工作环境来设计抗干扰方案。

    2.2   图像处理和分析方案设计

    主要是涉及到软件算法的设计。

    （1）首先要确定是采用DSP的处理方式还是纯软件的处理方式；

    （2）其次要确定开发语言，即确定高级语言程序的编译调试工具，目前常用的是VC，VB和C++ Builder等；

    （3）确定图像处理工具的使用，为了加快开发进度可以采用一些成熟的图像处理库，常见的主要有OpenCV，IPP以及Halcon等一些专业处理库；

    （4）算法设计，根据采集的待测物图像设计分割和模式识别的算法；

    （5）分类方法设计，根据图像分析的结果对各种缺陷准确分类。

    2.3   输出设计

    结果输出可根据客户的实际需要和调试维护的需求来设计。

    （1）显示设计，包括图像显示、分类结果显示等；

    （2）数据存储，包括图像存储、检测数据的存储、数据库设计等；

    （3）报警输出，即报警方式设计，包括用户界面上的报警输出、声光报警等；

    （4）控制输出，根据实际需要确定控制输出的方式，主要有停机控制、剔废控制和反馈控制等。

3    视觉系统在工业检测的应用案例

    机器视觉系统首先在一些效益好的规模型企业得到有效地应用，如人民币生产企业、钢铁企业、烟草生产企业、大型印刷企业、汽车零部件生产企业以及芯片电子产品生产企业等。这些企业长期以来跟国外的合作较多，能够很快接受先进的检测技术。规模型企业在质量检验方面的人员比较多，比较适合视觉检测系统的应用。尤其随着竞争的加剧，企业强烈需要通过采用视觉检测系统提高产品质量，通过降低废品率来控制生产成本，实现质量管理的数字化。

    以下简要介绍视觉系统在工业检测中的几个常见的应用案例。

    3.1   OCR与OCV

    很多产品上都印刷有号码，这些号码有的是作为防伪的措施而存在的，有的是作为产品的唯一标识码。如人民币上的号码即可用作防伪，也是表征该人民币的唯一标识码。每个人民币印制企业对号码印刷的质量要求都很高，行业里也有统一的质量标准，号码作为可见的防伪措施，其印刷的质量直接关系到整个人民币产品的质量，因此人民币印制企业在印码工序上都安装有基于机器视觉的印码在线质量检测系统，作为印码质量控制的一项必需手段。

图1   人民币上的号码

 

图２  增值税票上的号码               图3  牙膏上的号码

    当然还有其他方式的号码产品，如喷码的应用也很广泛，一些票据的号码和香烟外包装上的隐形荧光喷码都是通过喷码机直接喷印到产品表面的，但是喷码的应用场合多是OCR，只校验喷码的正确性，不做喷印质量分析。

图8    硬币表面质量检测



图9    垫片表面质量检测

图10    香烟条盒的外包装质量检测