樊東 陳津徽 張元良

摘?要：人工智能背景下，機器視覺技術(shù)快速發(fā)展。本文首先對機器視覺技術(shù)的系統(tǒng)組成做了簡單介紹，然后對其在工業(yè)上部分應(yīng)用的研究現(xiàn)狀做了總結(jié)，最后闡述了機器視覺技術(shù)的發(fā)展前景及發(fā)展方向。

關(guān)鍵詞：機器視覺技術(shù);工業(yè);研究現(xiàn)狀

1 緒論

隨著人工智能的快速發(fā)展，自動化生產(chǎn)水平大幅提高，各生產(chǎn)領(lǐng)域中，一貫的人工作業(yè)已滿足不了生產(chǎn)需求，因此急需一種技術(shù)將其取代。機器視覺技術(shù)是通過計算機來模擬人的視覺功能[1]，是一門比較復(fù)雜，多學(xué)科交叉的技術(shù)。經(jīng)過近70年的發(fā)展，機器視覺技術(shù)已被廣泛應(yīng)用到農(nóng)業(yè)、工業(yè)等領(lǐng)域，提高了生產(chǎn)的靈活性及自動化程度，滿足當前大批量重復(fù)性生產(chǎn)的要求。

2 機器視覺概述

工業(yè)生產(chǎn)線上，機器視覺系統(tǒng)主要包括圖像采集系統(tǒng)、圖像處理系統(tǒng)、控制決策系統(tǒng)[2]。

圖像采集系統(tǒng)中，光源及光照方式的選擇、相機及鏡頭的選型會影響到采集圖像的質(zhì)量。對于光源，常用的有LED燈、熒光燈、鹵素燈等，其中LED燈憑借功耗低等諸多優(yōu)點，被人們廣泛采用。照明方式有多種，研究人員可根據(jù)研究對象特點及自身需求選擇最合理的方案。相機方面，按芯片類型可分為CCD相機、CMOS相機，兩個各有優(yōu)點，可根據(jù)實際需要選擇。曝光時間、相機幀率、相機接口等參數(shù)也都是需要考慮的因素。鏡頭的選型中，最重要的參數(shù)是焦距。鏡頭的分辨率、景深、畸變等參數(shù)也對成像有一定的影響。而且，所選鏡頭應(yīng)與相機有高程度的配合[3]。

圖像處理系統(tǒng)中，最需要關(guān)注的就是算法，包括圖像增強、邊緣銳化、特征提取、圖像識別與理解等[4]。使用恰當?shù)乃惴?，可以得到較好的效果，為后續(xù)工作的方便進行奠定了基礎(chǔ)。

控制決策系統(tǒng)中，包含了各類機械裝置，其控制系統(tǒng)根據(jù)圖像處理后的結(jié)果，按照研究要求標準，對不合格的工件進行剔除。

3 機器視覺工業(yè)應(yīng)用研究現(xiàn)狀

3.1 尺寸測量與缺陷檢測

工業(yè)領(lǐng)域中所生產(chǎn)的工件幾乎都需要檢測，其中主要包括產(chǎn)品的尺寸測量和缺陷檢測。尺寸測量中，無論是微小零件的精密測量，還是軸類零件、螺紋幾何參數(shù)、薄片零件等，都達到了很高的精度。伍濟鋼[5]對薄片零件尺寸測量進行研究，提出一種輪廓矢量化的測量方法，最終檢測精度達到1um，李亞茹[6]在1.2m×2.6m的測量區(qū)域內(nèi)，對板材進行測量，精度達到了1mm/m。缺陷檢測中，易松松[7]實現(xiàn)了對幾種LED屏幕的檢測，麥國銘[8]實現(xiàn)了光滑注塑產(chǎn)品的缺陷分割，其他諸如玻璃、薄膜等的缺陷，也都相應(yīng)得到了檢測且效率較高。

3.2 機器人視覺定位應(yīng)用

工業(yè)領(lǐng)域中，視覺定位可實現(xiàn)目標產(chǎn)品的自動化，例如，搬運、定位、焊接等。市面上Matlab、OpenCv、LabView、Halcon等成熟的軟件都可用于視覺定位。視覺定位方法有很多，按傳感器的數(shù)量多少可分為單目視覺定位、雙目視覺定位以及全方位視覺定位[9]。當前，學(xué)者們研究較多的還是單目視覺定位算法，楊平[10]結(jié)合實際場景對無人倉中的快遞抓取機器人進行了研究，實驗結(jié)果顯示，對快遞的位置估計上，位置誤差、高度距離誤差、角度平均誤差都在一個很低的范圍內(nèi)。梁亮[11]進行了仿人機器人室內(nèi)自主定位的研究，設(shè)計了一種基于單目視覺的多信息融合的定位算法，較其他方法降低了誤差。

3.3 汽車制造質(zhì)量檢測

我國的生產(chǎn)制造業(yè)正朝著自動化方向發(fā)展，特別表現(xiàn)在汽車制造業(yè)中。在汽車儀表板檢測上，基于機器視覺的儀表板總成智能集成測試系統(tǒng)[12]可對5個儀表的指針誤差，24個信號報警燈等進行檢查。另外，對于同步環(huán)裝配質(zhì)量的檢測，可以使裝錯、漏裝等情況杜絕。汽車車身檢測中，最為著名的是英國的ROVER汽車公司800系統(tǒng)汽車車身輪廓尺寸精度的100%檢測，該系統(tǒng)檢測速度快，精度高，達到±0.01mm。最后是對差動齒輪的檢測，?？怂构疽許IMATIC710為基礎(chǔ)開發(fā)了其監(jiān)測方式，該監(jiān)測方式接連運用兩種不同的方法，可以保證很高的精度。

4 結(jié)語

當前，國內(nèi)外學(xué)者加大了對機器視覺技術(shù)的研究力度，政府部門也有對自動化生產(chǎn)相關(guān)政策的扶持，機器視覺技術(shù)將如雨后春筍般迅速發(fā)展。人工智能大背景下，深度學(xué)習、機器學(xué)習等也為機器視覺技術(shù)指明了方向，將它們相互結(jié)合，可以提升工業(yè)自動化生產(chǎn)水平，進一步解放人類的雙手。發(fā)展道路上，所面對主要問題主要是算法的更新，國內(nèi)外學(xué)者已經(jīng)提出了多種算法，但是大部分都還處于實驗階段，相信經(jīng)過反復(fù)的錘煉，定能在機器視覺技術(shù)中大放異彩。

參考文獻：

[1]韓茜茜，耿世勇，路向陽.基于機器視覺的尺寸測量應(yīng)用綜述[J].河南科技，2019（5）：8-10.

[2]馮鍇.基于機器視覺的金屬手機外殼尺寸測量與表面典型缺陷檢測研究[D].

[3]劉杰.基于機器視覺的手機二維尺寸測量技術(shù)研究[D].

[4]章煒.機器視覺技術(shù)發(fā)展及其工業(yè)應(yīng)用[J].紅外，2006（02）：13-19.

[5]伍濟鋼，賓鴻贊.機器視覺的薄片零件尺寸檢測系統(tǒng)[J].光學(xué)精密工程，2007，15（1）.

[6]李亞茹.基于機器視覺的大尺寸板材測量方法研究[D].

[7]易松松.基于機器視覺的手機面板缺陷檢測方法研究[D].

[8]麥國銘.表面光潔的注塑制品外觀缺陷視覺檢測方法研究[D].

[9]周應(yīng)東.工件視覺定位和識別的關(guān)鍵算法研究[D].

[10]楊平.供件機器人單目視覺抓取技術(shù)應(yīng)用研究[D].

[11]梁亮.仿人機器人室內(nèi)自主定位研究[D].

[12]劉武.機器視覺技術(shù)及其在汽車制造質(zhì)量檢測中的應(yīng)用[J].汽車實用技術(shù)，2018（20）：75-76.

作者簡介：樊東（1992-），男，漢族，江蘇連云港人，碩士，研究方向：圖像處理。

*通訊作者：張元良。