机器视觉主要产品选型.docx
《机器视觉主要产品选型.docx》由会员分享，可在线阅读，更多相关《机器视觉主要产品选型.docx（48页珍藏版）》请在冰点文库上搜索。
机器视觉主要产品选型
第一章机器视觉简介2
第一节机器视觉概述2
1.1机器视觉的概念2
1.2机器视觉系统的组成3
1.3机器视觉系统的原理4
第二节机器视觉研究的主要问题5
第三节机器视觉的优点6
第四节机器视觉存在的主要问题6
第五节机器视觉的应用领域7
第六节机器视觉的研究进展10
6.2机器视觉在中国的发展现状10
6.3机器视觉在中国的发展阶段11
机器视觉在中国短暂的发展历史11
6.4机器视觉的未来发展趋势13
第二章光源15
第一节机器视觉光源的选择标准15
第二节机器视觉系统照明设计的几项原则17
第三节光源的分类18
第四节典型的光源供应商19
第三章机器视觉中的镜头21
第一节机器视觉中镜头的概述21
1.1镜头的作用21
1.2镜头的光学性能指标22
1.3镜头的性能和特性22
第二节镜头的选取23
2.1评价镜头质量的好坏23
2.2镜头各参数间的相互影响24
2.3选取镜头25
第三节典型的镜头供应商25
第四章CCD相机27
第一节CCD概述27
1.1关于CCD27
1.2CCD的类型28
第二节CCD相机的功能29
第三节CCD相机的选择29
第四节典型的供应商31
第五章视频采集卡34
第一节视频采集卡简介34
第二节视频采集卡的功能36
第三节视频采集卡的选择36
第四节典型的视频采集卡的供应商38
第六章图象处理40
第一章机器视觉简介
第一节机器视觉概述
1.1机器视觉的概念
在现代工业自动化生产中，涉及到各种各样的检验、生产监视及零件识别应用，例如零配件批量加工的尺寸检查，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。
通常人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作，其它物理量传感器也难有用武之地。
由此人们开始考虑利用光电成像系统采集被控目标的图像，而后经计算机或专用的图像处理模块进行数字化处理，根据图像的像素分布、亮度和颜色等信息，来进行尺寸、形状、颜色等的判别。
这样，就把计算机的快速性、可重复性，与人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的概念
美国制造工程师协会（SMESocietyofManufacturingEngineers）机器视觉分会和美国机器人工业协会（RIARoboticIndustriesAssociation）的自动化视觉分会对机器视觉下的定义为：
“机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置”
或者说机器视觉（MachineVision）是以机器模仿人类视觉的光学识别系统，它利用摄像机和计算机来摄取、分析及解释图像内容，进而执行特定动作。
通俗的讲机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。
按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。
三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。
所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。
由于机器视觉比人类更能适应于一些无法适应的恶劣环境下的工作，如高温、寒冷、真空、大气压力、太空等环境，此外机器视觉除能二十四小时不间断地工作外，更可在高速下执行100%的在线（On-Line）检视，而检视的准确度也接近100%。
因此，产业界在提升生产自动化上和质量管理的检验上，将会大量地采用机器视觉。
所以产业界对机器视觉的依赖将会越来越重
机器人视觉是一门新兴的发展迅速的学科，八十年代以来,机器人视觉的研究已经历了从实险室走向实际应用的发展阶段。
从简单的二值图象处理到高分辨率多灰度的图象处理,从一般的二维信息处理到三维视觉机理以及模型和算法的研究都取得了很大的进展。
而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,更促进了机器人视觉系统的实用化和涉足许多复杂视觉过程的研究。
目前，机器人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。
1.2机器视觉系统的组成
一个典型的工业机器视觉系统包括：
光源、镜头、CCD照相机、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯/输入输出单元等。
1.3机器视觉系统的原理
机器视觉检测系统采用CCD照相机将被检测的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，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功能。
1.4机器视觉系统的工作过程
首先通过工件检测器检测物体是否接近或运动到摄像机视野的中心，如果是，向图像采集卡发送触发脉冲信号；
图像采集卡按照设计人员预先设定的程序和延时，分别向摄像机或照明设备发出启动脉冲，但也有摄像机和照明设备在系统初始化时，就开始启动。
摄像机停止目前的扫描，重新开始新的一帧扫描；有的时候需要摄像机在启动脉冲来到之前一直处于等待状态，启动脉冲到来后启动以帧扫描；
如果所采用的策略是曝光策略，那么在摄像机开始新的一帧扫描之前，要打开曝光结构，其曝光时间要根据你的实际需要通过程序或者硬件设定好；
如果采用曝光策略的话，要用另一个启动脉冲打开照明设备，特别要保持启动时间应该与摄像机曝光时间匹配；
摄像机曝光后，正式开始一帧图像的扫描和输出；
如果摄像机输出的是模拟信号，图像采集卡就把从摄像机接受过来的信号进行A/D转化将其数字化，如果输出的是数字信号，这样就省图像采集卡的事情拉；
图像采集卡将图像信号送到缓冲器、处理器或者计算机的内存中，以便图像的处理和显示；
处理器或者计算机对图像进行处理、分析、识别以得到测量结果或逻辑控制量，然后根据这些结果进行处理以控制别的装置（比如机械装置等）来完成相关动作，进行定位。
纠正运动的误差等等，比如修正机器手臂的位置。
第二节机器视觉研究的主要问题
在现代化的大生产之中，视觉检测往往是不可缺少的环节。
比如，汽车零件的外观，药品包装的正误，IC字符印刷的质量，电路板焊接的好坏，等等，都需要众多的检测工人，通过肉眼或结合显微镜进行观测检验。
大量的检测人工不仅影响工厂效率，而且带来不可靠的因素，直接影响产品质量与成本。
另外，许多检测的工序不仅仅要求外观的检测，同时需要准确获取检测数据，比如零件的宽度，圆孔的直径，以及基准点的坐标等等，这些工作则是很难靠人眼快速完成。
近年来发展迅猛的机器视觉技术解决了这一问题。
机器视觉系统一般采用CCD照相机摄取检测图象并转化为数字信号，再采用先进的计算机硬件与软件技术对图象数字信号进行处理，从而得到所需要的各种目标图象特征值，并由此实现模式识别，坐标计算，灰度分布图等多种功能。
然后再根据其结果显示图象，输出数据，发出指令，配合执行机构完成位置调整，好坏筛选，数据统计等自动化流程。
机器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）把图像抓取到，然后将该图像传送至处理单元，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。
进而根据判别的结果来控制现场的设备动作。
机器视觉伴随计算机技术、现场总线技术的发展，技术日臻成熟，已是现代加工制造业不可或缺的产品，广泛应用于食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装、汽车制造等行业。
机器视觉的引入，代替传统的人工检测方法，极大地提高了投放市场的产品质量，提高了生产效率
第三节机器视觉的优点
一个成功的机器视觉系统是一个经过细致工程处理来满足一系列明确要求的系统。
当这些要求完全确定后，这个系统就设计并建立来满足这些精确的要求。
机器视觉的优点包括以下几点：
精度高
作为一个精确的测量仪器，设计优秀的视觉系统能够对一千个或更多部件的一个进行空间测量。
因为此种测量不需要接触，所以对脆弱部件没有磨损和危险。
连续性
视觉系统可以使人们免受疲劳之苦。
因为没有人工操作者，也就没有了人为造成的操作变化。
多个系统可以设定单独运行。
成本效率高
随着计算机处理器价格的急剧下降，机器视觉系统成本效率也变得越来越高。
一个价值10000美元的视觉系统可以轻松取代三个人工探测者，而每个探测者每年需要20000美元的工资。
另外，视觉系统的操作和维持费用非常低。
灵活性
视觉系统能够进行各种不同的测量。
当应用变化以后，只需软件做相应变化或者升级以适应新的需求即可。
许多应用满意过程控制（SPC）的公司正在考虑应用机器视觉系统来传递持续的、协调的和精确的测量SPC命令。
在SPC中，制造参数是被持续监控的。
整个过程的控制就是要保证这些参数在一定的范围内。
这使制造者在生产过程失去控制或出现坏部件时能够调节过程参数。
机器视觉系统比光学或机器传感器有更好的可适应性。
它们使自动机器具有了多样性、灵活性和可重组性。
当需要改变生产过程时，对机器视觉来说“工具更换”仅仅是软件的变换而不是更换昂贵的硬件。
当生产线重组后，视觉系统往往可以重复使用。
第四节机器视觉存在的主要问题
对于人类视觉来说，识别和理解周围场景是一件非常容易的事，但对于机器来说，却是一件很困难的事。
主要困难体现在如下几方面。
图像多义性三维场景被投影为二维图像，深度和不可见部分的信息被丢失，因而会出现不同形状的三维物体投影在图像平面上产生相同图像的问题。
另外，在不同视角获取同一物体的图像也会有很大的差异。
环境因素影响场景中的诸多因素，包括照明、物体形状、表面颜色、摄像机以及空间关系变化都会对生成的图像有影响。
知识引导同样的图像在不同的知识导引下，将会产生不同的识别结果。
大量数据灰度图像和彩色图像的信息量都十分的巨大，比如分辨率为512＊512的灰度图像的数据量为256K，同样分辨率的彩色图像的数据量是768K。
巨大的数据量需要巨大的存贮空间，同时不易实现快速处理。
或者说主要表现在以下三个方面：
一是如何准确高速的识别出目标；二是如何有效的增大存储容量，以便容纳下足够细节的目标图象；三是如何有效的构造和组织出可靠的识别算法，并且顺利的实现。
前两者相当于人的大脑这样的物质基础，这期待者高速的阵列处理单元，以及算法的新突破，用极少的计算量；以及高速的并行性实现功能。
为了解决视觉所面临的问题，研究人员不断寻求新的途径和手段。
比如，主动视觉，面向任务的视觉，基于知识、基于模型的视觉，以及多传感器信息融合和集成视觉等方法。
合理地使用这些方法不仅可以有效地提高系统的适应性和鲁棒性，而且可以求解机器视觉中较难的问题。
第五节机器视觉的应用领域
在现代化的大生产之中，视觉检测往往是不可缺少的环节。
比如，汽车零件的外观，药品包装的正误，IC字符印刷的质量，电路板焊接的好坏，等等，都需要众多的检测工人，通过肉眼或结合显微镜进行观测检验。
大量的检测人工不仅影响工厂效率，而且带来不可靠的因素，直接影响产品质量与成本。
另外，许多检测的工序不仅仅要求外观的检测，同时需要准确获取检测数据，比如零件的宽度，圆孔的直径，以及基准点的坐标等等，这些工作则是很难靠人眼快速完成。
以下具体的列举了一些典型的应用事例。
机器视觉在半导体、电子、计算机配件、消费品、食品、汽车、冶金、包装、制药等行业得到了应用，它主要是来提供产品尺寸测量、表面检测、定位导航，ocr/ocv，以及颜色识别等。
以下为机器视觉应用的具体实例：
（选自中国视觉网http:
//www.china-
表面缺陷检查
（1）IC印刷电路板的检查
（2）IC检查
（3）电视显象管的缺陷检查
（4）螺钉形状的检查
（5）自动检反
（6）钢铁，不锈钢的缺陷检查
（7）发动机内壁的损伤检查
（8）纸，玻璃等平片状物体的检查
（9）其他，发光二极管检查
（10）精密测量
（11）电子零部件
（12）焊锡检查
非破坏性检验（Non-DestructiveInspection）
（1）Ⅹ线·焊接部Ⅹ线照片
（2）超声波侦探伤
（3）AE
（4）通过电流的检查
（5）CT技术
构造物的CT非破坏性检验
激光核合成CT
树木的年轮
热线CT
（6）其他RI，红外线激光的利用
（7）连接部检查
工业机器人的视觉（组装等）（IndustrialVision）
（1）机器人视觉
（2）位移，畸变测量
（3）距离测量
（4）焊接机器人
（5）物体的认识
（6）IndustrialVisualSystem
（7）零部件组装
（8）其他画像测量处理应用
①刻印文字
②车辆的行车，交通流动
③多面体姿势的测量
④守护机器人
⑤核合成研究
⑥铁路轨道间隔
⑦侵入监视
⑧搬送车
⑨动态·移动测量
产品的区分（IndustrialAssortment）
（1）新鲜食品的区分
（2）医药品的区分
（3）光敏器件利用的区分
（4）机械零部件的区分
其他的应用（others）
（1）印刷·制版·CTS
（2）图形设计
（3）彩色制版
（4）服饰的CAD，设计
（5）所有物合成设计
（6）可视化图像处理
（7）珍珠，大米的质量
（8）CG应用,AR
（9）神经网络和画像
（10）零部件检查，螺钉，轴承
（11）指纹画像，人物识别（手，脸，眼底）
（12）印迹对照
（13）微生物形态学
（14）磁性材料评价
（15）土陶器图形
（16）显微分析，金属组织定量
（17）记号查出，条形码
（18）隐型眼镜，镜头
（19）食品检查
（20）地中探索
（21）邮件OCR
（22）颜色，光泽的测量
（23）瓶检查
第六节机器视觉的研究进展
机器视觉自起步发展到现在，已有15年的发展历史。
应该说机器视觉作为一种应用系统，其功能特点是随着工业自动化的发展而逐渐完善和发展的。
目前全球整个视觉市场总量大概在60~70亿美元，是按照每年8.8%的增长速度增长的。
而在中国，这个数字目前看来似乎有些庞大，但是随着加工制造业的发展，中国对于机器视觉的需求将承上升趋势。
6.1机器视觉在国外的发展现状
在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。
具体如PCB印刷电路：
各类生产印刷电路板组装技术、设备；单、双面、多层线路板，覆铜板及所需的材料及辅料；辅助设施以及耗材、油墨、药水药剂、配件；电子封装技术与设备；丝网印刷设备及丝网周边材料等。
SMT表面贴装：
SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等；再流焊机、波峰焊机及自动化生产线设备。
电子生产加工设备：
电子元件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。
机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。
除此之外，机器视觉还用于其他各个领域。
6.2机器视觉在中国的发展现状
而在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白，即便是有，也只是低端方面的应用。
目前在我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。
其主要应用于制药、印刷、矿泉水瓶盖检测等领域。
这些应用大多集中在如药品检测分装、印刷色彩检测等。
真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。
当然、其他领域如指纹检测等等领域也有着很好的发展空间。
6.3机器视觉在中国的发展阶段
机器视觉在中国短暂的发展历史
1990年以前，仅仅在大学和研究所中有一些研究图像处理和模式识别的实验室。
在20世纪90年代初，一些来自这些研究机构的工程师成立了他们自己的视觉公司，开发了第一代图像处理产品，例如基于ISA总线的灰度级图像采集卡，和一些简单的图像处理软件库，他们的产品在大学的实验室和一些工业场合得到了应用，人们能够做一些基本的图像处理和分析工作。
尽管这些公司用视觉技术成功地解决了一些实际问题，例如多媒体处理，印刷品表面检测，车牌识别等，但由于产品本身软硬件方面的功能和可靠性还不够好，限制了他们在工业应用中的发展潜力。
大恒图像公司就是做的较好者之一。
另外，一个重要的因素是市场需求不大，工业界的很多工程师对机器视觉没有概念，另外很多企业也没有认识到质量控制的重要性。
这种状况一直持续到1998年。
所以，我们称1990~1998年为初级阶段。
期间真正的机器视觉系统市场销售额微乎其微。
主要的国际机器视觉厂商还没有进入中国市场。
自从1998年，越来越多的电子和半导体工厂，包括香港和台湾投资的工厂，落户广东和上海。
带有机器视觉的整套的生产线和高级设备被引入中国。
随着这股潮流，一些厂商和制造商开始希望发展自己的视觉检测设备，这是真正的机器视觉市场需求的开始。
设备制造商或OEM厂商需要更多来自外部的技术开发支持和产品选型指导，一些自动化公司抓住了这个机遇，例如，北京和利时电机技术有限公司（原北京四通电机公司，主要做运动控制）。
他们走了不同于上面提到的图像公司的发展道路——做国际机器视觉供应商的代理商和系统集成商。
他们从美国和日本引入最先进的成熟产品，给终端用户提供专业培训咨询服务，有时也和他们的商业伙伴一起开发整套的视觉检测设备。
经过长期市场开拓和培育，不仅仅是半导体和电子行业，而且在汽车、食品、饮料、包装等行业中，一些顶级厂商开始认识到机器视觉对提升产品品质的重要作用。
这里，我们将1998~2002年定义为机器视觉概念引入期。
在此阶段，许多著名视觉设备供应商，例如sushita, Omron，Cognex, DVT, CCS, Data Translation, Matrix, Coreco,开始接触中国市场寻求本地合作伙伴，但符合要求的本地合作伙伴寥若晨星。
例如，北京和利时电机技术有限公司曾经被五家外国公司选做主要代理商或解决方案提供商。
第三阶段从2002年至今，我们称之为机器视觉发展期，从下面几点我们可以看到中国机器视觉的快速增长趋势：
1）.在各个行业，越来越多的客户开始寻求视觉检测方案，机器视觉可以解决精确的测量问题和更好地提高他们的产品质量，一些客户甚至建立了自己的视觉部门。
2）.越来越多的本地公司开始在他们的业务中引入机器视觉，一些是普通工控产品代理商，一些是自动化系统集成商，一些是新的视觉公司。
虽然他们绝大多数尚没有充分的回报，但都一致认为机器视觉市场潜力很大。
资深视觉工程师和实际项目经验的缺乏是他们面临的最主要的问题。
3）.一些有几年实际经验的公司（诸如，大恒、和利时电机）逐渐给自己的定位以便更好的发展机器视觉业务。
他们或者继续提高采集卡、图像软件开发能力，或者试图成为提供工业现场方案或视觉检查设备的领袖厂商。
单纯的代理仍然是他们业务的一部分，但他们已经开始开发自己的技术或者诀窍，在元件和系统的层次上。
4）.经过几年寻找代理的过程，许多跨国公司开始在中国建立自己的分支机构。
通常他们在北京或上海建立自己在中国的分支机构，来管理关键的客户以及向合作伙伴提供技术和商务支持。
总的来说，中国机器视觉市场处在一个迅速发展期。
在不远的将来，我们可以看到来自不同领域的不同的商业模式和不同类型的公司。
随着市场的发展，一些国内的工程公司和系统集成商将成为市场的引领者，更多的客户将依赖他们在视觉和其他自动化技术方面的综合能力来解决问题，比如运动控制，网络通讯。
他们的后面是实力强大的跨国公司，他们将控制大的原始设备制造商和VIP终端用户。
我们也应该注意到跨国公司在产品的生产组装、服务、技术支持以及财政政策方面本地化的趋势。
另外，将有更多的国内公司自己或者联合外国公司开发具有自主知识产权的视觉产品。
我们希望有一天中国的工程师像今天选择PLC等工业产品一样，能够自由而且在合理的价位上选择他们喜欢的视觉组件并且快速构造自己的系统。
6.4机器视觉的未来发展趋势
在机器视觉赖以普及发展的诸多因素中，有技术层面的，也有商业层面的，但制造业的需求是决定性的。
制造业的发展，带来了对机器视觉需求的提升；也决定了机器视觉将由过去单纯的采集、分析、传递数据，判断动作，逐渐朝着开放性的方向发展，这一趋势也预示着机器视觉将与自动化更进一步的融合。
需求决定产品，只有满足需求的产品才有生存的空间，这是不变的规律。
机器视觉也是如此。
未来，中国机器视觉发展主要表现为以下一些特性：
1）、随着产业化的发展对机器视觉的需求将呈上升趋势
机器视觉发展空间较大的部分在半导体和电子行业，而据我国相关数据显示，全球集成电路产业复苏迹象明显；与此同时，全球经济衰退使我国集成电路产业获取了市场优势、成本优势、人才回流等优势；国家加大对集成电路产业这一战略领域的规划力度，“信息化带动工业化”，走“新兴工业化道路”为集成电路产业带来了巨大的发展机遇，特别是高端产品和创新产品市场空间巨大，设计环节、国家战略领域、3C应用领域、传统产业类应用领域成为集成电路产业未来几年的重点投资领域。
此外，中国已成为全球集成电路的一个重要需求市场。
据相关数据显示，2002年我国集成电路市场需求规模为1135.5亿元人民币，占世界市场规模的9.76%。
2002年中国集成电路市场总销量为283.2亿块，总销售额为1135.5亿元，同比增长26.2%。
中国已成为近年来世界半导体投资的热点。
在全国许多地区，特别是长江三角洲地区，都有新的IC制造线和封装测试线投资兴建，IC设计公司的数量每年成倍增长。
在产业政策的引导下，上海、北京、天津和深圳等地出现投资IC的好势头：
天津Motorola投资15亿美元，月投2.5万片的8英寸芯片生产线和上海中芯国际投资14亿美元，月投8英寸芯片硅片4.2万片的项目已经投入运行。
另外，中国半导体行业协会最新调研数据表明，2000年6月到2002年8月两年间，中国IC产业的投资总额约300亿元，相当于过去40年的投资总和。
全国IC设计单位数量两年之间翻两番，已激增到389家，收入过亿元的达7～8家；专业测试公司已有10家左右，我国的IC测试业初具雏形。
就以上数据显示，中国的半导体和电子市场已初具规模，而如此强大的半导体产业将需要高质量的技术做后盾。
同时他对于产品的高质量、高集成度的要求将越来越高。
恰巧，机器视觉将能帮助他们解决以上的问题，因此该行业将是机器视觉最好的用武之地。
同时，对于机器视觉的需求将蒸蒸日上。
2）、统一开放的标准是机器视觉发展的原动力
目前国内有近数家机器视觉产品厂商，与国外机器视觉产品相比，国内产品最大的差距并不单纯是在技术上，而且还包括品牌和知识产权上。
另一现状是目前国内的机器视觉产品主要以代理国外品牌为主，以此来逐渐朝着自主研发产品的路线靠近，起步较晚。
未来，机器视觉产品的好坏不能够通过单一因素来衡量，应该逐渐按照国际化的统一标准判定，随着中国自动化的逐渐开放，将带领与其相关的产品技术也逐渐开放。
因此，依靠封闭
升级会员 