本帖最后由 mahaoyang 于 2019-10-8 15:00 编辑
在与不同客户接洽过程中，看到很多行业用户对于机器视觉系统还不是很了解，问了很多初级问题，因此做了如下系统性科普知识，都是多年来做项目做产品的经验总结，希望给读者有所帮助。
一、机器视觉是什么？ 机器视觉就是机器上使用的视觉技术；机器一般是各种机床，生产线、机械手、气缸、伺服电机等等。视觉是一种拟人化的称呼，其本源叫图像处理技术，或者叫图像识别。这个技术主要就是对图像做各种变换，提取感兴趣的特征，以便实现某种生产目的。 例如要检测一箱子酒瓶是不是达到了规定的数量，有没有破损，有没有灌装不满。 再比如，手机屏幕生产线上，要检测每一片屏幕的质量好坏，看有没有亮点，暗点，色斑等等，这些都可以通过图像分析技术，提取其中的特征来实现。 特征提取技术含量比较高，不同检测要求，特征不同。 视觉检测过程一般由下列步骤完成： 打光成像，把要检测的目标凸显出来，把背景没有必要的噪声尽可能压制。 完成成像之后，就是规划检测区域，那些要检测，那些不要检测，不同产品部位要检测哪些内容，都要规划出来，这些一般是提前建立的模板。 下一步就是提取特征，比如灰度特征，颜色特征，形状特征，纹理特征，或者是多种特征的组合，例如深度学习就是多种特征的组合，并且是多级特征组合。 特征提取之后，就是跟目标值进行判断，确定产品好坏。
二、机器视觉的产品有哪些？ 机器视觉应用的行业很多，主要是电子，医药，汽车，印刷等行业。因为这边行业有个共同特点就是产量大，附加值高，产品结构相对单一，适合机器大生产，但是人工检测产品质量要么因为产品太小无法胜任，要么人工产能太低，满足不了生产需求，例如SMT贴片元件，每个月产量是5-10亿支，并且只有2-3mm长，人工检测无法胜任。 机器视觉的产品太多了，不同领域各有不同。 我们是做工业检测的，先说工业应用： 主要产品是工业相机+检测算法 用在 标签识别，条码识别，字符识别，液位高度检测，表面缺陷识别，形状颜色识别，机械手定位引导等等。 交通领域，十字路口的摄像头也是机器视觉产品，配合相应的算法可以检测闯红灯，逆行，压线，甚至没系安全带，开车打电话都能识别。 还有街角的各种摄像头，现在中国已经组成了天眼网络，你在街上任何地方，公安系统都可以识别定位你，因为现在人脸识别技术已经很成熟了。 所以，不要干坏事，否则只是想不想抓你的问题，不是能不能的问题。 还有停车场的车牌识别系统，高速路口的车牌识别也是机器视觉产品。 只要是采用相机采集图像（拍摄图像），通过计算机图像处理技术做处理和特征提取，都是机器视觉产品。 还有一些高端应用，例如电影工业，识别演员的步态和肢体动作，然后把人物的动作抽象出来建模，然后就可以换成卡通动物的形象重新执行这些动作。 总之技术越来越先进，简单的工作以后都被技术取代了，我们要加强学习，提高自身竞争力。我告你一个秘密，现在机器视觉能力还很低下，不具备人的理解能力。他的所有能力都是通过数学建模，或者工程技术，软件算法来实现的，都是去近似人的智能。 但是复杂还做不了，比如在一个乱七八糟的仓库里，找一个破破烂烂的鞋子，机器视觉就很难做好，因为鞋子破烂，特征就不好定义了，加上乱七八糟的仓库，干扰信号太多。
三、机器视觉检测系统的优缺点有哪些？ 视觉系统优点： 1. 精度高，例如测量铁丝直径，可以做到10um 2. 可重复性好，例如反复1000次测量铁丝直径，误差可以控制在1um 3. 速度快，人眼是30-50ms识别，计算机可以快到不到1ms就可以识别 4. 可连续工作，机器可以7x24小时连续工作，只要产品不换规格，机器就是喜欢简单重复的劳动。
机器视觉系统缺点： 1. 智能程度比较低，例如要在一堆垃圾里面找一只破旧的鞋子不一定能做好，因为目标不规则，场景过于复杂。 2. 成本相对较高，一套高精度高速度的检测系统价格都不菲，一般都在20万元以上。
四、机器视觉的原理是什么？ 简单说，机器视觉工作原理就是数字图像处理的原理，通过数学模型，程序算法去近似人的智力活动，例如识别对象是什么，识别物体好坏等等。 其本质是一种工程技术。
五、视觉系统如何运作？ 视觉系统运作主要就是 打光成像，把要检测的目标凸显出来，把背景没有必要的噪声尽可能压制。 完成成像之后，就是规划检测区域，那些要检测，那些不要检测，不同产品部位要检测哪些内容，都要规划出来，这些一般是提前建立的模板。 下一步就是提取特征，比如灰度特征，颜色特征，形状特征，纹理特征，或者是多种特征的组合，例如深度学习就是多种特征的组合，并且是多级特征组合。 特征提取之后，就是跟目标值进行判断，确定产品好坏。
六、机器视觉检测系统是否能全面取代人工目视检测 还做不到全面取代人工目视检测。在规则产品面前可以做到，例如液晶屏，螺丝钉，电容电阻。但是不规则的产品，例如毛绒玩具，棉拖鞋，墩布，大部分蔬菜水果都无法代替人眼。 也许再发展10年，智能程度进一步提升，就可以代替更多的人眼工作了，核心取决于智能水平，但是就目前来讲，还不行，目前连人自身的智能是怎么来的还没搞清楚，更何况做出真正的人工智能了。
七、机器视觉产生发展有什么特点？ 机器视觉的产生发展有哪些特点，主要特点就是依赖计算机科学，材料学，计算机技术，以及工业应用需求有密切关系，另外跟社会环境也有关。接下来详细说说。 为什么说依赖计算机科学？ 因为机器视觉实质是计算机视觉，也就是数字图像处理，图像处理是计算机技术的一个分支，其技术水准高低取决于计算机科学研究的高低。
跟材料学有什么关系？ 要实现红外成像，紫外成像，X光成像，高分辨率传感器等等图像技术，都跟传感器材料有关，如果没有材料学的支撑，现在的视觉技术应用要少很多。
跟工业需求和社会环境有什么关系？ 技术毕竟是为生产服务的，如果没有工业生产，那也就用不到机器视觉了。 80-90年代之所以机器视觉开始发展，是因为集成电路生产线引进中国，需要大量的视觉检测保证集成电路出厂质量。
另外，跟社会环境也有关，主要就是工人收入水平。 如果是10年前，工人年收入20000元左右，而一套视觉系统动辄100万元，厂长肯定是选择人工检测。 现在沿海地区工人工资已经60000-70000元一年，而视觉设备经过发展，有些简单的价格已经降到十几万元左右，经济效益凸显，所以得到广泛应用。
八、视觉公司有哪些？ 视觉公司分为器件公司与检测系统公司，器件公司主要做相机，镜头，光源，这些器件是标准化的，做的相对较多。 检测系统是使用这些器件，然后开发出解决行业具体检测问题的系统。在国内大恒图像和凌云光子是第一品牌，专业的大公司，都有20来年的发展历史了。 这个领域目前小公司比较多，不同公司之间技术也是良莠不齐。最近有一些是一些从大公司辞职出来的，这类公司如果用心做事的话相对比较可靠，能处理一些复杂难度大的问题；有的是半路出家，例如机械电控专业的转行过来的，这种公司一般能做通用项目，例如通过halcon,opencv,visionpro等通用算法库，实现典型的初级引用，难度大一些的需要深入研究的则无法保证。 由于机器视觉涵盖的技术和理论非常广，包括数字信号处理、数字图像处理、线性代数、概率与数理统计、微积分、几何学、数字电路、模拟电路、计算机操作系统原理、C++编程语言、数据结构与算法、机器学习理论、集合与逼近理论、以及现在新兴的深度学习等理论和技术，要做好这门技术，不仅需要涉猎广泛，理论扎实，科研能力强，而且需要有多年的项目实践经验，对理论灵活运用的能力，以及对光学、机械、电控等综合运用的能力。要做好绝非易事，所以用户在选择视觉公司时也要注意甄别公司的研发背景和技术能力，不要被一些公众号的宣传误导，浪费了投资，损失了效益。
原创：常州范视电子科技 马浩洋 intelvisioncn.com。 转载请注明 | 
楼主
标题置顶
标题高亮
