机器视觉在国内外的应用现状

《机器视觉在国内外的应用现状》由会员分享，可在线阅读，更多相关《机器视觉在国内外的应用现状（5页珍藏版）》请在装配图网上搜索。

1、机器视觉在国内外的应用现状相关网址：Z1038358.htm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嘀B集中在半导体彳T业。具体如PCBE堀电路：各类生产印刷电路板组装技术、设备；单、双面、，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。

2、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。而在中国，视觉技术的应用开始于90年代，因为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。到二十一世纪，大批海外从事视觉行业技术人员回国创业，视觉技术开始在自动化行业成熟应用，2004年，在国内视觉行业具有划时代意义的是创科推出国内首款高性能机器视觉软件开发包CKVision,代表了国内视觉技术已经日益成熟，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的工业自动化、智能化需求开始广泛出现，国

3、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、其他领域如检测等等领域也有着很好的发展空间。产生发展机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯兹关于理解多面体组成的世界研究开始的。当时运用的预处理、构成、对象建模、匹配等技术，后来一直在机器视觉中应用。罗伯兹在图像分析过程中，采用了自底向上的方法。用边缘检测技术来确定轮廓线，用区域分析技术将图像划分为由灰度

4、相近的像素组成的区域，这些技术统称为图像分割。其目的在于用轮廓线和区域对所分析的图像进行描述，以便同机内存储的模型进行比较匹配。实践表明，只用自底向上的分析太困难，必须同时采用自顶向下，即把目标分为若干子目标的分析方法，运用启发式知识对对象进行预测。这同言语理解中采用的自底向上和自顶向下相结合的方法是一致的。在图像理解研究中，A.古兹曼提出运用启发式知识，表明用符号过程来解释轮廓画的方法不必求助于诸如匹配之类的数值计算程序。70年代，机器视觉形成几个重要研究分支：目标制导的图像处理；图像处理和分析的并行算法；从二维图像提取三维信息；序列图像分析和运动参量求值；视觉知识的表示；视觉系统的知识库等

5、。应用领域机器视觉的应用主要有检测和两个方面：1 .检测：又可分为高精度定量检测（例如显微照片的细胞分类、机械零部件的尺寸和位置测量）和不用量器的定性或半定量检测（例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测）2 .机器人视觉：用于指引机器人在大范围内的操作和行动，如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他设备上（即料斗拣取问题）。至于小范围内的操作和行动，还需要借助于触觉传感技术。此外还有：1.自动光学检查2.3.【机器视觉特点】1.摄像机的拍照速度自动与被测物的速度相匹配，拍摄到理想的图像；2.零件的尺寸范围为2.4mm至ij12mm厚度可

6、以不同；3 .系统根据操作者选择不同尺寸的工件，调用相应视觉程序进行尺寸检测，并输出结果；4 .针对不同尺寸的零件，排序装置和输送装置可以精确调整料道的宽度，使零件在固定路径上运动并进行视觉检测；5 .机器视觉系统分辨率达到1600X1200,动态检测精度可以达到0.02mm；6.废品漏检率为0;7 .本系统可通过显示图像监视检测过程，也可通过界面显示的检测数据动态查看检测结果；8,具有对错误工件及时准确发出剔除控制信号、剔除废品的功能；9.系统能够自检其主要设备的状态是否正常，配有状态指示灯；同时能够设置人员、使用人员不同的操作权限；10 .实时显示检测画面，中文界面，可以浏览最近几次不合格

7、品的图像,具有能够存储和实时察看错误工件图像的功能；11.能生成错误结果信息文件，包含对应的错误图像，并能打印输出。应用实例1 .基于机器视觉的仪表板总成智能集成测试系统EQ140-II汽车仪表板总成是我国某汽车公司生产的仪表产品， 仪表板上安装有速度、水温表、汽油表、电流表、信号报警灯等，其生产批量大，出厂前需要进行一次质量终检。检测项目包括：检测速度表等五个仪表指针的指示；检测24个信号报警灯和若干照明9灯是否损坏或漏装。一般采用人工目测方法检查，误差大，可靠性差，不能满足自动化生产的需要。基于机器视觉的智能集成测试系统，改变了这种现状，实现了对仪表板总成智能化、全自动、高精度、快速质量检

8、测，克服了人工检测所造成的各种误差，大大提高了检测效率。整个系统分为四个部分：为仪表板提供模拟信号源的集成化多路标准信号源、具有图像信息反馈定位的双坐标CNC系统、摄像机图像获取系统和主从机平行处理系统。2 .金属板表面自动控伤系统金属板如大型电力线圈扁平线收音机朦胧皮等的表面质量都有很高的要求， 但原始的采用人工目视或用百分表加控针的检测方法不仅易受主观因素的影响，而且可能会绘被测表面带来新的划伤。金属板表面自动探伤系统利用机器视觉技术对金属表面缺陷进行自动检查，在生产过程中高速、准确地进行检测，同时由于采用非接角式测量，避免了产生新划伤的可能。其工作原理图如图8-6所示；在此系统中，采用激

9、光器作为光源，通过针孔滤波器滤除激光束周围的杂散光， 扩束镜和准直镜使激光束变为平行光并以45度的入射角均匀照明被检查的金属板表面。金属板放在检验台上。检验台可在X、丫、Z三个方向上移动，摄像机采用TCD142M2048线陈CCD镜头采用普通照相机镜头。CCDS口电路采用单片机系统。主机PC机主要完成图像预处理及缺陷的分类或划痕的深度运算等，并可将检测到的缺陷或划痕图像在上显示。CCD8口电路和PC机之间通过RS-232口进行双向通讯，结合异步A/D转换方式，构成人机交互式的数据采集与处理。该系统主要利用线阵CCD的自扫描特性与被检查钢板X方向的移动相结合，取得金属板表面的三维图像信息。3,汽

10、车车身检测系统英国ROVER（车公司800系列汽车车身轮廓尺寸精度的100%线检测，是机器视觉系统用于工业检测中的一个较为典型的例子，该系统由62个测量单元组成，每个测量单元包括一台激光器和一个CCDg像机，用以检测车身外壳上288个测量点。汽车车身置于测量框架下，通过软件校准车身的精确位置。测量单元的校准将会影响检测精度，因而受到特别重视。每个激光器/摄像机单元均在离线状态下经过校准。同时还有一个在离线状态下用三坐标测量机校准过的校准装置，可对摄像顶进行在线校准。检测系统以每40秒检测一个车身的速度，检测三种类型的车身。系统将检测结果与人、从CAD模型中撮出来的合格尺寸相比较，测量精度为0.

11、1mmROVER勺质量检测人员用该系统来判别关键部分的尺寸一致性，如车身整体外型、门、玻璃窗口等。实践证明，该系统是成功的，并将用于ROVE宓司其它系统列汽车的车身检测。4 .纸币印刷质量检测系统：该系统利用图像处理技术，通过对纸币生产流水线上的纸币20多项特征（号码、盲文、颜色、图案等）进行比较分析，检测纸币的质量，替代传统的人眼辨别的方法。5 .智能交通管理系统：通过在交通要道放置，当有违章车辆（如闯红灯）时，摄像头将车辆的牌照拍摄下来，传输给中央管理系统，系统利用图像处理技术，对拍摄的图片进行分析，提取出车牌号，存储在数据库中，可以供管理人员进行检索。6 .金相图象分析系统能对金属或其它

12、材料的基体组织、 杂质含量、 组织成分等进行精确、客观地分析，为产品质量提供可靠的依据。7 .医疗图像分析：血液细胞自动分类计数、分析、癌症细胞识别等。8 .瓶装啤酒生产流水线检测系统：可以检测啤酒是否达到标准的容量、标签是否完整9 .大型工件、测量仪：采用激光扫描与CCD测系统的大型工件平行度、垂直度测量仪，它以稳定的准直激光束为测量基线，配以回转轴系，旋转五角标棱镜扫出互相平行或垂直的基准平面，将其与被测大型工件的各面进行比较。在加工或安装大型工件时，可用该认错器测量面间的平行度及垂直度。10 .螺纹钢外形轮廓尺寸的探测器件：以频闪光作为照明光源，利用面陈和线陈CCD乍为螺纹钢外形轮廓尺寸

13、的探测器件，实现热轧钢几何参数在线测量的动态检测系统。11 .实时监控：视觉技术实时监控轴承的负载和温度变化，消除过载和过热的危险。将传统上通过测量滚珠表面保证加工质量和安全操作的被动式测量变为主动式监控。12 .金属表面的裂纹测量：用微波作为信号源，根据微波发生器发出不同波涛率的方波，测量金属表面的裂纹，微波的波的频率越高，可测的裂纹越狭小。总之，类似的实用系统还有许多，这里就不一一叙述了。前景展望由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。但是机器视觉技术比较复杂， 最大的困难在于人的视觉机制尚不清楚人可以用内省法描述对某一问题的解题过程，从而用计算机加以。但尽管每一个正常人都是“视觉专家”，却不可能用来描述自己的视觉过程。因此建立机器视觉系统是十分困难的任务。可以预计的是，随着机器视觉技术自身的成熟和发展，它将在现代和未来制造企业中得到越来越广泛的应用。