机器视觉的应用案例与现状！收藏

   机器视觉是人工智能正在快速发展的一个分支简单说来，机器视觉就是用机器代替人眼来做测量和判断    机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

   在布匹的生产过程中，像布匹质量检测这种有高度重复性和智能性的工作只能靠人工检测来完成，在现代化流水线后面常常可看到很多的检测工人来执行这道工序，给企业增加巨大的人工成本和管理成本的同时，却仍然不能保证100 %的检验合格率（即“零缺陷”）。

对布匹质量的检测是重复性劳动，容易出错且效率低

   流水线进行自动化的改造，使布匹生产流水线变成快速、实时、准确、高效的流水线在流水线上，所有布匹的颜色、及数量都要进行自动确认（以下简称“布匹检测”）采用机器视觉的自动识别技术完成以前由人工来完成的工作。

在大批量的布匹检测中，用人工检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度特征提取辨识    一般布匹检测（自动识别）先利用高清晰度、高速摄像镜头拍摄标准图像，在此基础上设定一定标准；然后拍摄被检测的图像，再将两者进行对比。

但是在布匹质量检测工程中要复杂一些：    1． 图像的内容不是单一的图像，每块被测区域存在的杂质的数量、大小、颜色、位置不一定一致    2． 杂质的形状难以事先确定    3． 由于布匹快速运动对光线产生反射，图像中可能会存在大量的噪声。

   4． 在流水线上，对布匹进行检测，有实时性的要求    由于上述原因，图像识别处理时应采取相应的算法，提取杂质的特征，进行模式识别，实现智能分析Color检测    一般而言，从彩色CCD相机中获取的图像都是RGB图像。

也就是说每一个像素都由红（R）绿（G）蓝（B）三个成分组成，来表示RGB色彩空间中的一个点问题在于这些色差不同于人眼的感觉即使很小的噪声也会改变颜色空间中的位置

   所以无论我们人眼感觉有多么的近似，在颜色空间中也不尽相同基于上述原因，我们需要将RGB像素转换成为另一种颜色空间CIELAB目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近Blob检测    根据上面得到的处理图像，根据需求，在纯色背景下检测杂质色斑，并且要计算出色斑的面积，以确定是否在检测范围之内。

因此图像处理软件要具有分离目标，检测目标，并且计算出其面积的功能    Blob分析（Blob Analysis）是对图像中相同像素的连通域进行分析，该连通域称为Blob经二值化（Binary Thresholding）处理后的图像中色斑可认为是blob。

Blob分析工具可以从背景中分离出目标，并可计算出目标的数量、位置、形状、方向和大小，还可以提供相关斑点间的拓扑结构    在处理过程中不是采用单个的像素逐一分析，而是对图形的行进行操作图像的每一行都用游程长度编码(RLE）来表示相邻的目标范围。

这种算法与基于象素的算法相比，大大提高处理速度结果处理和控制    应用程序把返回的结果存入数据库或用户指定的位置，并根据结果控制机械部分做相应的运动    根据识别的结果，存入数据库进行信息管理以后可以随时对信息进行检索查询，管理者可以获知某段时间内流水线的忙闲，为下一步的工作作出安排；可以获知内布匹的质量情况等等。

应用现状！    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    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。

目前国内机器视觉大多为国外品牌国内大多机器视觉公司基本上是靠代理国外各种机器视觉品牌起家，随着机器视觉的不断应用，公司规模慢慢做大，技术上已经逐渐成熟    随着经济水平的提高，3D机器视觉也开始进入人们的视野。

3D机器视觉大多用于水果和蔬菜、木材、化妆品、烘焙食品、电子组件和医药产品的评级它可以提高合格产品的生产能力，在生产过程的早期就报废劣质产品，从而减少了浪费节约成本这种功能非常适合用于高度、形状、数量甚至色彩等产品属性的成像。

   在行业应用方面，主要有制药、包装、电子、汽车制造、半导体、纺织、烟草、交通、物流等行业，用机器视觉技术取代人工，可以提供生产效率和产品质量例如在物流行业，可以使用机器视觉技术进行快递的分拣分类，不会出现大多快递公司人工进行分拣，减少物品的损坏率，可以提高分拣效率，减少人工劳动。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。