机器视觉技术，是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。机器视觉技术最大的特点是速度快、信息量大、功能多。

机器视觉主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。

将机器视觉技术应用于禽蛋品质检测具有人工检测所无法比拟的优势。表面缺陷与大小、形状是蛋品品质的重要特征，利用机器视觉进行检测不仅可以排除人的主观因素的干扰，而且还能够对这些指标进行定量描述,避免了因人而异的检测结果，减小了检测分级误差，提高了生产率和分级精度。

一个典型的工业机器视觉应用系统，包括数字图像处理技术、机械工程技术、控制技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。

“机器视觉”，即采用机器代替人眼来做测量和判断。

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。

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。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉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。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。

机器视觉工业检测系统就其检测性质和应用范围而言，分为定量和定性检测两大类，每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃，如：印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外，在许多其它方法难以检测的场合，利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平。

机器视觉不同于计算机视觉，它涉及图像处理、人工智能和模式识别

机器视觉是专注于集合机械，光学，电子，软件系统，检查自然物体和材料，人工缺陷和生产制造过程的工程，它是为了检测缺陷和提高质量，操作效率，并保障产品和过程安全。它也用于控制机器。

机器视觉是将计算机视觉应用于工业自动化。

机器视觉系统在质量检测的各个方面得到了广泛的应用，例如：采用激光扫描与CCD探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。

以频闪光作为照明光源，利用面阵和线阵CCD作为螺纹钢外形轮廓尺寸的探测器件，实现热轧螺纹钢几何参数在线测量的动态检测系统。

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。

用微波作为信号源，根据微波发生器发出不同波特率的方波，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，这里就不一一概述了。下面我们较详细地介绍三个实用机器视觉系统。

韩国 Phoenics 公司（三星旗下公司）生产的 AOI 设备（自动光学检测机）代表当今 PCB检测设备的最高水平，替代肉眼全面检测 PCB 的贴装及焊锡状况。

使用高分辨率数字彩色摄像头，最高达到 1600 × 1200 像素（ 6CS 系列）。

共 5 个摄像头，中间 1 个彩色，周围 4 个黑白。

256 级亮度白光 LED ，自动调整照明亮度及照明角度。

检查速度 9 ～ 18.8CM 2 /Sec

PCB 面积：最小 W50mm × L50mm ，最大 W480mm × L530mm

不良品实时侦测与提醒。

自动学习功能，导入 CAD 或 Mounter 数据。

离线程序的编辑，制作新程序时不影响生产。

相同设备的数据实现机器间拷贝。

远程控制功能。

有不良品分选设备（ NG BUFFER ）供配套，实现自动筛选。

摘要：随着线路板的复杂程度和元件密度的不断增加，生产过程中对 PCB 的自动检测成为保证高质量、高良率的必要的关键步骤。

在SMT 生产线上，应用有各种不同的检测方法，包括电气测试、 X- 射线检测和光学检测。其中光学检测尽管并非普遍适用，却能满足大多数回流前和回流后的检测需求，仍是速度最快、成本最低的解决方案。

(AOI) 指的是通过在受控照明条件下使检测目标（如 PCB 的一部分）成像进行的目标检测。复杂的机器视觉算法确定该目标是否符合生产标准。 AOI 通常用于检测焊膏沉积、零部件到位 / 缺失、贴装定位、极性与类型 / 赋值校验 (OCR/OCV) 、焊剂以及焊点质量。其中焊点检测尤其重要。

本文概述了日前应用的各种不同 AOI 技术，并专门讨论其中一种新兴技术，即固态建模 (SSM) 技术，并分析这一方法的优势所在。

从检测图像中可以萃取出不同类型的信息。其表面颜色一直被成功用于检查零部件在位 / 缺失。而对于焊点检测，要精确确定焊点质量，形状信息比颜色信息更有用。在零部件的颜色与基板颜色相似的情况下，形状信息也很有用。因此，在 AOI 系统中，捕获和重建 3-D 形状的能力是非常必要的。

PCB 检测所需的能在微米解析度水平下工作的传统 3-D 成像技术，包括立体成像、激光成型（ laser profiling ）和共聚焦显微镜技术。其中有些技术，如共聚焦扫描，对于在线检测来说费时太多，而另外一些技术，如传播时间方法（ time-of-flight methods ），又不能提供 PCB 检测所需的解析度。

激光成型技术是一种成功应用于 AOI 系统中的 3-D 成像技术。一条激光细线与相机呈某一角度发射到检测目标上。然后就用这条细线在相机图像中的偏移来迅速确定照亮点的高度。在目标上扫描该激光线图案，就能构成目标表面完全的深度外形轮廓。

相同的三角测量方法扩展到了其他结构化光技术上，把栅格图案或复合频率扫描图案投射到目标表面，而消除了对目标表面进行扫描的需要。

尽管这些技术对许多种类的目标都是有效的，但对于焊点的镜像反射表面却效果不佳，因为光是以极窄范围的角度反射回来，很可能完全没有达到相机的光圈，结果导致目标高度不准确。

在立体成像技术中，采用两架相机从不同位置观察目标，拍摄目标的两个图像。为了获得 3-D 信息，先用搜索算法确定两张图像的哪些象素与目标上的点相对应（象素对应），依据是其图案 / 构造 / 边缘的匹配程度。其次，对每对相对应的象素的差异程度进行计算。已知相机间的距离和放大倍数，其差异值可转化为相机到目标的距离，进而形成关于可见目标表面的距离图。

在 AOI 中应用立体成像技术存在实际困难。为了解决象素对应的问题，两架相机的视域需要相当程度的重叠。在通常用于 PCB 检测的放大水平条件下，透镜必须安置在比大多数高质量透镜尺寸大小所允许的更近得多的位置上。于是，要么必须采用更低质量的占空间小的透镜，放大倍数减小；要么相机必须彼此呈某一角度放置，增加了透视全景校正的计算成本。对于那些表面图案很少的目标，如黑色元件或焊点的光滑金属表面，象素对应是模糊的，使得其差异结果分析不确定。由于把立体成像技术应用到 AOI 中出现的模糊性和复杂性，多台相机（有的 AOI 系统采用 10 台甚至更多）并不会自动形成 3-D 信息。

完全的深度外形轮廓并非描述目标形状的唯一方法。像表面倾斜这样的表面特性也提供关于目标形状的信息。有的 AOI 系统就是用来捕获这类信息的。在带有照明环的系统中，单一的相机对从不同角度照明的目标成像。以低角度照明光拍摄的图像显示出倾斜度大的区域，而以高角度光拍摄的图像则显示出平坦的区域。既然采用单架相机，单个图像采来的信息已经相互匹配，不再需要解决象素对应的问题。事实上，采用单相机和多照明的 AOI 系统，为开发出更加复杂的 3-D 成像系统提供了良好的起点。

机器视觉技术的优越性

总之，随着机器视觉技术自身的成熟和发展，可以预计它将在现代和未来制造企业中得到越来越广泛的应用。

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里程表、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误差；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。

金属板如大型电力变压器线圈扁平线收音机蒙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。在此系统中，采用激光器作为光源，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、Y、Z三个方向上移动，摄像机采用TCD142D型2048线陈CCD，镜头采用普通照相机镜头。CCD接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显示器上显示。CCD接口电路和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。

英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100%在线检测，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CCD摄像机，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±0.1mm。　ROVER的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ROVER公司其它系统列汽车的车身检测。

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。

通过在交通要道放置摄像头，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。

金相图象分析系统能对金属或其它材料的基体组织、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。

血液细胞自动分类计数、染色体分析、癌症细胞识别等。

可以检测啤酒是否达到标准的容量、啤酒标签是否完整等。

机器视觉技术在医药行业多种剂型的广泛适用性可以为其迎来更加广泛的市场空间：对液体制剂的灌装液位、瓶体内杂质及封盖质量；尺寸不合格的胶囊；对泡罩药品的缺粒；对医药产品的外包装打码效果；对外包装纸箱的满箱及数量检测。

来自终端用户的声音——成本的计算要用发展的眼光看待 。

机器视觉技术未能得到广泛应用的原因主要是产品成本过高.还没有形成广泛应用的环境。但是从发展的角度来看.长期积累的人工检测成本也将会与机器视觉设备持平.在高速生产线上匹配机器视觉设备将会是一个比较明显的发展趋势。伴随医药企业逐渐提升档次及逐渐完善.企业对机器视觉技术的需求会越来越普遍。另外.从社会责任感的角度来看.医药行业有越来越多的企业将“患者生命安全的保证”和“企业肩负责任的履行”看作至高无上的使命.这也推动了机器视觉技术在行业内的应用。

来自供应商的声音——责任感、技术发展、政策要求，‘一个都不能少’。

国内的很多制药企业在药品生产中希望把成本压得越低越好，这样。一些相应的检测设备的运用就在一定程度上受到了限制。制药企业对降低生产成本的考虑是制约机器视觉技术在医药行业广泛应用的关键因素。

而另一方面.制药企业的行业特点也决定了对机器视觉技术的迫切需求。如果企业对自身的要求非常高。对产品的质量和社会责任有非常负责任的态度.那么他们也会毫不犹豫的应用机器视觉技术。因为他们知道在哪些地方应该做什么。花哪些钱。

从技术的角度讲.医药包装的检测技术有很多。机器视觉技术并不是唯一的。但是对于一些比较复杂或特定的检测项目。机器视觉技术的确可以给与最安全、最清晰的检测。制药企业在检测设备可以达到同样质量的前提下.可以选择他们认为更适合的设备。但是如果他们因为一些原因放弃质量。选择检测效果不是最好或者不能完全达到检测要求的设备.这就得不偿失了。

分析机器视觉技术与其他检测技术相比的优势

来自终端用户的声音——人工检测、光电检测已不能满足企业的检测需求

经记者采访多家医药生产企业获悉.人工检视在我国制药企业当中应用仍甚为广泛.如新保健药品中国湖州生产基地的生产经理林杰先生以胶囊剂型为例解释了人工检视的工作过程：通常为旋转的胶囊通过传送带带动.经过操作人员并通过人工的视觉检测。这种传统的方式毫无疑问无法规避一些客观的风险.比如人眼的疲劳、误差、高速生产过程中精力的不集中、无法对检测效果量化考评、速度的限制等.而这些不利因素无疑会成为今后医药企业发展的一个瓶颈。包装本身涉及到一个鉴别的问题.通过一些可靠的机器鉴别技术会实现比人工鉴别更加稳定的效果。在此种情况下。机器视觉技术的应运而生。并将嬴来更加广阔的市场。与此同时。在高技术集中的数粒环节中.光电检测设备对成像、数粒的过程也不如机器视觉技术更权威、精确。

——更全面、可靠的机器视觉技术在未来将取代其他相关检测技术

除了机器视觉技术以外.人工检视、光电技术、称重技术等检测技术也被制药企业所应用。但与其他检测相比.机器视觉技术在检测精度和操作简单性方面都更胜一筹。如：光电技术在调试和设定方面都比较复杂.包装线上的一些细节上稍有变化就会带来检测结果的不准确.例如：位移的变化、震动的出现.因为医药包装线是条高速的包装线.比较复杂.所以这些情况经常会出现。制药企业发现问题后再调试检测设备的设定会比较麻烦。而且如果制药企业没有发现检测中出现的这些问题.那么就可能会有存在包装问题产品投放到市场当中销售.其造成的后果则不可想象。

另外，光电检测的检测项目是很单一的.只能检测一个项目.这就需要在包装线上安装多个光电检测设备。例如：在对瓶装药的包装检测中。瓶子的放置、液位、贴标就需要三个光电检测设备来完成。但是如果采用机器视觉设备就可以一个设备一次检测完成。而且机器视觉设备在应用时.只要在视线范围内的都可以检测.那么一些生产线上出现的移位、震动等问题就不会影响最后的检测效果。

特别值得一提的是.机器视觉设备也非常适合制药企业的包装线上经常改变包装产品的情况.例如：一个制药企业的泡罩包装线上很可能生产治疗胃病的相关药品.而第二天会改成生产治疗心脏病的相关药品.这两种药品在检测的内容上肯定会有不同.机器视觉设备可以在软件中保存十几种产品的检测项目.更换产品时只要调出相应的内容即可.而不需要重新调试检测的参数.浪费很多时间。

机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（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，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。

一个典型的工业机器视觉应用系统包括如下部分：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。首先采用摄像机获得被测目标的图像信号， 然后通过A/ D 转换变成数字信号传送给专用的图像处理系统，根据像素分布、亮度和颜色等信息，进行各种运算来抽取目标的特征，然后再根据预设的判别准则输出判断结果，去控制驱动执行机构进行相应处理。机器视觉是一项综合技术，其中包括数字图像处理技术、机械工程技术、控制技术、光源照明技术，光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。 机器视觉强调实用性，要求能够适应工业现场恶劣的环境，要有合理的性价比、通用的工业接口、较高的容错能力和安全性，并具有较强的通用性和可移植性。 它更强调实时性，要求高速度和高精度。

视觉系统的输出并非图像视频信号，而是经过运算处理之后的检测结果，如尺寸数据。上位机如PC和PLC实时获得检测结果后，指挥运动系统或I/O系统执行相应的控制动作，如定位和分选。从视觉系统的运行环境分类，可分为PC-BASED系统和PLC-BASED系统。基于PC的系统利用了其开放性，高度的编程灵活性和良好的Windows界面，同时系统总体成本较低。以美国DATA TRANSLATION公司为例，系统内含高性能图像捕获卡，一般可接多个镜头，配套软件方面，从低到高有几个层次，如Windows95/98/NT环境下C/C++编程用DLL，可视化控件activeX提供VB和VC++下的图形化编程环境，甚至Windows下的面向对象的机器视觉组态软件，用户可用它快速开发复杂高级的应用。在基于PLC的系统中，视觉的作用更像一个智能化的传感器，图像处理单元独立于系统，通过串行总线和I/O与PLC交换数据。系统硬件一般利用高速专用ASIC或嵌入式计算机进行图像处理，系统软件固化在图像处理器中，通过类似于游戏键盘的简单装置对显示在监视器中的菜单进行配置，或在PC上开发软件然后下载。基于PLC的系统体现了可靠性高、集成化，小型化、高速化、低成本的特点，代表厂商为日本松下、德国Siemens等。

德国Siemens公司在工业图像处理方面拥有超过20年经验积累，SIMATIC VIDEOMAT是第一个高性能的单色和彩色图像处理系统，并成为SIMATIC自动化系统中极重要的产品。而99年推出的SIMATIC VS710是业内第一个智能化的、一体化的、带PROFIBUS接口的、分布式的灰度级工业视觉系统，它将图像处理器、CCD、I/O集成在一个小型机箱内，提供PROFIBUS的联网方式（通讯速率达12Mbps）或集成的I/O和RS232接口。更重要的，通过PC WINDOWS下的Pro Vision参数化软件进行组态，VS 710第一次将PC的灵活性，PLC的可靠性、分布式网络技术，和一体化设计结合在一起，使得西门子在PC和PLC体系之间找到了完美的平衡。机器视觉系统在印刷包装中的应用

自动印刷品质量检测设备采用的检测系统多是先利用高清晰度、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。CCD线性传感器将每一个像素的光量变化转换成电子信号，对比之后只要发现被检测图像与标准图像有不同之处，系统就认为这个被检测图像为不合格品。印刷过程中产生的各种错误，对电脑来说只是标准图像与被检测图像对比后的不同，如污迹、浅印，墨点色差等缺陷都包含在其中。

最早用于印刷品质量检测的是将标准影像与被检测影像进行灰度对比的技术，较先进的技术是以RGB三原色为基础进行对比。全自动机器检测与人眼检测相比，区别在哪里?以人的目视为例，当我们聚精会神地注视某印刷品时，如果印刷品的对比色比较强烈，则人眼可以发现的、最小的缺陷，是对比色明显、不小于0.3mm的缺陷；但依靠人的能力很难保持持续的、稳定的视觉效果。可是换一种情况，如果是在同一色系的印刷品中寻找缺陷，尤其是在一淡色系中寻找质量缺陷的话，人眼能够发现的缺陷至少需要有20个灰度级差。而自动化的机器则能够轻而易举地发现0.10mm大小的缺陷，即使这种缺陷与标准图像仅有一个灰度级的区别。

但是从实际使用上来说，即便是同样的全色对比系统，其辨别色差的能力也不同。有些系统能够发现轮廓部分及色差变化较大的缺陷，而有些系统则能识别极微小的缺陷。对于白卡纸和一些简约风格的印刷品来说，如日本的KENT烟标、美国的万宝路烟标，简单地检测或许已经足够了，而国内的多数印刷品，特别是各种标签，具有许多特点，带有太多的闪光元素，如金、银卡纸，烫印、压凹凸或上光印刷品，这就要求质量检测设备必须具备足够的发现极小灰度级差的能力，也许是5个灰度级差，也许是更严格的1个灰度级差。这一点对国内标签市场是至关紧要的。

标准影像与被检印刷品影像的对比精确是检测设备的关键问题，通常情况下，检测设备是通过镜头采集影像，在镜头范围内的中间部分，影像非常清晰，但边缘部分的影像可能会产生虚影，而虚影部分的检测结果会直接影响到整个检测的准确性。从这一点来说，如果仅仅是全幅区域的对比并不适合于某些精细印刷品。如果能够将所得到的图像再次细分，比如将影像分为1024dpi X 4096dpi或2048dpi X 4096dpi，则检测精度将大幅提高，同时因为避免了边缘部分的虚影，从而使检测的结果更加稳定。

采用检测设备进行质量检测可提供检测全过程的实时报告和详尽、完善的分析报告。现场操作者可以凭借全自动检测设备的及时报警，根据实时分析报告，及时对工作中的问题进行调整，或许减少的将不仅仅是一个百分点的废品率，管理者可以依据检测结果的分析报告，对生产过程进行跟踪，更有利于生产技术的管理。因为客户所要求的，高质量的检测设备，不仅仅是停留在检出印刷品的好与坏，还要求具备事后的分析能力。某些质量检测设备所能做的不仅可以提升成品的合格率，还能协助生产商改进工艺流程，建立质量管理体系，达到一个长期稳定的质量标准。

凹版印刷机位置控制及产品检测

由设置在生产线上的摄像机连续摄取印制品的视频图像，摄像的速度在30 帧/s 以下且可调。摄像机采集到的图像，首先进行量化，将模拟信号转化成数字信号，从中抽取一张有效代表镜头内容的关键帧，并将其显示在显示器上。对于一帧图像，可采用对静止图像的分析方法来处理，通过尺寸测量和多光谱分析可识别出视频图像上各色标，得出色标间距和色标的颜色参数以及一些其他相关。

由于各种因素影响，会出现各种各样的噪声，如高斯噪声、椒盐噪声及随机噪声等。噪声给图像处理带来很多困难，它对图像分割，特征提取，图像识别，具有直接的影响，因此实时采集的图像需进行滤波处理。图像滤波要求能去除图像以外的噪声，同时又要保持图像的细节。当噪声为高斯噪声时，最常使用的是线性滤波器，易于分析和实现；但线性滤波器对椒盐噪声的滤波效果很差，传统的中值滤波器能减少图像中的椒盐噪声，但效果不算理想，即充分分散的噪声被去掉，而彼此靠近的噪声会被保留下来，所以当椒盐噪声比较严重时，它的滤波效果明显变坏。本系统改进型中值滤波法。该方法首先求得噪声图像窗口中去除最大和最小灰度值像素后的中值，然后计算该中值与对应的像素灰度值的差，再与阈值相比较以确定是否用求得的值代替该像素的灰度值。

图像分割在该阶段中检测出各色标并与背景分离，物体的边缘是由灰度不连续性所反映的L 边缘种类可分为两种，其一是阶跃性边缘，它两边的像素的灰度值有显著不同；其二是屋顶状边缘，它位于灰度值从增加到减小的变化转折点L对于阶跃性边缘，其二阶方向导数在边缘处呈零交叉，因而可用微分算子来做边缘检测算子。微分算子类边缘检测法类似于高空间域的高通滤波，有增加高频分量的作用，这类算子对噪声相当敏感，对于阶跃性边缘，通常可用的算子有梯度算子Sobel 算子和Kirsh 算子。对于屋顶状边缘可用拉普拉斯变换和Kirsh 算子。由于色标为长方形，且相邻边缘灰度级相差较大，故采用边缘检测来分割图像。这里采用Sobert 边缘子来进行边缘检测，它是利用局部差分算子来寻找边缘，能较好的将色标分离出来。在实际的检测过程中，采用彩色图像边缘检测方法，选择合适的彩色基(如强度、色度、饱和度等)来进行检测。根据印刷机的类型特点，即印刷机各色的颜色和版图的特点，进行多阈值处理，得到各色的二值图。

将分割后的图像进行测量，通过测量值来识别物体，由于色标为形状规则的矩形，所以可对下述特征进行提取：(1) 由像素计算矩形面积，(2) 矩形度，(3) 色度(H ) 和饱和度(S )，然后根据各色标的间隔的像素点数量得到色标间的间距，与设定值比较，得到两者的差值，共进行m 次测量，取平均差值，给数字交流伺服调节部分提供相应的调节信号。以调节色辊的相对位置，从而消除或减少印刷错位。在特征提取时，对图像进行多光谱图像分析，可以定量地表示色标，如彩色数图像中像素的颜色，采用HIS 格式得到各色标颜色信息的两个参数：色度和饱和度，以此来检测油墨的质量。对各色二值图再进行统计计算或与标准图形进行样板匹配，测量印刷过程中墨屑等参数。

印刷机由开卷机放卷运行依次经过各印刷单元，进行各色的印刷和烘干，由收卷机进行收卷L 每色印刷都会在印料的边沿印上以供套色用的色标，该色标线水平10mm，宽1 mm ，每个相邻颜色的标志线在套印精确时应相互平行，垂直(纵向)相巨20 mm，由设置在生产线上的摄影机连续摄取印制品的视频图像，通过尺寸测量和多光谱分析可识别出视频图像上各色标，得出色标间距和色标的颜色参数L如果相邻两色色标间隔大于或小于20 mm ，则说明套印出现了偏差。将该偏差信号送给伺服变频驱动单元，驱动交流伺服电机，使相应的套色修正辊ML上下移动来延长或缩短印料自上一单元印刷版辊到该单元印刷版辊的行程来动态修正。

在现代包装工业自动化生产中，涉及到各种各样的检查、测量，比如饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别等。这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。通常这种带有高度重复性和智能性的工作只能靠人工检测来完成，我们经常在一些工厂的现代化流水线后面看到数以百计甚至逾千的检测工人来执行这道工序，在给工厂增加巨大的人工成本和管理成本零缺陷形状匹配，颜色辨识等，用人眼根本无法连续稳定地进行，其它物理量传感器也难有用武之地。这时，人们开始考虑把计算机的快速性、可靠性、结果的可重复性，从而引入了机器人视觉技术。

一般地说，首先采用CCD照相机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，根据像素分布和亮度、颜色等信息，如：面积、长度、数量、位置等；最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格/不合格、有/无等。机器视觉的特点是自动化、客观、非接触和高精度，与一般意义上的图像处理系统相比，机器视觉强调的是精度和速度，以及工业现场环境下的可靠性。 机器视觉极适用于大批量生产过程中的测量、检查和辨识，如：对IC表面印字符的辨识，食品包装上面对生产日期的辨识，对标签贴放位置的检查。

在机器视觉系统中；关键技术有光源照明技术、光学镜头、摄像机、图像采集卡、图像处理卡和快速准确的执行机构等方面。在机器视觉应用系统中；好的光源与照明方案往往是整个系统成败的关键；起着非常重要的作用；它并不是简单的照亮物体而已。 光源与照明方案的配合应尽可能地突出物体特征量；在物体需要检测的部分与那些不重要部份之间应尽可能地产生明显的区别；增加对比度；同时还应保证足够的整体亮度；物体位置的变化不应该影响成像的质量。在机器视觉应用系统中一般使用透射光和反射光。 对于反射光情况应充分考虑光源和光学镜头的相对位置、物体表面的纹理；物体的几何形状、背景等要素。光源的选择必须符合所需的几何形状、照明亮度、均匀度、发光的光谱特性等；同时还要考虑光源的发光效率和使用寿命。光学镜头相当于人眼的晶状体；在机器视觉系统中非常重要。 一个镜头的成像质量优劣；即其对像差校正的优良与否；可通过像差大小来衡量；常见的像差有球差、彗差、像散、场曲、畸变、色差等六种。

摄像机和图像采集卡共同完成对物料图像的采集与数字化。 高质量的图像信息是系统正确判断和决策的原始依据；是整个系统成功与否的又一关键所在。 在机器视觉系统中；CCD 摄像机以其体积小巧、性能可靠、清晰度高等优点得到了广泛使用。 CCD 摄像机按照其使用的CCD 器件可以分为线阵式和面阵式两大类。 线阵CCD 摄像机一次只能获得图像的一行信息；被拍摄的物体必须以直线形式从摄像机前移过；才能获得完整的图像；因此非常适合对以一定速度匀速运动的物料流的图像检测；而面阵CCD 摄像机则可以一次获得整幅图像的信息。图像信号的处理是机器视觉系统的核心；它相当于人的大脑。 如何对图像进行处理和运算；即算法都体现在这里；是机器视觉系统开发中的重点和难点所在。 随着计算机技术、微电子技术和大规模集成电路技术的快速发展；为了提高系统的实时性；对图像处理的很多工作都可以借助硬件完成；如DSP、专用图像信号处理卡等；软件则主要完成算法中非常复杂、不太成熟、尚需不断探索和改变的部分。

从产品本身看，机器视觉会越来越趋于依靠PC技术，并且与数据采集等其他控制和测量的集成会更紧密。且基于嵌入式的产品将逐渐取代板卡式产品，这是一个不断增长的趋势。主要原因是随着计算机技术和微电子技术的迅速发展，嵌入式系统应用领域越来越广泛，尤其是其具备低功耗技术的特点得到人们的重视。另外，嵌入式操作系统绝大部分是以C语言为基础的，因此使用C高级语言进行嵌入式系统开发是一项带有基础性的工作，使用高级语言的优点是可以提高工作效率，缩短开发周期，更主要的是开发出的产品可靠性高、可维护性好、便于不断完善和升级换代等。因此，嵌入式产品将会取代板卡式产品。

由于机器视觉是自动化的一部分，没有自动化就不会有机器视觉，机器视觉软硬件产品正逐渐成为协作生产制造过程中不同阶段的核心系统二次开发。当今，自动化企业正在倡导软硬一体化解决方案，机器视觉的厂商在未来5-6年内也应该不单纯是只提供产品的供应商，而是逐渐向一体化解决方案的系统集成商迈进。

在未来的几年内，随着中国加工制造业的发展，对于机器视觉的需求也逐渐增多；随着机器视觉产品的增多，技术的提高，国内机器视觉的应用状况将由初期的低端转向高端。由于机器视觉的介入，自动化将朝着更智能、更快速的方向发展。

应用的关键推动力

消费者的严格要求和企业自律是应用的关键推动力

来自终端用户的声音——机器视觉技术将成为大企业检测设备的‘不二选择’。

在我们对用户的采访中发现，大企业普遍比较关注包装安全的问题，一方面是树立产品和企业形象，另一方面也是本着对社会和消费者负责的精神，因此在一些关键环节，这些大企业会采用机器视觉技术来进行检测。百威（武汉）国际啤酒有限公司的相关人士在采访中表示：在啤酒行业中，玻璃瓶包装是常见的包装形式，而玻璃瓶的质量直接关系到包装的安全，如果玻璃瓶的瓶体上有“皱纹”或者气泡，那么在受到啤酒的压力后可能会出现爆瓶的危险情况，给各方带来危害，所以百威（武汉）国际啤酒有限公司就在检测玻璃瓶的质量时使用了机器视觉技术保证产品的安全。因为机器视觉设备的投入比较大，所以只有一些大企业采用，在其他中小企业中，这道检测环节仍普遍依靠人工，虽然人工检测也可以达到检测的目的，但是其达到的效果是令人怀疑的，毕竟人为的因素更为复杂。随着消费者对包装安全的不断重视和行业政策的不断严格，以及企业的社会责任感的不断加深，机器视觉技术必将更为广泛的应用。

在记者采访的过程中，西安百事可乐饮料有限公司的负责人表示，“只要上马玻璃瓶装的百事可乐项目，就一定会选择机器视觉技术”，并且公司已经开始了解视觉检测技术的行业现状及供应商状况。机器视觉技术在中国的百事可乐装瓶厂中已有成功的应用案例，而其应用正显示出了百事可乐对“食品安全”问题的慎重考虑。在中国，知名品牌企业通常会将消费者的利益置于首位，愿意在生产环节中负担成本较高的设备费用。百事可乐认为，设备的成本一定会通过优质的产品质量得到回馈，机器视觉技术的供应商选择标准不在成本环节，而更关乎优异的技术及安全严格的质量控制。

来自供应商的声音——机器视觉技术将随着包装安全理念的全面深化而广泛应用

机器视觉技术进入中国的时间并不是很长，虽然在国内的某些行业，我们已经对这项技术有了相对较多的了解，比如电子行业、制药行业等。但不可否认的是，在我国，机器视觉技术在啤酒/饮料行业的应用还比较有限，中国的啤酒/饮料企业对于机器视觉技术的了解还不够全面。一些在包装线上负责设备的工程师对机器视觉技术的认识还比较模糊，甚至有一些还不知道包装线上所面临的问题是可以通过机器视觉技术来解决的。

分析其中原因，消费者对消费品外观和内在质量的要求不高是一个非常重要的因素。消费者在购买饮料时，对产品外包装的好坏、产品的日期码打印的清楚与否、标签贴的是否齐整等方面的关注度还不是非常高，这就导致啤酒/饮料的生产厂家没有积极考虑通过加装机器视觉设备来完善其检测手段进一步提升产品的整体质量。另外，加之生产厂家的“成本控制意识”的误区，使许多厂家和设备制造商没能真正认识到加装机器视觉技术给他们带来的产品质量和整体品牌的提升，以及生产效率的提高等。但相信这些都会随着包装安全理念的全面深化而得到明显改善。

机器视觉技术帮企业完成不可能完成的任务

来自终端用户的声音——机器视觉技术优于人工检测

一些生产玻璃瓶包装的啤酒/饮料生产企业认为，机器视觉设备将是匹配高速生产线的必须设备，而且机器视觉技术在饮料行业的应用更为专业，所以可在啤酒饮料生产行业的检测管理环节大有作为。机器视觉技术可以对啤酒/饮料产品的PET容器或玻璃容器的一系列生产环节，如：空瓶验瓶、液位高度、封盖、标识打码、标签贴标、装箱满箱等状况进行检测。可以说，伴随着中国啤酒/饮料市场的级数增长，高速生产线上势必会出现一批技术过硬的机器视觉产品，因为人工检测及技术含量较低的检测产品将无法满足现代液体食品生产厂商的需要。人眼在检测环节中将不可避免地存在一系列劣势，比如：疲劳及长时间工作的误差，就算这些差距都规避掉，一个极富有经验的检测员工也不可能超越一台性能普通的视觉检测设备。同时，光电技术在识别产品变形性等环节与机器视觉技术所形成的差异，也决定了机器视觉技术将是引领检测技术发展的主要角色。

来自供应商的声音——机器视觉技术的检测性能大而全面

事实上，在国外的液体灌装设备上，机器视觉检测技术已经相当普遍和成熟。计数、定位、液位、贴标、打码、装箱等方面的检测是此行业应用检测设备的主要工位，有些检测内容可以通过常规的传感器来完成，比如瓶子的计数、到位检测等，但是有些检测内容必须要通过机器视觉设备来完成。如果就检测功能和性能把常规传感器和视觉传感器做比较的话，常规传感器就象一只来福枪，杀伤力仅限于一条线上，检测性能比较单一；而视觉传感器就象一挺机关枪，它的杀伤力是一个面，检测性能强大而且全面。举一个很简单的例子，要检测标签上所打的“ABC”这一内容是否正确，常规传感器就很难完成这一检测项目，这3个字母打印的是否清晰、正确、完整都无法实现有效检测，而对于视觉传感器这是一个再简单不过的应用了。又如灌装液位的测量以保证饮料不会缺少，压盖后瓶子的密封性检测，以及贴标后标签位置的检测，这些都是只有机器视觉设备才能完成的检测。

随着条码的发展和物流要求的提高，具有读取一维条码和二维码功能的机器视觉技术将会更广泛的应用在啤酒和饮料行业当中。另外，在包装过程中，容易出现包装隐患的环节也十分需要机器视觉技术的引入，比如在玻璃瓶的灌装环节，有些灌装头是需要接触并压在瓶口上完成灌装的，如果出现压损瓶口的情况，那么机器视觉设备可以清楚的检测出这一问题。而如果没有安装机器视觉检测设备，那么带有玻璃碎屑的产品流通到市场上，不但会对消费者的身体健康造成严重影响，同时也会影响企业的品牌和声誉。在贴标过程中，标签贴得是否倾斜是常规光电技术无法检测出来的，机器视觉技术就可以很好的完成这个任务。随着消费者对包装需求的提高，这项检测将越来越被大型啤酒/饮料企业所青睐。

在未来一段时间里，在啤酒/饮料行业的机器抓手方面，机器视觉设备会起到关键的精确引导作用，这也会使机器视觉设备更多的出现在后段包装线的重要工位上。

所有这些都无疑证明机器视觉设备可以完成啤酒/饮料行业必须完成而用其他检测技术无法完成的检测项目。

共同的声音——行业包装技术的发展趋势为机器视觉技术发展带来利好因素

随着啤酒/饮料行业的包装技术迅猛发展，尤其是高科技含量的外国灌装设备的大量引进以及国外著名灌装设备生产厂家纷纷在中国设厂，极大的带动了我国整个行业的包装设备都在向着更高端的技术发展。在高速包装线上，人工和相对简单的检测手段已不能满足企业对于包装检测的需要。我们很高兴的看到消费者在购买啤酒饮料时已经开始关注产品的外观质量，国内的一些啤酒饮料的著名生产厂家也已经开始意识到产品的外观与其内在质量同等重要，同样会影响一个企业的声誉，所有这些对于机器视觉技术的推广都是非常关键的利好因素。

机器视觉技术的推广需要各方因素的共同努力和推动。我们有理由相信，随着消费者对产品包装的逐步重视，随着生产厂家对视觉检测技术可提升品牌形象的理解，随着行业政策的不断完善，如QS认证的严格化等，机器视觉检测技术在啤酒/饮料行业的应用前景将会越来越广阔！它势必将随着包装技术的提高而得到广泛应用！

有人会说这些年来机器视觉技术的进步一直在提高。然而，当回望过去的35年，功能上的差异是巨大的。最早的机器视觉系统需要微计算机，而且它们的功能很有限。首先认识到微处理器的潜能的其中一个公司是物体识别系统。最早的微处理器没有很大的计算能力，因此基本的模式识别算法不得不被舍弃。好消息是可以做灰度级的处理算法，但坏消息是能做灰度级的处理算法而不能在好的灰度比例变化与坏的灰度比例变化之间做出判别。因此，除非有一个全职的工程师来管理这些设置，错误拒绝的数目是紊乱的，

在那个时期的其他机器视觉系统也好不了哪里去。许多的硬件都被设计来完成更复杂的图像处理算法，但是，这些只是在少量算法下才会很好工作，对于一个应用经常没必要用最好的算法。这些早期技术在一些应用中体现出重大的进步，比如光源，相机和物体的物理排列，特别是为自身设计的光源，还有它们之间的连接。优化分段处理是减少计算大量图像处理算法的关键。

幸运地是机器视觉的潜在计算技术在这些年里取得了很大的进步。结果是产生出更多成功的应用。配备机器视觉的很多产品都是可用的。在10～15年以前可用的性能优于机器视觉工具包的视觉传感器在今天已是普遍使用了。在一些情况下，智能相机结合处理大多数计算任务的FPGA，DSP和微处理器则会更具有智能性。具有多种连接性的数字摄像机能将一台个人电脑变成一个机器视觉系统。在这里电脑可能需要配备更智能的帧采集器，它可以插在电脑上，处理大多数图像处理任务。

在这些产品中内在的计算能力的不断提高，基于拥有权设计的机器视觉硬件在下滑。越来越多的特殊应用机器视觉系统能由一个或另一个配备的机器视觉排列来处理。

对这篇文章作出贡献的个人有下面这些：

Rene Voorwinden：Technical Director－Arvoo

Ben Dawson：Director of Strategic Development －DALSA (ipd)

Stephane Francois：Executive Vice President － Leutron Vision, Inc.

William Munroe：Director of Marketing－Microvision

Dr. Lutz Kreutzer：Marketing Manager －MVTec

Karl Gunnarsson：Vision Manager - SICK

Endre Toth：Director Business Development－Vision Components

您在已经在机器视觉中使用的可配置的视觉产品（智能相机，嵌入式视觉处理器，基于PC的引擎，帧采集器等等）中预见到什么发展趋势？

[Rene]在我看来，Arvoo在图像处理硬件的一个主要趋势是相机与处理器的集成。主要供应商中的许多只提供智能相机或集成的视觉处理器，其他的是集成了一些CCD或CMOS设备。我们相信紧凑方案有市场，尽管它主要是低级的应用市场。除此之外，终端用户的学习是非常重要的，基于智能相机的DSP或FPGA对于那些无经验的编程者来说可以充分发挥应用开发时间的优势。考虑到开发时间投入市场时间，用知名的操作系统，比如Linux，RT Linux，QNX或Ecos的方案通常是首选的。

来自在一个操作系统上运行的智能相机的主要问题是大多数都在一个基本用途的处理器上运行，比如Pentium Mobile，Power PC等等。这些处理器有较高的发热性，导致在相机内部有很高的温度。众所周知，温度会影响图像处理的许多功能，这将导致损失精度和产生许多随机噪声。

针对高端终端应用，ARVOO将图像获取（比如：帧采集器）和图像处理集成到一个视频处理器中。这个视频处理器被图像处理设备分离（比如：相机）。在这个架构下，我们在允许的产热量（大约20W）没有影响图像处理过程的条件下提供一个高处理能力。机架固定方案能够很好地应用于多个相机应用，二维和三维图像处理。在一个系统中通过千兆以太网连接多个单元，但只允许在个宽范围内安装它们。

[Ben]机器视觉将继续从降低成本和增加处理器，内存和其他组件的性能中获利。在IPD，我们看到机器视觉中有三个发展趋势。第一，机器视觉系统的用户接口会引起越来越多的关注。用户接口通常是最后考虑的，这需要从算法设计者不断贡献中来建立。结果可能对设计者有意义，但对于用户来说需要较长的时间去学习。在IPD，我们从接口开始，并通过可接受的人为因素来使得我们的视觉系统易于使用的方法来建立。

第二个趋势是使机器视觉工具成为使用简单的专用工具。与一个复杂的多功能的基本视觉系统相反，我们的工具针对于一类问题。这个在特定知识领域上建立，会极大地减少需要使用一个机器视觉工具的专家知识。举个例子，一个传统机器视觉系统有许多不同的你可能用于检测一个零件的边缘检测算子。如果你知道你正在做的，这个弹性就很好，但是让大多数用户不知道从哪里开始。与此相反，我们提供知道那些需要去做和为测量选择算法的尺度检测工具。我们把视觉专家知识生成一个工具包，以便用户只是专注于他们的任务而不是变成一个视觉专家。

第三个趋势是增加视觉系统的智能以使它能克服更多的环境变化。比如，与让用户去装置一个零件到一个特殊的位置不同，我们使用视觉搜索去寻找视场里的部件。或者再比如，我们使用能不受亮度变化影响的算法，以使部件照明简化。结合趋势二与三，我们有为专门应用而设计的视觉系统，比如监测标签。在这样的情况下，视觉系统理解最终任务，使用熟悉且适用于这个任务的接口。视觉商家必须平衡易于使用与市场大小，还有携带多个产品的成本。

[Stephane]技术趋势有包含PCIe和FPGA的帧采集器，多个GigE视觉相机，图像转化可靠性。GigE视觉（和USB2.0）要求新的设计。市场对解决特殊应用，不论是具有诸多功能的（用于不止一个系统），还是针对特殊应用的（对单个系统易于集成），都是有需求的。对于更多特征，价格总是会继续下降。

[Bill] 在过去的许多年里，机器视觉和条形码读取技术已经聚合到一个我们提到的智能相机或码图像机的新空间中。在这个新的集中技术空间中，有许多趋向涌现出，它们很可能在接下来的几年中推动工业的发展。其中之一就是消费群中使用数字相机的增加。你能用手机，PDA或小于一张商业卡的超薄相机就能很容易的获得高质量的图像。这会刺激消费者接受数字相机，我期望在商用视觉群中看到波动。

视觉技术将变得越来越能干，甚至易于使用且低价格。这跟在25年前紧凑显示器出现一样，当成千上万的消费者开始买基于激光二级管技术的CD播放器时，结果是可靠性在提高，激光二级管价格的急剧下降使得生产条码扫描设备的生产商逐渐增多，昂贵的氦氖激光管比便宜的二极管的小许多。就在CD播放器使用仅仅几年之后，大多数条码扫描器使用二级管。在今天看来，我期望看到商业视觉系统尺寸越来越小，高分辨率和更低成本。作为做基层和系统的工程师来说，看到这些新视觉系统的价格下降，机器视觉应用就应当打开。

第二个技术趋势可能是会更重要，即大力提高图像处理软件工具。图像处理能力和速度的增长一直以来由硬件上的提高来驱动，因此更好的开发工具会使得软件开发者开发更容易且更快，让他们开发出对于一个给定应用的需求，只需要个别修改的图像处理方案。

跟建立一个新的工业视觉系统一起的我们遇到的更多的物理复杂性可能由易于使用的软件控制选择所替代。这对做基层的工程师有利，会帮助打开智能相机和条码图像机的新的应用。

[Lutz] 我们看到与潜在技术相关的一些趋向包括：双核－对于使用并行软件64 CPU/64 Bit XP来说是基本需求，全面支持64Bit的增长速度，更多处理空间，更大的图像。