视觉检测系统的反馈机制研究
—197—
视觉检测系统的反馈机制研究
罗三定，孙喜梅
(中南大学信息科学与工程学院，长沙 410083)
摘 要：针对现有计算机视觉理论框架在指导视觉问题中很难克服精度差、受噪声影响大、计算复杂性高的问题，提出仿人的闭环视觉系统模型，引入反馈机制和高层知识的指导，并将其应用到车牌定位系统中。研究结果表明，以该模型实现的仿人视觉车牌定位系统容错性好、准确率高，可以有效地解决光照不均、牌照褪色，以及复杂背景干扰等情况下的车牌定位问题。 关键词：计算机视觉；人类视觉；反馈机制；车牌定位
Feedback Mechanism Investigation on Visual Detection System
LUO San-ding, SUN Xi-mei
(School of Information Science and Engineering, Central South University, Changsha 410083)
【Abstract 】Aiming at poor accuracy affected by noise and high complexity of calculating in computer vision theoretical framework guiding vision,a new humanoid vision of the closed-loop system model is put forward, a feedback mechanism and the guidance of high-level knowledge is introduced, and they are applied to vehicle license plate location system. Results show that the system not only can accurately locate vehicle license plate and have high fault tolerance, but also can effectively solve location problem under the circumstance of uneven illumination, depigmentation or complex environments interferences.
【Key words 】computer vision; humanoid vision; feedback mechanism; vehicle license plate location
计 算 机 工 程Computer Engineering 第36卷 第1期
Vol.36 No.1 2010年1月
January 2010
·人工智能及识别技术·文章编号：1000—3428(2010)01—0197—04
文献标识码：A
中图分类号：N945.12
1 概述
计算机视觉理论和视觉系统技术之间存在较大距离。现有的视觉系统都是在特定条件或特定知识的指导下，检测特定目标的特征，完成对特定世界的认知。然而，这种从特定认知任务出发的视觉系统对开发者的经验和应用条件过分依赖，适应性和鲁棒性不高。
计算机视觉理论经过40多年的发展，相继出现了一些计算机视觉的理论框架，计算机视觉的研究也从二维发展到三维，从串行发展到并行。文献[1]的视觉计算理论立足于计算机科学，系统地概括了心理生理学、神经生理学等方面已取得的所有重要成果，但该理论并不完善，其所建立的视觉处理框架基本上是一个自下而上、完全由资料驱动的、单向无反馈的系统，并没有足够重视知识的应用。另外，视觉研究是否真的需要重建、信息处理是否全部需要定量完成等，也是存在的问题之一。相对于前者，Lowe 提出了基于知识的视觉理论框架；基于后者有学者提出了基于目的的主动视觉理论框架。基于知识的视觉理论框架尽管引入了反馈，强调高层知识对视觉的指导作用，但它否认计算视觉理论，认为人类视觉只是一个识别过程。主动视觉理论框架是根据Gibson 的生态学理论[2]提出的。主动视觉强调视觉系统应该基于一定的任务和目的，同时视觉系统应该具有主动感知的能力。虽然在目的视觉系统框架中以视觉任务为先导，引入了知识的学习和利用，但是目的视觉理论框架中也缺乏反馈和高层知识的指导。这种无反馈的结构不符合生物视觉系统，同时在视觉问题中将很难克服精度差、受噪声影响大、计算复杂性高的问题，也缺乏对问题和环境的自适应性。
本文从分析人类视觉的特点入手，给出人类视觉系统的并行处理机制模型，在分析该模型及计算机视觉与人类视觉
的差别的基础上，提出仿人的闭环视觉系统模型，并将其应用到车牌分割系统中。
2 闭环反馈视觉检测系统结构
2.1 人类视觉的特点
人类的视觉系统是一个闭环的多重反馈信息处理系统。作为人类视觉的核心，大脑具有高度的视觉信息理解知识与智慧，其特点是能够运用丰富的知识、经验与方法，具备针对性很强的有效信息选择和灵活的处理手段调节能力，能够在先验知识的指导下对信息进行主动获取、合理利用、适时取舍、方法试探、分析评价、实时反馈指导。
人类视觉感知是一个鲁棒性很强的、能抵御实际中各种变形和噪声干扰的具有良好容错性的识别系统。英国科学家Zeki 指出人类视觉系统使用精巧的策略或办法来统一不同性质的信息，即在几个不同水平上相互作用来多级地处理复杂的视觉信息，感知周围多彩生动的视觉世界。在物体某些信息缺失(如褪色、形状残缺)的情况下，人类仍然能够准确无误地识别物体。这是因为人类有先验知识的指导且在其指导下能够进行缺失信息的补充或者依据其他信息进行判断。
虽然当前人类通过视觉感知世界的机理尚不完全清楚，在计算机视觉系统理论中引入知识指导、综合、反馈机制却是非常必要的。
2.2 闭环反馈视觉系统
仿人计算机视觉并不是机械地模仿人类视觉，而是要从系统的处理目的出发，模仿实现人类识别事物的信息处理模
作者简介：罗三定(1955－)，男，教授，主研方向：图像处理，工业视觉系统；孙喜梅，硕士研究生
收稿日期：2009-11-05 E-mail ：ruiping_sun@https://www.wendangku.net/doc/8014910018.html,
—198
—式，在专业知识的指导下，加强各模块之间的相互作用，构成多层交叉的信息融合和反馈机制，提高系统的综合检测能力和鲁棒性。
计算机图像处理技术的发展，使得计算机很容易从图像中提取到颜色、亮度、边缘等特征信息，进行定量计算。但图像信息受到视角、背景、光照、天气、噪声等的影响时，图像特征量有较大的不确定性，计算机视觉系统的定量计算很难适应。
本文提出仿人的闭环反馈结构视觉系统模型，使系统具有适应各种情况的能力，如图1所示。
图1 闭环反馈视觉检测系统结构
系统视觉分3个层次，即底层、中间层和顶层。 (1)底层
底层包括处理模块、分析模块和选择模块。处理模块负责提取输入图像的颜色、亮度、边缘等特征，并构成特征向量；分析模块根据上层的反馈信息、特征提取知识，调整处理策略和参数；选择模块根据分析的结果选择预处理方案，有选择地做图像增强处理，突出重要特征，排除或抑制干扰特征。
(2)中间层
中间层的任务是实现对所提取信息的加工，获取目标的整体信息，为理解决策和学习提供依据。整体信息由一个或多个区域的描述组成，包括目标区域图像信息、区域的形状、面积、中心以及多区域之间的关系等描述信息。通过综合底层输出的特征信息获得特征模型。特征模型是这样一种状态的集合，该特征状态为在系统性能指标的要求下针对识别问题对系统输入采样信息空间划分出的各个区域。
(3)顶层
顶层是目标识别层。顶层通过综合底层和中间层的信息运用知识进行推理，得出基于不同特征的决策，然后对所得决策进行融合，并对融合结果进行评价。具体理解策略的选
择由知识库中预先确定的先验知识给出，并能根据信息反馈及评价的结果做出相应改变。
该模型是一种具有二次映射关系的信息处理过程，可用产生式规则表示为
IF(特征信息)THEN(控制模式或模态)
IF(控制模式或模态的条件)THEN(控制模式或输出)
3 闭环反馈机制在车牌定位中的应用
车牌定位是车牌识别(License Plate Recognition, LPR)中的关键步骤。它的主要工作是从拍摄的汽车图像中找到车牌所在的位置，并把车牌从该区域中准确地分割出来，供后续的字符分割使用。
目前的车牌定位方法各有所长，但是存在着计算量大或定位准确度不高等问题。针对这些问题，文献[3]提出一种基于分级边缘间距的实时车牌检测方法，与同类方法相比，该方法限制条件少、速度快、准确率高；但该方法并不能定位到车牌褪色这一类型的图像。文献[4]提出一种基于修正思想的车牌图像定位算法，但该方法对于复杂背景干扰的情况也不能准确定位。为解决以上问题，本文运用上述模型作指导，提出一种仿人视觉的车牌定位模型。
3.1 仿人视觉的车牌定位模型及实现
仿人视觉的车牌定位模型由判断器、比较器、知识库、控制器、感知器、评价器及原始图像共同构成，如图2所示。
图2 仿人视觉的车牌定位模型
(1)判断器
判断器输出的结果信号()j t 由控制器接收。
通过大量实验发现，晚上车辆补光图像的直方图右侧灰度分布密度非常小，而其他车辆图像的灰度直方图则无此规律。如图3所示，算法对直方图中80~255的灰度值之间的灰度分布密度取算术平均值aver ，设_[]fPs Y i ([80,255]i ∈)为灰度分布密度，fMaxIntensity 为_[]fPs Y i 的最大值，当
10aver <并且!_[255]fMaxIntensity fPs Y =时，判定图像为晚
上补光图像；否则为非晚上补光图像。
50
100150200255
0.195 412
灰度分布密度
像素灰度级
(a)晚上补光图像 (b)晚上补光图像直方图
50
100150200255
灰度分布密度
像素灰度级
0.011 622
(c)非晚上补光图像 (d)非晚上补光图像直方图
图3 2种类型的图像及其直方图
(2)比较器
比较器接收评价器输出的评价向量y (t )(车牌特征向量)，
—199—
将之与阈值向量r (t )进行比较，得到误差向量e (t )。比较操作判断特征向量一个或几个分量是否满足特殊情况。若满足，e (t )就按照该特殊情况的特殊求差函数确定；若不满足，就直接求差。
(3)知识库
根据误差向量()t e 的所有分量进行推理，做出控制决策向量1()t sgn 和2()t sgn 。即：
if (())0 then f e t >
1() and 2()t a t b ==sgn sgn (1)
这2个控制信号分别传递给控制器和感知器，指导其选择合适的图像处理手段并为该图像处理手段提供参数。由于同一种图像处理方法在不同参数下会取得不同的效果，采取以下措施：对于同样的方法选用不同的参数，首先根据误差向量()t e 及其差分()t Δe 确定参数调节方向以及调节增量大小，然后进行调节，同时限定调节次数，若在限定次数内无法完成，则宣告该方法无效，选择其他方法。
知识库建成“树型”查询结构。其知识用二叉树保存，根据反馈的信息快速地查询二叉树，找到参数如何调整，然后调整参数。
(4)控制器
控制器用来增强图像，其接收判断器输出的信号()j t 和知识库给出的决策向量1()t sgn ，得到各方法中相应的阈值，完成相应的图像增强工作。其功能包括晚上补光图像和非晚上补光图像的增强。
由于晚上补光图像的灰度直方图中往往有接近于零的灰度密度值，利用这一特点便于获得合适的阈值二值化图像区分车牌及车身。对二值化后的图像按行扫描边缘点，如果相邻边缘点之间的距离不超过设定的阈值T 1，则将它们连成一线，即可得到连通的车牌区域候选集。与形态学方法相比，水平桥接算法不需要选择结构元素，对车牌大小不敏感，针对车牌图像生成连通区域更加准确、快速。
非晚上补光图像的增强步骤如下：
步骤1 用图4所示的算子对图像进行垂直边缘检测。在获得的图像中，可清晰地看到密度较大的区域，即车牌、车灯和散热器等白像素点密度集中的区域。
-1 1 -1 1 -1 1
图4 垂直边缘检测算子
步骤2 采用桥接去短线法快速生成连通区域。先对步 骤1获得的图像按行从左到右扫描边缘点，如果相邻边缘点之间的距离不超过设定的阈值T 1，则将它们连成一线；再对水平桥接后的图从左到右扫描，如果该行各线段的距离不超过T 1，则将该线段删除；然后对所得图像按列扫描，如果相邻边缘点之间的距离不超过设定的阈值T 2，则将它们连成一线；统计垂直桥接后的图像中各行边缘点的数目，利用设定的阈值过滤掉数目较少的行；最后，再对得到的图像按列扫描，如果该列各线段的距离不超过设定的阈值T 3，则将该线段删除。这样，在一个高密度垂直边缘区域内可以得到多组线段，如果存在牌照，则该区域的线段密集度应该很高，且与周围其他连通区域相对隔离，若各阈值设置恰当，车牌区域可以形成完整的矩形块状连通域。
(5)感知器
感知器采用2()t sgn 决策向量(1()t sgn 和2()t sgn 的决策信号是相互关联的)所制定的方法对增强图像进行处理，获得车牌信息。
区域合并后产生了一组车牌候选区域集合，需要根据先验知识判断其中是否包含车牌区域，并将其提取出来作为最后的候选。
首先根据几何拓扑特征进行筛选，满足条件宽度在一定的范围内([85,100])，车牌区域宽度与高度的比值大于一定的阈值(4)，车牌区域的区域填充度大于一定的阈值(0.8)，则保留为后续处理的新候选区集合；然后对新的候选区集合引入颜色判断，排除车灯和一些文字区域的干扰。
(6)评价器
评价器将感知器获得的图像抽象信息量化，形成特征向量()t y 。
设所得可疑车牌区域的上下边界值分别为min y 和
max y ，为去除车牌边框的影响，评价算法对[min,max]y y 高
度区域内的可疑区域进行处理。其中，
min 1(max min)/3min y y y y =??+ (2) max 3(max min)/4min y y y y =??+ (3) 可疑车牌区域的具体评价步骤如下：
步骤1 首先根据下式将上述所得区域灰度化，然后选取合适的阈值对灰度图像进行二值化：
(,)0.3(,)0.59(,)0.11(,)f x y R x y G x y B x y =?+?+? (4) 步骤2 去掉二值图像中白点或黑点较多的行，排除区域中包含的非文字图像，对各种定位区域进行适应性修正。
步骤3 对步骤2所得图像，先统计各行的黑色像素点个数，并保存于数组[]Hproject i 中(i 是像素点所在的行)，从图像的中间向上扫描，当[]Hproject i 小于一定的阈值(取宽度的1/10)时，停止扫描，1i +为区域上边界；同理，从图像的中间向下扫描，得到区域下边界1i ?。然后对缩小水平边界后的区域进行垂直投影，找到每个字符或噪声的边界，相应得到字符和噪声的总数sumnum 和新的宽度npWidth 以及新的高度npHeight 。
步骤4 获得垂直投影所得边界中各相邻右边界的最大间距maxwidth ，并利用设定的阈值T (T =宽度/100)调整字符和噪声的总数sumnum ，当相邻右边界的间距小于T 时，sumnum 值减1。
步骤5 当满足条件
7&&0&&sumnum npHeight npWidth >>>
0&&/7maxwidth width < (5) 时，如果/2npWidth npHeight >，该可疑区域即车牌区域；否则认为长宽比不正确，车牌不完整。除此之外，均不是车牌区域，则反馈评价信息，系统根据知识库调整，以定位到车牌区域。
3.2 实验
本实验主要针对4种类型的图像对所提算法进行测试。实验效果见图5。对于图5(a)~图5(d)中的各种情况，所提算法均能准确定位。实验对上述类型的600幅图像进行定位，比较其在传统的边缘检测与颜色定位融合算法和本文算法下的定位效果，如表1所示。可见，加入评价反馈的算法定位成功率大大提高。一些图像定位失败是因为图像中车牌严重损毁或车牌倾斜严重，对前者可改进评价反馈机制，后者可改变摄像头位置或通过提取多帧图像定位来提高定位率。
—
(a)车牌图像褪色的夜间补光图(b)车身背景较复杂的图像
(c)车牌与车身颜色非常接近的图像(d)轻度倾斜的图像
(e)图5(a)的定位结果(f)图5(b)的定位结果
(g)图5(c)的定位结果(h)图5(d)的定位结果
图5 4种类型图像及定位效果
表1 不同算法下车牌定位效果比较
比较参数传统边缘检测与颜色融合算法本文算法
失败数目48 3
成功率/(%) 92.0 99.5
该系统的最大特点是信息融合和反馈机制，提高了系统
的容错性；能够综合利用图像中的各种信息得到定位结果，
提高系统的综合检测能力；在信息缺失的情况下，能够利用
其他可获取的信息及经验知识得到结果信息，提高系统的鲁
棒性。算法中涉及的方法实现简单、时间复杂度低；算法在
CPU 1.7 GHz，内存256 MB的设备环境下用VC++6.0实现，
定位时间稳定在120 ms~160 ms之间，能够满足实时处理的
要求。
4 结束语
本文模仿人类识别事物的信息处理模式，提出一种闭环
反馈的视觉系统模型。将所提的模型应用于车牌定位系统中，
所实现的仿人视觉车牌定位系统准确率高、容错性好，可以
有效地解决光照及复杂背景等情况下的定位问题，亦证明该
模型可提高系统的综合检测能力和鲁棒性。
参考文献
[1] Marr D. A Computational Investigation into Human Representation
and Processing of Visual Information[M]. 姚国正, 译. 北京: 科
学出版社, 1988.
[2] 郑南宁. 认知过程的信息处理和新型人工智能系统[J]. 中国基
础科学, 2000, (8): 9-18.
[3] 吴舟舟, 李树广. 基于分级边缘间距的实时车牌检测[J]. 中国图
象图形学报, 2007, 12(2): 315-321.
[4] 洪健, 陈继荣. 基于修正思想的车牌图像定位与二值化处
理[J]. 计算机工程, 2007, 33(8): 175-177.
编辑任吉慧~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
（上接第190页）
第3步运算得到。总之，恢复rk10[2~15]这14个字节值需要
104次加密，并利用其中26个错误密文。
实验采用软件模拟方式，测试环境为一台PC(Intel
Pentium 1.6 GHz，1 GB内存)，编程环境为MS VS 2003，诱
导得到错误密文过程利用模拟得到。
本文共进行了5次攻击实验，其结果如表1所示。要恢
复AES-128密钥，除需要一个正确密文外，平均所需错误密
文数约为104条，其中，有效密文数为26条，由于每次实验
故障发生的字节位置不可能完全平均分布，因此确定诱导故
障值所需加密运算的次数略有不同。另外，由于rk10[0], rk10[1]
不能从攻击中求得，因此只能通过穷举的方法，总耗时不超
过10 s。
表1 攻击实验结果
有效错误密文/所得错误密文总数
序号
攻击
rk9[12~15]
攻击
rk8[12~15]
攻击
rk8[8~11]
有效错误密
文总数/错误
密文总数
1 8 / 31 10 / 36 8 / 31 26 / 98
2 8 / 44 10 / 39 8 / 26 26 /109
3 8 / 38 10 / 33 8 / 36 26 /107
4 8 / 31 10 / 38 8 / 31 26 /100
5 8 / 35 10 / 38 8 / 3
6 26 /109
5 结束语
本文提出的方法利用AES算法末3轮变换特点，加入随
机故障，得出错误密文与诱导故障之间的简单关系，实现了
攻击。理论分析和实验有力地证明了一定的假设条件下差分
故障攻击对析出AES算法密钥的有效性。
为了防范这类攻击，除了完善加密设备自身保护措施外，
对AES算法实现也需要加以改进。之际后将在现有研究基础
上，寻求新的抽象和描述方法，进一步研究在低精确度条件
下引入故障的故障分析方法。
参考文献
[1] Daemen J, Rijmen V. AES Proposal: Rijndael(Version 2)[Z].
(2008-09-11). https://www.wendangku.net/doc/8014910018.html,/encryption/aes.
[2] Giraud C. DFA on AES[M]. Berlin, Germany: Springer-Verlag,
2005.
[3] Dusart P, Letourneux G, Vivolo O. Differential Fault Analysis on
AES[M]. Berlin, Heidelberg, Germany: Springer-Verlag, 2003.
[4] Chen Chien-Ning, Yen Sung-Ming. Differential Fault Analysis on
AES Key Schedule and Some Countermeasures[M]. Berlin,
Heidelberg, Germany: Springer-Verlag, 2003.
[5] 张蕾, 吴文玲. SMS4密码算法的差分故障攻击[J]. 计算机学
报, 2006, 29(9): 1596-1602.
编辑张正兴
—200
视觉检测系统报告
视觉检测系统报告 年春季学期研究生课程考核（阅读报告、研究报告）考核科目:视觉测量系统学所在院（系）:电气工程及自动化学院学生所在学科:仪器科学与技术学生姓名:***学 号:10S001***学生类别:工学硕士考核结果: 阅卷人: 视觉测量系统课程报告第一部分视觉测量系统发展现状综述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。 一、机器视觉的定义及特点简言之，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。
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。 正是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。在中国，这种应用也在逐渐被认知，且带来最直接的反应就是国内对于机器视觉的需求将越来越多。 二、机器视觉在国内外的应用现状在国外，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
视觉检测系统报告样本
年春季学期研究生课程考核 ( 阅读报告、研究报告) 考核科目:视觉测量系统 学所在院( 系) :电气工程及自动化学院学生所在学科:仪器科学与技术 学生姓名:*** 学号:10S001*** 学生类别:工学硕士 考核结果: 阅卷人:
视觉测量系统课程报告 第一部分视觉测量系统发展现状综述 机器视觉自起步发展到现在, 已有的发展历史。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。 当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, 这个数字当前看来似乎有些庞大, 可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。 一、机器视觉的定义及特点 简言之, 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指经过机器视觉产品( 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。 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, 常见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
测方法能够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。 正是由于机器视觉系统能够快速获取大量信息, 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。在中国, 这种应用也在逐渐被认知, 且带来最直接的反应就是国内对于机器视觉的需求将越来越多。 二、机器视觉在国内外的应用现状 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, 而且其产品在应用中占据着举足轻重的地位。除此之外, 机器视觉还用于其它各个领域。 而在中国, 以上行业本身就属于新兴的领域, 再加之机器视
机器视觉检测系统简述及系统构成
机器视觉检测系统简述及系统构成 1机器视觉检测的一般模式 机器视觉检测的目标千差万别，检测的方式也不尽相同。农产品如苹果、玉米等通常是检测其成熟度，大小，形态等，工业产品如工业零件,印刷电路板通常是检测其几何尺寸，表面缺陷等。不同的应用场合，就需要采用不同的检测设备和检测方法。如有的检测对精度要求高，就需要选择高分辨率的影像采集装置；有的检测需要产品的彩色信息，就需要采用彩色的工业相机装置。正是由于不同检测环境的特殊性，目前世界上还没有一个适用于所有产品的通用机器视觉检测系统。虽然各个检测系统采用的检测设备和检测方法差异很大，但其检测的一般模式却是相同的。机器视觉检测的一般模式是首先通过光学成像和图像采集装置获得产品的数字化图像，再用计算机进行图像处理得到相关检测信息，形成对被测产品的判断决策，最后将该决策信息发送到分拣装置，完成被测产品的分拣。 机器视觉检测的一般模式如图1所示： 图1机器视觉检测的一般模式 1.1图像获取 图像获取是机器视觉检测的第一步，它影响到系统应用的稳定性和可靠性。图像的获取实际上就是将被测物体的可视化图像和内在特征转换成能被计算机处理的图像数据。机器视觉检测系统一般利用光源，光学镜头，相机，图像采集卡等设备获取被测物体的数字化图像。 1.2视觉检测 视觉检测通过图像处理的方法从产品图像中提取需要的信息，做出结果处理并发送相应消息到分拣机构。通常这部分功能由机器视觉软件来完成。优秀的机器视觉软件可对图像中的目标特征进行快速准确地检测，并最大限度地减少对硬件系统的依赖性，而算法设计不够成熟的机器视觉软件则存在检测速度慢，误判率高，对硬件依赖性强等特点。在机器视觉检测系统中视觉信息的处理主要依赖于图像处理方法，它包括图像增强,数据编码和传输，平滑，边缘锐化，分割，特征提取，目标识别与理解等内容。 1.3分拣 对于一个检测系统而言，最终是要实现次品（含不同种类的次品）与合格品的分离即分拣，这部分功能由分拣机构来完成。分拣是机器视觉检测的最后一个也是最为关键的一个环节"对于不同的应用场合，分拣机构可以是机电系统!液压系统!气动系统中的某一种。但无论是哪一种，除了其加工制造和装配精度要严格保证以外,其动态特性,特别是快速性和稳定性也十分重要，必须在设计时予以足够的重视。 2机器视觉检测系统的构成 一个典型的机器视觉检测系统主要包括光源、光学镜头、数字相机、图像采集卡、图像处理模块、分拣机构等部份。其构成如图2所示。 图2典型的机器视觉检测系统 3光源
全自动光学视觉检测机
全自动光学视觉检测机 培训手册 第二版 科隆威自动化设备公司
目录 第一章：安全与危险.......................................................................................... 错误！未指定书签。第二章：系统描述.............................................................................................. 错误！未指定书签。第三章：工作原理.............................................................................................. 错误！未指定书签。 3.1电气工作原理 .......................................................................................... 错误！未指定书签。 3.2相机工作原理 .......................................................................................... 错误！未指定书签。第四章：程序编辑入门...................................................................................... 错误！未指定书签。第五章：元件种命名举例.................................................................................. 错误！未指定书签。第六章：元件编辑.............................................................................................. 错误！未指定书签。 6.1点编辑 ......................................................................................................... 错误！未指定书签。 6.2元件基本设定及颜色抽取方法 ................................................................. 错误！未指定书签。 6.3晶体管元件基本设定及颜色抽取方法...................................................... 错误！未指定书签。 6.4排阻元件基本设定及颜色抽取方法.......................................................... 错误！未指定书签。 6.5钽电容元件基本设定及颜色抽取方法...................................................... 错误！未指定书签。 6.6元件基本设定及颜色抽取方法 ................................................................. 错误！未指定书签。 6.7数据导入 ..................................................................................................... 错误！未指定书签。第七章：维护与保养.......................................................................................... 错误！未指定书签。第八章：易损配件及注意事项 .......................................................................... 错误！未指定书签。
机器视觉检测系统【深度解读】
机器视觉检测系统 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 现代工业自动化生产中涉及到各种各样的检验、生产监视和零件识别应用，如汽车零配件批量加工的尺寸检查和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。通常这种带有高度重复性和智能性的工作是由肉眼来完成的，但在某些特殊情况下，如对微小尺寸的精确快速测量、形状匹配以及颜色辨识等，依靠肉眼根本无法连续稳定地进行，其它物理量传感器也难以胜任。人们开始考虑用CCD照相机抓取图像后送入计算机或专用的图像处理模块，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。这种方法是把计算机处理的快速性、可重复性与肉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检测技术的概念。 视觉检测技术是建立在计算机视觉研究基础上的一门新兴测试技术。与计算机视觉研究的视觉模式识别、视觉理解等内容不同，视觉检测技术重点研究的是物体的几何尺寸及物体的位置测量，如轿车白车身三维尺寸的测量、模具等三维面形的快速测量、大型工件同轴度测量以及共面性测量等，它可以广泛应用于在线测量、逆向工程等主动、实时测量过程。视觉检测技术在国外发展很快，早在20世纪80年代，美国国家标准局就曾预计未来90％的检测任务将由视觉检测系统来完成。因此仅在80年代，美国就有100多家公司跻身于视觉检测系统的经营市场，可见视觉检测系统确实很有发展前途。在近几届北京国际机床展览会上已
机器视觉检测系统的工作原理与检测流程【干货】
机器视觉检测系统的工作原理与检测流程 内容来源网络，由“深圳机械展（11万㎡，1100多家展商，超10万观众）”收集整理！ 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示，就在深圳机械展. 在机器视觉检测系统工作流程中，主要分为图像信息获取、图像信息处理和机电系统执行检测结果3个部分，另外根据系统需要还可以实时地通过人机界面进行参数设置和调整。 当被检测的对象运动到某一设定位置时会被位置传感器发现，位置传感器会向PLC控制器发送“探测到被检测物体”的电脉冲信号，PLC控制器经过计算得出何时物体将移动到CCD相机的采集位置，然后准确地向图像采集卡发送触发信号，采集开检测的此信号后会立即要求CCD相机采集图像。被采集到的物体图像会以BMP文件的格式送到工控机，然后调用专用的分析工具软件对图像进行分析处理，得出被检测对象是否符合预设要求的结论，根据“合格”或“不合格”信号，执行机会对被检测物体作出相应的处理。系统如此循环工作，完成对被检测物体队列连续处理。如下图所示。
机器视觉检测系统工作原理 一个完整的机器视觉检测系统的主要工作过程如下： ①工件定位传感器探测到被检测物体已经运动到接近机器视觉摄像系统的视野中心，向机器视觉检测系统的图像采集单元发送触发脉冲。 ②机器视觉检测系统的图像采集单元按照事先设定的程序和延时，分别向摄像机和照明系统发出触发脉冲。 ③机器视觉摄像机停止目前的扫描，重新开始新的一帧扫描，或者机器视觉摄像机在触发脉冲来到之前处于等待状态，触发脉冲到来后启动一帧扫描。 ④机器视觉摄像机开始新的一帧扫描之前打开电子快门，曝光时间可以事先设定。 ⑤另一个触发脉冲打开灯光照明，灯光的开启时间应该与机器视觉摄像机的曝光时间相匹配。 ⑥机器视觉摄像机曝光后，正式开始新一帧图像的扫描和输出。 ⑦机器视觉检测系统的图像采集单元接收模拟视频信号通过A/D转换器将其数字化，或者是直接接收机器视觉摄像机数字化后的数字视频信号。 ⑧处理结果控制生产流水线的动作、进行定位、纠正运动的误差等。 从上述的工作流程可以看出，机器视觉检测系统是一种相对复杂的系统。大多监控和检测对象都是运动的物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域，例如机器人、飞行物体制导等，对整个系统或者系统的一部分的重量、体积和功耗等都会有严格的要求。 尽管机器视觉应用各异，归纳一下，都包含一下几个过程： ①图像采集：光学系统采集图像，将图像转换成数字格式并传入计算机存储器。
视觉检测实验报告1
视觉检测技术试验 题目：MV-BDP2000S视觉皮带传送试验台功能认识试验 学院：信息科学与工程学院 专业班级：测控技术与仪器1401 学号：14040110X 学生姓名：李二狗 指导教师：宋辉 设计时间：2017.11.06
目录 一、试验台介绍 (1) 1.1试验台主要构成 (1) 1.1.1机柜部分 (2) 1.1.2传送部分 (2) 1.1.3视觉检测部分 (2) 1.1.4分选机构部分 (2) 1.2主要器件的关键指标 (2) 1.2.1工业数字相机 (2) 1.2.2光源 (3) 二、仪器操作及配置流程 (4) 2.1视觉检测部分的调试 (4) 2.1.1调节相机前后位置的方法 (4) 2.1.2调节相机高度的方法 (5) 2.1.3调节光源高度的方法 (5) 2.2设备性能的调试 (6) 2.2.1运动性能调试的参数 (6) 2.2.1视觉检测性能调试的步骤 (6) 三、仪器主要测量指标分析 (7) 3.1OCR&OCV字符识别指标分析 (7) 3.3.1 OCR检测的参数 (7) 3.2 尺寸测量指标分析 (8) 3.2.1 尺寸测量的参数 (8) 四、仪器采集或测量的试样 (9) 4.1字符识别试验结果 (9) 4.2 尺寸测量试验结果 (10) 4.3 实验总结 (11)
一、试验台介绍 本次试验中以维视数字图像技术有限公司(MICROVISION)推出MV-BDP200S机器视觉皮带传送实验开发平台(高级型)作为主要的实验设备，主要针对小型电子产品的外形和外观检测等，应用于提供高效的产品质量控制系统。本设备采用MV-MVIPS机器视觉图像处理控制器软件，该软件具有强大的缺陷识别功能、测量功能、色差检测、OCR&OCV识别检测，主要针对检测各类小型机械或电子产品的外观和外形，对于OK和NG产品实施分类管理放置。同时硬件上设计了组合式的照明及控制系统，创造了一个最优的光照系统及相对封闭的工作环境，有效的解决了环境对检测精度的影响，同时满足了待检产品对光照条件的要求。运用强大的检测及分析软件工具对被测产品进行定位、测量、分析。 1.1试验台主要构成 从整体外观来看，设备可以分为以下几个部分：机柜部分、传送部分、视觉检测部分、分选机构部分。设备的整体视图如图1所示: 图1整体设备部分视图
机器视觉在线检测系统项目实施流程
随着机器视觉检测技术的日益成熟，越来越多的企业选择安装机器视觉在线检测系统，企业如何做到机器视觉在线检测项目的顺利实施，企业用户对机器视觉在线检测系统设计制作流程的了解至关重要，今天创视新小编在这里整理了整个机器视觉在线检测系统从前期的产品检测评估到系统设备设计制作集成的整个过程做一个简单的介绍： 1、项目的前期评估 A、通过电话联系我们公司，我们公司将会有专业项目工程工程师跟您进行初步的沟通，了解您的需求； B、需要您提供检测样品（OK品和各种NG品数个）以及现场环境，如果不是做整机检测设备的还需要提供视觉设备的安装空间及外围IO通讯。如有需要，项目工程师可以到贵公司进行现场评估； C、根据提供的样品，项目工程师会在公司进行初步的技术评估，一般在收到样品后两个工作日内会给出测试结果； D、项目工程师会根据测试结果，向您提出专业的意见。提供合适的视觉产品（包括工业相机、镜头、光源、电脑、机器视觉系统软件等）给您，然后在测试结果出来后给您提供初步方案及项目费用预估。 E、如对方案存在疑问，可以随时联系项目工程师，项目工程师会对您的疑问进行解答并完善方案，尽力满足您的需求。 2、立项 项目经过初步评估后，双方确认项目方案的可行性，项目工程师接下来会建立一个新项目流程往下进行。 3、检测标准的明确 需要您收集OK品和限度NG品（即初步测试中认为可以检测出来的NG品种类），需要一定数量。项目工程师会对您提供的样品进行测试，详细的检测标准跟您进行确认。 4、其他确认 明确了检测标准后，项目工程师会进一步和您确认检测设备达到安装现场，机械和电气要求；如果贵公司对设备使用有特殊要求的，请及时提出，以便我们进行评估和设计。 5、整体方案书制作、明细报价单、合同制作 项目工程师根据以上的确认制作详细的整体方案，整体包含整机图、视觉系统配置、检测标准、软件功能等。 机器视觉在线检测系统设备设计制作流程
视觉检测系统报告
2011 年春季学期研究生课程考核 （阅读报告、研究报告） 考核科目:视觉测量系统 学所在院（系）:电气工程及自动化学院学生所在学科:仪器科学与技术 学生姓名:*** 学号:10S001*** 学生类别:工学硕士 考核结果: 阅卷人:
视觉测量系统课程报告 第一部分视觉测量系统发展现状综述 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。 一、机器视觉的定义及特点 简言之，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。 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。 正是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。在中国，这种应用也在逐渐被认知，且带来最直接的反应就是国内对于机器视觉的需求将越来越多。 二、机器视觉在国内外的应用现状 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，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
机器视觉在线检测详解
广东省东莞市莞城区莞太路34号东莞市创意产业中心园区8座502 Unit 502, Building 8, Creative Industry Center Park, No. 34 Guantai Road, Guancheng District, Dong Guan 523000, P.R.China 机器视觉在线检测详解 机器视觉的一个重要应用就是进行在线检测。这个与物体静止时的视觉检测系统不同，最起码图像摄取的速度要足够快才行，不然就不可能在被测物体运动时获取足够清晰的图像，再一个就是机器视觉软件的图像处理能力也要足够强，分析判断周期要够短，不然等反应过来了，产品可能都已经走出次品剔除系统的工作范围了。这样的机器视觉在线检测就是不合格的。 1 机器视觉在线检测的基本原理 基于机器视觉的在线检测系统的基本原理：首先通过视觉传感器获取高速流水线上运动待检测物体图像，图像传送到计算机后，计算机调用专用的图像处理软件来对检测物体进行检测、测量、分析、判断。多功能检测实验平台的硬件结构如图1所示，机器视觉在线检测系统的基本模块包括：传动装置、专用LED光源、图像采集模块、电气控制模块。 2 多功能检测实验平台运动控制部分设计 在这套系统中，运动控制部分选用工业PC＋运动控制卡＋步进电机的控制模式。运动控制卡是步进电机公司的MPC01。它配备了许多功能强大、内容丰富的运动控制软件工具和函数库。MPC01运动函数库用于二次开发，用户只要用C／C＋＋或Visual Basic等编制所需的用户界面程序，并把它与MPC01
运动库链接起来，就可以开发出自己的控制系统。 3 专用LED光源 光源对图像质量的影响是至关重要的，考虑到本套试验平台将要进行各种物品的检测实验，开发设计了多种专用LED照明方案以适应各种不同的待检物体。直环型用于各种具有稳定照度和清晰图像的工件；狭角型用于各种透明工件或低对比度工件；棒型用于透明、光滑、镀金表面；圆顶型用于不平整或弯曲的表面检测，金属包片上的印刷字体或弯曲表面的孔穴；背光型用于透明材料或液体的检测；同轴型用于光滑、电镀、低反射表面。 4 高速图像采集系统 图像采集部分将完成流水线上的运动图像获取，采集图像质量的好坏将直接影响整个检测效率。图像采集部分主要由CCD摄像机完成。CCD摄像机摄取图像信号，由图像采集卡将图像信号采集进来。本套实验装置选用两个方位的摄像机对待检测物体进行检测，一个俯拍位一个侧拍位，对有些待检测物体可以进行多方位的检测。摄像机采用的是Pulnix公司的TM6703，采集卡选用Matrox 公司的Comora2。 4.1 图像采集卡 Matrox Corona Ⅱ是Matrox Graphics Inc．生产的图像控制器，可采集隔行扫描／逐行扫描的分量RGB信号和单／双路黑白模拟视频信号；3路10bit A／D转换器；24-bit RS-422／LVDS数字接口；模拟情况下采集率达到30MHz，RS-422数字模式下达25MHz，LVDS数字模式下达40MHz；连接2个RGB 或6个模拟黑白视频信号；32-bit／33MHz PCI总线主模式；扩展板上实时采
自动视觉检测的应用
智能视觉传感器及其在药品自动检测的应用 一智能视觉传感器组成及特点 智能视觉传感器，也称智能相机，是近年来机器视觉领域发展最快的一项新技术。智能视觉传感器是一个兼具图像集、图像处理和信息传递功能的小型机器视觉系统，是一种嵌入式计算机视觉系统。它将图像传感器、数字处理器、通讯模块和其他外设集成到一个单一的相机内，使相机能够完全替代传统的基于PC 的计算机视觉系统，独立地完成预先设定的图像处理和分析任务。由于采用一体化设计，可降低系统的复杂度，并提高可靠性。同时系统尺寸大大缩小，拓宽了视觉技术的应用领域。 智能视觉传感器一般由图像采集单元、图像处理单元、图像处理软件、通信装置、I／0接口等构成，视觉传感器系统构成如图所示。 智能视觉传感器系统构成图 二智能视觉传感器在药品自动检测的应用及其原理 药品的包装方式目前主要有瓶装、袋装和铝塑泡罩包装三种形式，其中铝塑泡罩包装是近几年来有较大发展的包装形式，铝塑泡罩包装不仅具有防水和对异味阻隔性好的特性，而且其封口性能、抗张强度、耐用性等各项指标都比较优良，因此其应用将越来越广泛。旧式的包装机(生产线)一般没有自动检测功能，对于这些缺陷，传统上采用人工挑选的方法来进行检测。对于人工检测，长时间操作会使人眼感觉疲劳，检测准确率降低，直接影响产品的质量与成本。视觉传感器在应用中具有体积小、多功能、方便易用、抗干扰好、集成度高等优点。 泡罩药品自动视觉检测系统可以位于泡罩药品包装工艺流程中的两个检测环节，对应于图1．1中的缺陷检测环节①和缺陷检测环节②。在缺陷检测环节①情况下，药粒已经装入PVC吸塑成型的泡罩中，但这时泡罩还没有与铝箔实现热封合。这一环节主要检测药粒的缺粒、漏装现象，由于泡罩还没有与铝塑封合，且泡罩PVC材料是透明的，所以系统可以采用背光源的透射照明方式。在缺陷检测环节②情况下，生产线上已经输出了成品药板，也就是我们日常所见的药品包装，这时由于铝箔的非透明性，要检测出药片的缺粒、破损，系统应采用前向光源的反射照明方式。由于药品装盒后就将直接面向消费者，因此为确保药品100％的合格率，有必要在药品装盒之前再次安排缺陷检测任务。本文针对泡罩药品包
机器视觉在线检测系统项目实施流程
精选文档 随着机器视觉检测技术的日益成熟，越来越多的企业选择安装机器视觉在线检测系统，企业如何做到机器视觉在线检测项目的顺利实施，企业用户对机器视觉在线检测系统设计制作流程的了解至关重要，今天创视新小编在这里整理了整个机器视觉在线检测系统从前期的产品检测评估到系统设备设计制作集成的整个过程做一个简单的介绍： 1、项目的前期评估 A、通过电话联系我们公司，我们公司将会有专业项目工程工程师跟您进行 初步的沟通，了解您的需求； B、需要您提供检测样品（0K品和各种NG品数个）以及现场环境，如果 不是做整机检测设备的还需要提供视觉设备的安装空间及外围I0通讯。如有 需要，项目工程师可以到贵公司进行现场评估； C、根据提供的样品，项目工程师会在公司进行初步的技术评估，一般在收 到样品后两个工作日内会给出测试结果； D、项目工程师会根据测试结果，向您提出专业的意见。提供合适的视觉产品 （包括工业相机、镜头、光源、电脑、机器视觉系统软件等）给您，然后在测 试结果出来后给您提供初步方案及项目费用预估。 E、如对方案存在疑问，可以随时联系项目工程师，项目工程师会对您的疑 问进行解答并完善方案，尽力满足您的需求。 2、立项 项目经过初步评估后，双方确认项目方案的可行性，项目工程师接下来会建 立一个新项目流程往下进行。 3、检测标准的明确 需要您收集0K品和限度NG品（即初步测试中认为可以检测出来的NG品 种类），需要一定数量。项目工程师会对您提供的样品进行测试，详细的检测标准跟您进行确认 精选文档
4、其他确认 明确了检测标准后，项目工程师会进一步和您确认检测设备达到安装现场，机械和电气要求；如果贵公司对设备使用有特殊要求的，请及时提出，以便我们进行评估和设计。 5、整体方案书制作、明细报价单、合同制作 项目工程师根据以上的确认制作详细的整体方案，整体包含整机图、视觉系统配置、检测标准、软件功能等。 机器视觉在线检测系统设备设计制作流程 在签完合同和各方面财务确认后就开始进一步的系统设备的设计制作。 1、客服提供相关的辅料 需要提供不同程度的良品与不良品样品、产品样品外观尺寸和设计品载具。如果需要使用专用载具，请提供专用载具的相关尺寸以提供我们的设计使用。 2、设备整机布置图和电气控制动作流程的确认 我们在收到您提供的相关辅料几个工作日后，提供设备整机布置图和电气控制动作流程给贵公司的责任人确认，如有疑问可以和公司的技术工程师沟通，技术工程师会尽快解决您的问题。 3、机器零件图设计 整机布置图确认后，接着就是进行机械零件的设计。 4、机械、电气标准件的选型 精选文档 整机布置图和电控动作流程确认后，接着就是完成机械、电气标准件的选型。
视觉检测实验报告材料2
视觉检测技术试验 题目：MV-ERP200A机器视觉旋转试验台功能验证试验 学院：信息科学与工程学院 专业班级：测控技术与仪器1401 学号：14040110X 学生姓名：李二狗 指导教师：宋辉 设计时间：2017.11.13
目录 一、试验台介绍 (1) 1.1试验台主要构成 (1) 1.1.1机械运动控制部分 (1) 1.1.2相机部分 (2) 1.1.3光源照明部分 (2) 1.1.4图像处理部分 (2) 1.2主要器件的关键指标 (2) 1.2.1工业数字相机 (2) 1.2.2光源 (3) 二、仪器操作及配置流程 (3) 2.1光源部分的调试 (4) 2.2相机部分的调试 (4) 三、仪器主要测量指标分析 (5) 3.1 多圆检测指标分析 (5) 3.2 血管识别检测指标分析 (5) 四、仪器采集或测量的试样 (6) 4.1 多圆检测试验结果 (6) 4.2 血管识别检测试验结果 (7) 五、试验方案设计 (8) 六、实验结果分析 (9) 6.1 原始采集的图像 (9) 6.2 测试结果的图像 (9) 6.3 测试结果的分析与总结 (10)
一、试验台介绍 本次试验中以维视数字图像技术有限公司(MICROVISION)推出MV-ERP200A 机器视觉电动控制旋转实验开发平台作为主要的实验设备，本设备采用 MV-MVIPS 机器视觉图像处理控制器软件，其中包括匹配定位、尺寸测量、颜色分析、缺陷检测等多个图像处理库函数功能强大。MV-ERP200A开发平台提供多种图像处理实验，如图象分割、图象融合、机器学习、模式识别、图象测量、图象处理、模式识别和人工智能、三维测量、双目立体视觉等实验。此次试验中通过 MV-ERP200A 机器视觉电动控制运动实验开发平台提供的尺寸测量、缺陷测量XAVIS编程示例，实践了解了尺寸检测与划痕检测的基本流程与原理。 1.1试验台主要构成 从整体外观来看，MV-ERP200A机器视觉实验平台由三大部分组成:机械运动、控制部分，视觉部分，光源照明部分，图像处理模块（未显示），平台外观如下图1所示: 图1整体设备外观视图 1.1.1机械运动控制部分 主要组成为机械平台主体(装配体)，包括了运动控制的所有控制单元以及通讯单元，各控制单元及通讯单元合理地布局在机柜内部。实验平台的电源输入接口、平台转速控制调节单元，均实验平台的侧面板上。将平台电源线插上，并接入 AC220V电源，打开电源开关，平台上红色电源指示灯亮。
机器视觉检测.
机器视觉检测 一、概念 视觉检测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。 机器视觉检测的特点是提高生产的柔性和自动化程度。 2、典型结构 五大块：照明、镜头、相机、图像采集卡、软件 1.照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。目前没有通用的照明设备，具体应用场景选择相应的照明装置。照射方法可分为： 分类具体说明优点 背向照明被测物放在光源和摄像机之 间能获得高对比度的图像 前向照明光源和摄像机位于被测物的 同侧 便于安装 结构光将光栅或线光源等投射到被 测物上，根据它们产生的畸 变，解调出被测物的三维信 息 频闪光照明将高频率的光脉冲照射到物
体上，摄像机拍摄要求与光 源同步 2.镜头 镜头的选择应注意以下几点：焦距、目标高度、影像高度、放大倍数、影响至目标的距离、中心点/节点、畸变。 3.相机 按照不同标准可分为：标准分辨率数字相机和模拟相机等。 要根据不同的实际应用场合选不同的相机和高分辨率相机：线扫描CCD 和面阵CCD；单色相机和彩色相机。 为优化捕捉到的图像，需要对光圈、对比度和快门速度进行调整。 4.图像采集卡 图像采集卡是图像采集部分和图像处理部分的接口。将图像信号采集到电脑中，以数据文件的形式保存在硬盘上。通过它，可以把摄像机拍摄的视频信号从摄像带上转存到计算机中。 5.软件 视觉检测系统使用软件处理图像。软件采用算法工具帮助分析图像。视觉检测解决方案使用此类工具组合来完成所需要的检测。是视觉检测的核心部分，最终形成缺陷的判断并能向后续执行机构发出指令。常用的包括，搜索工具，边界工具，特征分析工具，过程工具，视觉打印工具等。 3、关键——光源的选择 1.光源选型基本要素： 对比度机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度，从而易于特
机器视觉检测系统的最经典结构
机器视觉检测系统的最经典结构一个典型的机器视觉系统主要包括五大块，分别是照明、镜头、相机、图像采集和视觉处理器。 下面，我们就来认识一下这五个结构的用途、特点与工作情况。 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。 照明系统可以将被测物特征最大化，并减少相应的背景中对比物的影响，使高速相机可以清晰地“看见”被测物。 高对比的图像可以降低系统难度并提高系统的稳定性；反之，低对比的图像会增加系统的处理时间并使加大系统的复杂度。 机器视觉应用的成功很大一部分取决于照明设置，一个合适的照明系统可以使整个视觉检测系统更具有效率和准确性。 由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。
光源可分为可见光和不可见光。常用的几种可见光源是白炽灯、日光灯、水银灯和钠 光灯。 可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。 另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。
照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。 其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。 前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。 结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。 频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。 机器视觉照明要点有使用强光检测缺失的材料、使用合适的波长进行精确定位、使用非散射照明检测玻璃裂缝、使用扩散光检查透明包装、使用颜色来创建对比度等。 相机镜头由多个透镜、可变（亮度）光圈和对焦环组成。使用时由操作者观察相机显示屏来调整可变光圈和焦点，以确保图像的明亮程度及清晰度。 在选择镜头时需要考虑多个方面的因素如焦距、目标高度、影像高度、放大倍数、影像至目标的距离等。 在实际应用中“选择与视场相符的透镜”及“以大景深聚焦图像”是选择镜头时非常重要的两个方面。 机器视觉相机的目的是将通过镜头投影到传感器的图像传送到能够储存、分析和（或者）显示的机器设备上。
智能视觉检测系统
3.3智能视觉检测系统 汽车注塑件是汽车的重要组成部分，在出厂前要进行形状和尺寸检测，表面质量检测等，如凹陷，翘曲，飞边等。由于人工检测的效率低，准确性差，成本高，不能满足实际质量检测的需求。机器视觉检测系统则有以下优势： 1. 非接触式检测，不损伤注塑件； 2 .检测质量高，高分辨率镜头可达到高精度检测； 3. 高检测效率，工业相机的帧率达每秒百帧； 4. 实时性强，不出现漏检情况； 5. 现场抗干扰能力强； 6. 可靠性高，长时间稳定工作。 3.3.1组成部分 机器视觉检测系统由三部分组成：图像的获取、图像的处理、输出显示。 图像获取设备包括光源、工业摄像机（配套镜头）等，光源可以使注塑件的表面特征得以完整显现，如表面缺陷，飞边等。摄像机可突出注塑件的关键特征，其部件CCD实现将图像光信号转换成电信号（模拟信号）的目的。 图像处理设备包括相应的软件和硬件系统。图像采集卡将得到的模拟信号转变为数字信号，然后供计算机软件系统处理。图像采集卡是一种可获得数字化视频图像信息存储并高速播放出来的设备。普通的传输接口无法满足图像信号的高速传输，因此需要专用的图像采集设备来实现。软件系统利用滤波算法对噪声滤除，然后进行图像匹配，得到尽可能最真实的图像。 输出显示设备与过程相连，包括监视界面，过程控制器和报警装置等。摄像数据通过计算机对标准和故障图像的分析和比较，若发现不合格产品，则通过NG信号告警，由PLC 自动将其排除出生产线。机器视觉检测的结果可以作为计算机辅助质量CAQ （Computer Aided Quality）系统的信息来源，也可以和其它控制系统集成。 3.3.2. 系统设计
基于机器视觉的接插件(连接器)检测系统
基于机器视觉接插件(连接器）检测系统 接插件，又称连接器、插头、插座等。它作为集成电路板中电流、电压以及各种开关量传输的组件，其尺寸及外观的质量都有着严格的要求。随着接插件功能的不断增加，其结构越来越复杂，体积也越来越微型化，因此对产品的质量性能检测带来巨大的挑战。传统的检测方法主要靠操作员借助其他的检测工具（如千分尺、放大镜、三坐标测量仪等）进行目测或半自动测量，这种检测方法存在检测不准、效率低、人力成本过高等缺点，严重影响了产品的生产效率。 公司开发的接插件视觉检测系统，将接插件尺寸与外观检测质量过程完全避免人员干预，实现高效率、高重复性、高可靠性的检测测量流程。系统进行简单设定后，即可自动识别、检测和测量。如有异常发生，系统可提示报警或控制机器停机。对于不符合要求的工件即可输出控制信号，踢废不合格产品。 产品外观检测系统图 系统现场图
龙霖公司简介 龙霖科技有限公司是一家工业产品快速自动化检测、光电检测及图像影像测量解决方案提供商。公司总成光、机、电、计算机一体化等多种复合测量检测技术，业务范围涉及：自动化检测设备及项目研发，光电检测设备及项目研发，机器视觉系统集成及项目研发，专用三维测量设备开发，自动化及机电一体化设备及项目研发，高精度计量、检测设备及工具设计与制造等等。应用领域遍及轨道交通、军工、航空航天、重工船舶、汽车制造、机床模具、加工设备等装备制造业。 龙霖科技以强大技术优势引领中国自动化检测设备，测量仪器和专用测量设备的高端市场，研发技术支持来源于资深行业专家及高级工程师、国内的大学和研究所设计院。我们拥有自己在自动化技术和光电学技术领域整合能力，完善的工业检测解决方案设计能力及快速检测能力。打造为客户定向开发及个性化需求定制的新模式。提供机械设计、生产制造、品质控制等制造业的计量检测解决方案。 公司将最先进测量检测技术为中国的制造业服务，解决计量测量检测难题；致力于发展轻、精、快计量检测设备而奋斗。 服务范围 自动化检测设备及项目研发 现代计量检测行业，传统接触式已远远不能满足测量检测要求，会越来越多采用非接触式光电检测技术等综合检测技术手段，配置在装配组装过程控制生产线从而实现现场在线快速自动化，朝着快速、精准、有效的高端测量检测方向发展。 公司承接以下业务： 1．光学，声学快速测量检测技术 1)基于机器视觉检测技术设备项目研发 2)基于CCD成像检测技术设备及项目研发 3)基于影像检测技术设备及项目研发 4)基于激光检测技术设备及项目研发 5)基于光栅检测技术设备及项目研发 6)基于超声波检测技术设备及项目研发 2．快速测量检测线项目设计 3．快速自动化检测设备研发 4．在线高精度智能化检测工程设计 5．数字化制造全过程测量项目设计 6．现场快速检测线设备及项目研发 7．产品及零部件表面质量控制检测设备研发 非标计量与检测设备项研发 “非标计量与检测设备”就是根据用户的用途需要量身定做，定向开发设计制造的设备。 公司承接以下业务： 1．非标计量检测设备研发