机器视觉技术的发展现状与应用动态研究

陈 英

（长沙民政职业技术学院，湖南 长沙 410004）

机器视觉是通过计算机来模拟人的视觉功能，可以从客观的图像中对信息进行提取，最后用于测量、控制等，机器视觉技术具有信息量大、速度快、精准度高等特点，相比与人工检测具有绝对优势，能够有效排除主观因素的干扰，并且可以对许多指标进行定量描述。该项技术在生产生活的多个领域已经得到广泛应用。随着现代技术的快速发展、机器视觉技术的使用也逐渐成熟，成了社会发展不可缺少的技术之一[1]。

1 机器视觉系统的组成

典型的机器视觉应用系统主要包括图像捕捉、光源系统、数字化模块以及数字图像处理、智能决策模块等。组成结构如图1所示。

图1 典型工业机器视觉系统

通过CCD摄像机对被测目标的图像信号进行获取，然后通过A/D向数字信号进行转换，并且对专用的信号进行处理，结合像素的分布信息来确定判断结果，并且控制驱动执行机构进行处理。

2 我国机器视觉的发展现状

机器视觉技术是近几年逐渐发展起来的全新技术，主要通过计算机来对人的视觉能力进行模拟与识别，是现代化智能装备以及自动化领域不可缺少的关键技术。与发达国家相比，我国机器视觉技术比较落后，主要依赖进口对关键技术进行获取，国内机器视觉技术的需求比较突出，导致供不应求的现象。总体来看，机器视觉主要包括表面缺陷检测、产品尺寸测量、机器人视觉定位以及视觉目标的识别4类。

2.1 表面缺陷检测

任何产品的生产，其质量的检测至关重要，一旦表面出现缺陷，不仅会影响产品外观，而且对其使用性能也会造成影响，如卫生用无纺布表面有污点、液晶玻璃表面有结晶等。随着现代技术的快速发展，生产线中通过人眼是无法识别产品表面缺陷的，通过人工对产品质量检测成本较高，所以迫使企业进行全面改革，通过表面视觉检测系统，运用视觉机器来替代人工检测，有效提升检测效率。

2.2 产品尺寸测量

在机械加工领域大多会涉及对产品尺寸的测量，而且测量要求非常严格。在大批量的生产过程中，通过机器视觉系统，可以对产品的外观尺寸进行检测，一旦出现不合格产品，及时剔除。

2.3 图像识别技术

目前，图像识别技术的应用比较广泛，包括互联网中的人脸识别、商品二维码识别、交通车牌识别等。目前，相对于产品尺寸测量与表面缺陷检测来看，图像识别技术比较成熟[2]。

2.4 机器人视觉定位

机器人视觉定位技术主要运用在机器人的视觉指导，通过机器视觉技术给机器人装上大脑与眼睛，通过系统的引导来控制机器人做不同的动作，将机器人与机器视觉技术的融合是我国未来只能装备发展的主要领域。

从整体方面看，我国机器视觉技术的国产化程度并不高，机器人技术与国外相比也存在一定差距。许多系统集成企业以中小型企业为主，主要代理国外产品同时进行系统集成，真正投入到研发的力量有限。

3 机器视觉技术的实际应用

在国外许多发达国家，机器视觉主要运用在电子行业以及半导体行业中。在国内，该项技术属于新兴技术，对生产技术的普及不足，导致机器视觉在许多行业的应用几乎为零。随着我国配套基础设施的不断完善，资金与技术的不断积累，机器视觉技术逐渐地被尝试与使用。

3.1 在工业生产中的应用

机器视觉技术近几年在工业生产领域的应用比较广泛，科技成果层出不穷。机器视觉技术被应用在部件的装配、非接触测量、数控机床加工等多个生产环节。国内比较常见的是在产品的检测与定位环节。在半导体以及电子行业，国内高等院校也研制出基于机器视觉的管脚尺寸自动检测装置，另外机器视觉技术还被应用在刀具等工业设备的检测以及数控机床加工等。华中科技大学在金属板材数控机中运用机器视觉技术对加工轨迹坐标进行定位，提出了基于机器视觉的非接触式加工轨迹坐标定位方法，完成了非接触高精度的快速定位。湖南大学对钻头视觉定位进行具体研究，在视觉定位的过程中采取间接定位的方式，实现钻头刃磨初始状态的定位。通过大量的实践，充分证明了运用机器视觉系统能够提升各种先进控制技术的精准度，有效节约人力、物力，从而降低产品生产成本[3]。

3.2 在医学领域的应用

随着对药品以及医疗器械安全性问题的逐渐提升，许多生产厂家将机器视觉技术引进到实际生产中来，有效地提升生产效率，起到保障产品质量的目的。在医学领域主要对运用在医学疾病的诊断方面，增强X射线成像的清晰度与准确性，CT，MRI的标记与渲染处理等，通过数字图像处理技术、信息融合技术等对核磁共振图像、透视图等进行叠加，最终得出准确的综合诊断，专家会结合三维信息以及运动参数对针对结果进行详细解释。另外，机器视觉技术可以应用在药用玻璃瓶的缺陷检测、药剂杂质的检测以及对药品外包装泄露的检测等，能够充分保障药物的质量安全。

3.3 在交通领域的应用

随着计算机技术的不断普及，机器视觉技术在交通领域发挥很大作用，包括视频检测系统、安全保障系统、车牌识别系统等。在视频检测时，主要运用图像处理技术与计算机视觉技术，通过对图像的分析来对车辆、行人等交通目标的运动进行识别与跟踪。通过识别系统对交通行为进行理解与分析，从而完成各种交通数据的采集、交通事件的检测等。参数检测系统具有智能化与网络化的特点，能够实现远程监控。机器视觉技术在车辆安全保障方面的应用主要作用于路径识别、障碍物识别、驾驶员状态监测等。另外，车牌识别技术是实现交通管理智能化的重要环节，通过多种计算方法的全面融合，有效提高车牌识别的准确性。

3.4 在农业领域的应用

在农业领域，机器视觉技术主要运用在农业植物种类识别方面、产品品质检测与分级等。在农业生产前，对种子质量进行检测，生产中对植物生长信息、田间杂草进行识别、病虫害检测等，收获时主要体现在机器人的研制与开发。通过机器视觉技术能够实现农药的精量喷洒，确定农作物与机械的相对位置，对作业机械进行控制，有效提升农业生产的自动化与机械化水平，解放劳动力。随着相关技术的成熟与稳定，许多问题可以得到良好解决，机器视觉技术在农业生产中的应用会促进农业快速现代化的进程[4]。

4 机器视觉技术的发展趋势

首先，嵌入式的机器视觉系统会成为该项技术的主要发展趋势，嵌入式系统是将半导体技术、电子技术、计算机技术等先进技术与行业的实际应用相结合。通过嵌入式系统可以对视觉图像能够采集与控制，具有成本低、功耗低、结构紧凑的特点，并且嵌入式系统开发周期短、效率高，比较容易升级与维护。其次，机器视觉技术会朝着智能化、数字化的方向发展。机器视觉下的数字图像处理、LED光源控制器以及目标识别方面都要趋于数字化，在智能化领域，机械视觉可以在农业机械、工业机械等方面广泛应用，工程流水线也会对机器视觉提出更高的要求。最后，机器视觉会与其他传感技术相融合，多传感技术在跟踪、探测等方面会体现出更高的可靠性，提高数据的可信度，增加系统的实时效果。另外，机器视觉系统比较容易向多传感器信息融合技术进行拓展，充分解决单一视觉系统的局限性[5]。

5 结语

在机器视觉技术的发展过程中存在大量的因素，包括技术方面、商业层面等，我国制造业的快速发展带动了对机器视觉技术要求的提升，将单纯地分析、采集、传递、判断等方法逐渐向智能化、高端化的方向发展。这种趋势能够促使机器视觉技术与自动化技术的高度融合，在我国未来国民经济发展的各个领域中会发挥更大的作用。