机器视觉（Machine Vision）作为光电技术应用的一个特定领域，目前已经发展成为一个备受瞩目的行业。随着工业4.0浪潮袭来，机器视觉会摆脱最初“辅助工具”的地位成为生产系统的“眼睛”与“大脑”。
机器视觉技术是计算机科学的一个重要分支，它涉及到计算机、图像处理、模式识别、人工智能、信号处理、光学、机械等多个领域，其目的就是给机器或者自动生产线添加一套视觉系统。机器视觉是采用机器代替人眼来做测量与判断，通过计算机摄取图像来模拟人的视觉功能，实现人眼视觉的延伸。
一个完整的工业机器视觉系统是由众多功能模块共同组成，一般由光学系统（光源、镜头、工业相机）、图像采集单元、图像处理单元、执行机构及人机界面等模块组成，所有功能模块相辅相成，缺一不可。好的机器视觉系统能够为制造业提供更多有利于提高产品质量和生产效率的硬件支持。
机器视觉的目的是给机器或自动生产线添加一套视觉系统，用机器视觉系统 代替人眼来做测量和判断。
通过机器视觉产品（即工业相机）将待检测目标转换成图像信号，传送给图像处理分析系统，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设备的动作。
2. 机器视觉系统工作流程
工件到达检测位置→ 向传感器触发脉冲→ 图像采集卡感应物件并开始工作→ 零件照明→工业摄像机等待扫描并输出→ 图像采集卡将数字图像存放到计算机内存中→处理器获取图像并把资料数据化→ 视觉软件对图像进行分析、识别→ 获取测量结果→ 离散输出，显示不良产品画面→控制流水线的动作或纠正误差。
从上述的工作流程可以看出，机器视觉系统是一种比较复杂的系统，因为大多数系统的监控对象都是运动物体，系统与运动物体的匹配和协调动作尤为重要，这些给系统各部分的动作时间和处理速度带来了严格的要求。
在一些应用领域，例如机器人、飞行物制导等，整个系统或者系统的一些部件的重量、体积和耗电量都会有严格的要求。所以说，机器视觉是图像处理系统中最复杂的系统，需要在开发和设计中投入更多的精力。
3. 机器视觉系统的优势
在工业生产的过程中，机器视觉相对于人眼识别体现了较大优势。机器视觉具有自动化、客观、非接触和高精度等特点。特别是在工业生产领域，机器视觉强调生产的精度和速度，以及工业现场环境下的可靠性与安全性，在重复和机械性的工作中具有较大的应用价值。
精确性——由于人眼有物理条件的限制，在精确性上机器有明显的优点。即使人眼依靠放大镜或显微镜来检测产品，机器仍然会更加精确，因为它的精度能够达到千分之一英寸。特别是检测生产线上高速运动的物体时，机器视觉更具优势。
重复性——机器可以以相同的方法一次一次的完成检测工作而不会感到疲倦。与此相反，人眼每次检测产品时都会有细微的不同，即使产品时完全相同的。
客观性——人眼检测还有一个致命的缺陷，就是情绪带来的主观性，检测结果会随工人心情的好坏产生变化，而机器没有喜怒哀乐，检测的结果自然非常可观可靠。
效率高——机器视觉系统可以快速获取大量信息，实现更为快速的产品检测，同时也易于加工过程中的信息集成，尤其是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。
成本低——由于机器比人快，一台自动检测机器能够承担多人的任务。而且机器不需要停顿、能够连续工作，所以能够极大的提高生产效率从而降低生产成本。
4.机器视觉典型应用场景
机器人在机器视觉技术的作用下，可以精确地按照视觉技术使机械手臂拥有3D视觉能力，可以靠视觉导引、定位，成为夹取物件的要件。除了视觉定位，手眼力协调机器人的关键技术还有矩阵的感测器，可以协助机器人知道抓取的位置与力量大小。
在焊线技术中，因为芯片维度的缩小，需要较强大的影像放大功能。在此环境中，高质量的成像镜头系统必须满足特殊的最佳化需求。由于机器视觉工具绝佳的操作模式、可靠度及视觉算法的高准确度，从而很好地解决了芯片焊接过程中的诸多问题。
机器视觉空瓶检测系统主要由相机、镜头、光源、图像采集卡、PC平台和控制单元等六部分组成，各个部分之间相互配合，最终完成对酒瓶的质量检测和剔除。
汽车零部件具有品质要求高、批量大、形状各异的特点，每一个零件都涉及到整车的质量，故其测量的尺寸多，精度要求高，需要根据不同的零部件特征与类型进行逐一测量。目前大部分汽车制造商，已使用机器视觉系统取代了普通的三坐标测量机。
自动化分拣是工业生产、特别是产品批量生产中的必需环节之一。工业生产中需要根据产品特性及其生产/出厂质量要求进行分拣，它可以代替人工进行货物的分类、搬运和装卸工作，提高生产和工作效率，从而实现自动化、智能化、无人化。
机器视觉在医疗领域的应用已经从传统的药品包装、药瓶、标签等视觉检测到目前对生物芯片的检测，放射科的X放射等，通过引入机器视觉系统，完成对图像信息的采集、存储、管理、处理及传输等功能。
5.机器视觉未来发展趋势
6.机器视觉主流供应商
完整的机器视觉系统的主要工作过程有哪些？
机器视觉技术是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。自起步发展至今，机器视觉已经有20多年的历史，其功能以及应用范围随着工业自动化的发展逐渐完善和推广，其中特别是目前的数字图像传感器、CMOS和CCD摄像机、DSP、FPGA、ARM等嵌入式技术、图像处理和模式识别等技术的快速发展，大大地推动了机器视觉的发展。
简而言之，机器视觉就是利用机器代替人眼来作各种测量和判断。在生产线上，人来做此类测量和判断会因疲劳、个人之间的差异等产生误差和错误，但是机器却会不知疲倦地、稳定地进行下去。一般来说，机器视觉系统包括了照明系统、镜头、摄像系统和图像处理系统。对于每一个应用，我们都需要考虑系统的运行速度和图像的处理速度、使用彩色还是黑白摄像机、检测目标的尺寸还是检测目标有无缺陷、视场需要多大、分辨率需要多高、对比度需要多大等。从功能上来看，典型的机器视觉系统可以分为:图像采集部分、图像处理部分和运动控制部分。
一个完整的机器视觉系统的主要工作过程如下:
1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。
2、图像采集部分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启动脉冲。
3、摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。
4、摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。
5、另一个启动脉冲打开灯光照明，灯光的开启时间应该与摄像机的曝光时间匹配。
6、摄像机曝光后，正式开始一帧图像的扫描和输出。
7、图像采集部分接收模拟视频信号通过A/D将其数字化，或者是直接接收摄像机数字化后的数字视频数据。
8、图像采集部分将数字图像存放在处理器或计算机的内存中。
9、处理器对图像进行处理、分析、识别，获得测量结果或逻辑控制值。
10、处理结果控制流水线的动作、进行定位、纠正运动的误差等。
从上述的工作流程可以看出，机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体，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、飞行物体导制等，对整个机器视觉系统或者系统的一部分的重量、体积和功耗都会有严格的要求。
机器视觉系统的优点有:
1、非接触测量，对于观测者与被观测者都不会产生任何损伤，从而提高系统的可靠性。
2、机器视觉系统具有较宽的光谱响应范围，例如使用人眼看不见的红外测量，扩展了人眼的视觉范围。
3、长时间稳定工作，人类难以长时间对同一对象进行观察，而机器视觉则可以长时间地作测量、分析和识别任务。
机器视觉系统的应用领域越来越广泛。在工业、农业、国防、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用，可以说已经深入到我们的生活、生产和工作的方方面面。
机器视觉原理解析及其应用实例
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。
一个典型的工业机器视觉系统包括：光源、镜头、相机（包括CCD 相机和COMS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。
主端电脑（Host Computer）、影像撷取卡（Frame Grabber）与影像处理器、影像摄影机、CCT镜头、显微镜头、照明设备、Halogen光源、LED光源、高周波萤光灯源、闪光灯源、其他特殊光 源、影像显示器、LC机构及控制系统、PLC、PC-Base控制器、精密桌台、伺服运动机台。
机器视觉检测系统采用CCD照相机将被检测的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，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功能。
机器视觉系统的典型结构
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。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帜灯、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。
FOV（Field Of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比）镜头选择应注意：①焦距②目标高度 ③影像高度 ④放大倍数 ⑤影像至目标的距离 ⑥中心点 /节点 ⑦畸变
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。
图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等等。
比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。
例如，可以连接8个不同的摄像 机，然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。
视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集卡可以快速传输图像到存储器，而且计算机也快多了，所以现在视觉处理器用的较少了。
机器视觉的应用主要有检测和机器人视觉两个方面：
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）人脸侦测（3）无人驾驶汽车
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到12mm，厚度可以不同；
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，动态检测精度可以达到0.02mm；
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；同时能够设置系统维护人员、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。
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。
2. 金属板表面自动控伤系统
金属板如大型电力变压器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。
3. 汽车车身检测系统
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。
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
9. 大型工件平行度、垂直度测量仪：
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。
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。
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。
机器视觉在智能制造应用
工业4.0离不开智能制造，智能制造离不开机器视觉。2015年我国机器视觉市场全球占比8.3%，增速超20%，机器视觉为我国工业自动化打开“新视界”。
机器视觉是指利用相机、摄像机等传感器，配合机器视觉算法赋予智能设备人眼的功能，从而进行物体的识别、检测、测量等功能。机器视觉可以分为工业视觉、计算机视觉两类。
机器视觉分类（来源：网络）
机器视觉系统一般由灯源、镜头、工业相机、图像采集卡、图像处理单元和视觉处理软件构成。
机器视觉系统构成及工作原理（来源：物联中国）
机器视觉具有高度自动化、高效率、高精度和适应较差环境的优点。
机器视觉性能优势原理（来源：工控网）
是实现智能制造的必要手段
如果说工业机器人是人类手的延伸、交通工具是人类腿的延伸，那么机器视觉就相当于人类视觉在机器上的延伸。机器视觉实现了对工件尺寸、形状、颜色等特征的自动判断和识别，可以让机器代替人眼做测量和判断，是实现工业自动化和智能化的必要手段。
机器视觉与人类视觉对比（来源：工控网）
机器视觉应用于智能制造领域的功能（来源：康耐视）
作为一种给机器人带来视觉功能的关键技术，机器视觉应用广泛。从工业视觉到计算机视觉，从人机交互到自动驾驶，从虚拟现实到物体自动识别，机器视觉都能担当着重要角色。
工业机器人领域的机器视觉下游市场主要是半导体及电子制造、汽车、食品与包装和制药行业，其他如烟草、农业、机械零部件等也是机器视觉应用的重要行业。
机器视觉在包装机械和机械零部件应用示例（来源：BANNER 、FANUC ）
机器视觉工业应用情况（来源：网络）
工业领域的机器视觉难点在于精度和速度，要求都在毫米级，且工业领域工业机器人抓手的变动是在三维空间内。
基于机器视觉的工业机器人定位技术流程（来源：发那科）
机器视觉系统设计的五大难点
工业视觉应用一般分成四大类：定位、测量、检测和识别，其中测量对光照的稳定性要求最高，因为光照只要发生10-20%的变化，测量结果将可能偏差出1-2个像素，这不是软件的问题，这是光照变化，导致了图像上边缘位置发生了变化，即使再厉害的软件也解决不了问题，必须从系统设计的角度，排除环境光的干扰，同时要保证主动照明光源的发光稳定性。当然通过硬件相机分辨率的提升也是提高精度，抗环境干扰的一种办法了。比如之前的相机对应物空间尺寸是1个像素10um，而通过提升分辨率后变成
1个像素5um，精度近似可以认为提升1倍，对环境的干扰自然增强了。
第二：工件位置的不一致性
一般做测量的项目，无论是离线检测，还是在线检测，只要是全自动化的检测设备，首先做的第一步工作都是要能找到待测目标物。每次待测目标物出现在拍摄视场中时，要能精确知道待测目标物在哪里，即使你使用一些机械夹具等，也不能特别高精度保证待测目标物每次都出现在同一位置的，这就需要用到定位功能，如果定位不准确，可能测量工具出现的位置就不准确，测量结果有时会有较大偏差。
一般在高精度测量时需要做以下几个标定，一光学畸变标定（如果您不是用的软件镜头，一般都必须标定），二投影畸变的标定，也就是因为您安装位置误差代表的图像畸变校正，三物像空间的标定，也就是具体算出每个像素对应物空间的尺寸。
不过目前的标定算法都是基于平面的标定，如果待测量的物理不是平面的，标定就会需要作一些特种算法来处理，通常的标定算法是解决不了的。
此外有些标定，因为不方面使用标定板，也必须设计特殊的标定方法，因此标定不一定能通过软件中已有的标定算法全部解决。
如果被测量的物体不是静止的，而是在运动状态，那么一定要考虑运动模糊对图像精度（模糊像素=物体运动速度*相机曝光时间），这也不是软件能够解决的。
在测量应用中软件的精度只能按照1/2—1/4个像素考虑，最好按照1/2，而不能向定位应用一样达到1/10-1/30个像素精度，因为测量应用中软件能够从图像上提取的特征点非常少。
机器视觉在非标自动化设备上优势、机器视觉在线检测为自动化提速！
机器视觉在非标自动化设备上优势具有哪些优势？
机器视觉在非标自动化设备上优势具有哪些优势?大家都知道自动化设备就是不需要人的机器就能自动工作的设备就叫自动化设备，非标自动化设备就是根据用户的实际需求定制的自动化设备就叫非标自动化设备,下面圳玖科非标自动化就来详细的为大家分析一下：
首先来普及下国家近期推得比较火的几个热门概念和政策，所谓智能制造和工业4.0概念，新闻媒体隔三差五的报道想必大家都听说过这个概念，但不是业内人士也基本只知道这几个字，但对其行业和到底是干什么的可能还不了解，很荣幸我正式这个行业的从业者之一，就用我所在的角度给大家大致普及下吧。
今天我要说的机器视觉检测和自动化设备正是智能制造2025其中一部分领域吧，其实国家的这个政策涉及面还是非常广的，主要是提升国内工业领域生产装备的更新换代，和全自动生产加工，目前美国、德国、日本等国家在这方面做得非常好，很多领域都实现了无人化生产加工，上万平米的车间只需要十来个人，甚至很有意思的是一些动物屠宰厂的全自动化屠宰加工水平令人震惊，我们国家的装备水平说实话还有很长路要走。
机器视觉检测概念不是工业领域的人可能还不了解，但现在这项高级技术已经在制造业领域应用很广泛了，机器视觉主要原理就是将利用工业相机拍摄图像，使用专业的视觉检测软件和各种图像算法对图像进行分析计算并给出所需的参数，通过对这些参数的设置利用我们就可以到达很多目的实现很多功能。
比如：产品的高精度尺寸测量、零件坐标位置、读取一维二位码数据、零件表面缺陷检测识别、颜色识别、角度识别等功能，这项技术已经能大程度上取代人眼了，而且检测速度比人眼快5-10倍，目前这样的技术已经细分成很多专业领域了，比如3D扫描、刷脸识别、指纹识别、自动驾驶等高科技领域，这项技术还在不断更新完善功能会越来越强大。
非标自动化设备其实就是，根据客户的生产步骤和生产效率要求，通过设计一套自动机械机构，和电气控制逻辑，将人的动作取代并集成到一起，实现自动上料、自动组装、自动测试检测，并将这些数据保存下来，可以追踪产量效率、良率、能耗等。
在线视觉检测系统是当今汽车行业自动化率不断提升过程中不可或缺的设备，它有力地保障了产品在尺寸控制、精确定位、功能匹配和自动检测方面的精度...
随着汽车行业自动化水平的不断提高，一些传统的检测方式已不能适应高节拍、柔性化的生产需求，自动的具有实时监控功能的机器视觉在线检测技术逐渐在主流生产厂家得到应用，并取得了良好的效果。
机器视觉系统由多组传感器组成，每个传感器首先要计算出被测物的特征点，来进行坐标确定，然后将所有接收的数据信息拟合在统一的坐标系统中，从而完成测量。机器视觉在线检测技术从安装方式上分为固定式和动态式；从测量的方法上分为采用照相机拍照系统和激光系统两种方式；从应用领域上分为定位检测功能、尺寸检测、型面检测和功能匹配等几个方面。
在自动化汽车生产线中，视觉系统必要时需要同机器人匹配应用，并与生产线的PLC控制系统建立联接，以实现测量、检测、定位和识别的功能。视觉检测系统具有如下特点：采用非接触式测量方式，提高了相应速度，对生产线影响小；具有长时间的稳定、可靠地重复工作的性能，适用于汽车连续化的流水线作业；适合在安全风险高、人机工程恶劣和环境差的区域工作。诸多优点使视觉检测系统在汽车行业中得到了广泛的应用。
（1）车身尺寸检测功能（通常采用动态检测方式）
在生产线的特定位置，设置激光测量系统，对车身的关键控制点进行测量，并将数据实时传输到数据分析系统，并能将发现的问题及时进行报警。
该方式实现了实时数据记录、分析，能够有效控制问题的发生范围；采用相对传统的CMM测量，测量样本量大，能在短期内有足够的样本进行统计学分析；灵活性好，通过计算机编程，可以对车身需要关注的局部（如车辆改型、新零件试制）进行定点检测，对问题做出准确判断；柔性好，对多车型混线生产有良好的兼容性；自动工作，节省人力成本。
缺点是设备初期一次性费用投入较大；测量精度比CMM低；对工位的定位精度要求相对较高。
图1 视觉在线自动检测
测量系统如图1所示，测量单元主要包括：工装定位系统、机器人＋激光测头＝测量系统、系统自检系统（含温度补偿）、控制系统、车型识别系统（柔性化生产线）、数据分析系统。
视觉测量系统工作原理见图2：使用平面激光照射被测物体表面，采集二维平面数据；使用激光线照射被测物体采集第三维数据；根据采集数据通过专业软件进行分析；通过相关算法得出被测物体或特征的位移、形变以及其他几何特征的变化。
图2 视觉测量系统工作原理
如图3所示，该案例存在的问题是某车型大灯支架批次性波动，调查发现该车型前纵梁尺寸发生变化，供应商新线生产的前纵梁尺寸不符合要求，前纵梁为两条线进行生产。根据零件对比检测，最终确定供应商参照第一条生产线的状态对零件进行整改，使之尺寸状态一致，修复后批次性波动消除。
四门两盖、翼子板间隙和平整度匹配在线测量
（1）设备要求：自动识别车型，完成激光测量并即时显示测量结果。
（2）测量内容：三车型外覆盖件的匹配（平整度和间隙），主要包括：前盖与翼子板匹配；翼子板与前门匹配；前后门匹配（包括窗框）；后门与后翼子板匹配；后盖（或后举门）与后翼子板匹配。
（3）工作原理流程如图4所示。
图4 间隙和平整度检测流程
（4）优点：设备为固定式，操作、保养相对简单；能将一个时间段的车辆的不同部位的间隙、平整度等进行综合分析，为改进提供方向；对在线车辆的匹配100%的测量，确保了车辆匹配的一致性；消除了人工测量时的测量误差，长久来看降低了人工成本；即时发现问题，有利于后道工艺进行返修；适用于大批量、连续化生产的质量控制。
在现场自动化工位，如顶盖安装、机器人激光焊接、门盖的安装以及自动涂胶等工艺，都需要先进行精确定位，机器人对定位数据进行分析后进行正确的操作，以达到工艺的稳定性。此种定位采取激光测量的方式，通常采用固定方式。
在此以机器人前盖定位安装为例（见图5）：车辆到达工位定位，线旁设置了6组固定式激光测量装置，前部4组测量头分别对前盖的两侧前后的间隙和平整度进行测量，另外两组测量头对前盖的铰链安装孔的位置进行测量定位，机器人用抓手抓起前盖，通过收到的数据信息不断修正左右间隙和平整度的一致性，并对前盖的定位孔进行修正，然后打紧铰链。
图5 机器人前盖定位安装
在线门盖型面检测如图6所示，通常采用照相系统或激光面扫描等对外覆盖件的轮廓或特征进行在线检测，减少了人工搬运、下线的问题，实现100%在线检测，面扫描也是触发式测量设备无法完全替代的检测方法。
图6 在线门盖型面检测
此外，在线检测设备还可以对机器人涂胶的轨迹和位置等进行测量监控，并对轨迹的偏差设定报警限，从而实现自动监控。
机器视觉在线检测系统是当今汽车行业自动化率不断提升过程中不可或缺的设备，本文介绍的几种使用方法是在实践中较为成熟的，它有力地保障了产品在尺寸控制、精确定位、功能匹配和自动检测方面的精度，未来必将在更广阔的领域中得到应用，为实现更高自动化、更精细的质量等方面发挥巨大的作用。
机器视觉应用介绍（机器人篇）
为什么机器人需要视觉系统？
1 没有视觉的机器人应用有局限性
机器人辅助生产的生产线上，机器人的运动位置是根据生产产品的特征预先设定好的，即按照预先设定的运动轨迹来执行动作。因此，需要有一定的治具保证产品的位置的固定。如果产品规格多样，则需要大量的专用治具来实现产品位置的固定。其成本高昂、更换夹具的工作量巨大。
机器人装配的精度要求越高，需要的治具的精度也越高。治具的精度越高，机器人本体的精度越难以可以每次都准确、可靠的装配。
某些产品因为表面细腻，不能够通过机械夹具来加持，以免破坏表面。有些产品因为是柔性材质，也无法实现可靠的抓取。
2 视觉系统对机器人应用的帮助
使用视觉系统告知机器人产品的位置，提供抓取的定位信息，更换产品也只需要更换产品的检测文件即可。节省大量的机械成本及更换治具需要的时间。
可以用低精度的治具或者粗定位的视觉系统实现机器人完成抓取产品的工作。抓取后再通过视觉系统精确的捕捉物体的特征，实现高精度的定位，使机器人在抓取后能够进一步修正位置，实现精密装配。
视觉系统采用的是光学测量的方法，不会破坏物体的表面也不会因为物体是柔性的而无法测量。
3 单独视觉系统在生产中的局限性
从成像的原理来说，一台相机只能捕获一个平面的图像信息。对于复杂的物体，需要检测多个面的情况下，往往需要很多相机协同工作。如果产品的规格很多，不同的规格相机需要调整到不同的位置来检测。使得整个检测系统异常的复杂。
受制于相机感光芯片的分辨率的限制，越是大的视野，分辨的精度越低。在这种情况下，对于大的物体，无法实现高精度的检测。
4 机器人对视觉系统应用的帮助
通过把视觉系统安装在机器人的关节上，可以使用机器人来调整相机或者光源的位置，来实现各种不同姿态的检测需求，从而实现对多规格、复杂产品的检测应用。
可以通过使用机器人带着相机遍历大检测对象的各个检测部位或者跟随机器人的运动轨迹实时的检测，从而实现对大物体进行小视野高精度的检测。
