機器視覺(Machine Vision)作為光電技術應用的一個特定領域，目前已經發展成為一個前景光明、活力無限的行業，年平均增長速度超過2O％ 。機器視覺廣泛應用于微電子、電子產品、汽車、醫療、印刷、包裝、科研、軍事等眾多行業。涉及技術一致，應用差異明顯，是各種機器視覺應用系統的共同特點。
機器視覺系統集成時，涉及到多門技術，最基本的系統也需要照明、成像、圖像數字化、圖像處理算法、計算機軟件硬件等，稍微復雜一點的系統還會用到機械設計、傳感器、電子線路、PLC、運動控制、數據庫、SPC等等。要把這么多不同方面的技術和知識組合到系統里，使其相互完美配合并穩定地工作，對系統集成人員提出了很高的要求。作者根據多年的經驗，講解了機器視覺系統集成時所涉及的各種技術、需要綜合考慮的因素以及評估機器視覺系統項目成功的可能性的方法。
中國經濟經過數十年的高速發展，在很多領域完成了從無到有、從不能到可以的躍變，現在已經到了提高生產效率和產品質量、殘酷競爭的階段，很多原來使用的人工工序正逐漸被機器所取代，從而對機器視覺系統產生了越來越多的需求。而機器視覺技術本來就是為了解決生產中的各種問題發展起來的。在人類的生產活動中，人的眼睛擔負著很多重要的任務，例如放置和固定工件、觀察和估計位置、檢測外觀尺寸、確定產品的一致性、檢驗產品質量等。這些工作正在越來越多地被機器視覺系統取代，一方面是隨著對生產速度和產品質量的要求越來越高，對檢測速度和精度的要求超過了肉眼的能力；另一方面是因為成像技術、計算機技術或圖像處理技術的發展，機器視覺系統能夠完成的任務越來越復雜，成本也越來越低。然而，機器視覺技術作為一門新興技術，引人中國時間并不長，真正有經驗的系統集成人員也不多，而機器視覺系統涉及到照明、成像、電子、自動控制、計算機軟件硬件、機械設計、傳感器、光學等各方面，把這些不同的技術集成到1個系統內，并使其相互完美配合工作，本身就是艱巨的任務。本文試圖根據作者多年的經驗，就機器視覺系統集成技術給出一些建議，期望能夠幫助使用機器視覺系統的用戶評估其系統并在做出合理決策時提供參考，給研制系統的技術人員和公司提供一些成功的經驗。本文將介紹需求分析、資源配置、系統集成等幾個方面的內容。
A、 需求分析
準確地描述機器視覺系統需要完成的功能和工作環境，對于整個機器視覺系統的成功集成是至關重要的。對于需求的描述，實際定義了視覺系統工作的場景，而圍繞這個場景設計1個系統來獲取合適的圖像，并提取有用的信息或控制生產過程就是我們工作的目標。這個步驟看起來如此簡單，以至于經常被忽略。有時候用戶在生產過程中產生了某種需求，但是由于知識面和技術方面的原因，用戶不知道自己需要什么樣的視覺系統，或者不能準確描述自己的需求，而這時系統集成商自己經驗不足或沒有給以足夠的重視，就不能幫助用戶來明確系統的功能細節，這個系統集成開發過程注定要走彎路，甚至最終失敗。
所以，系統集成的第1步就是明確用戶需求!一般情況下可以使用下面的表格來幫助我們實現此目標。
問題 說明
檢測什么東西? 檢測的目標物是什么?形狀是什么樣的?
檢測哪些指標? 具體檢測什么指標?有無?狀態?尺寸?位置?粘連?差異?毛刺?顏色
目標多大? 物體具體尺寸是多少?
工作距離? 安裝攝像機到被測物體的距離最大允許多遠?能否自由調節?
分辨率多高? 測量尺寸精度要求是多高?
檢測速度多快? 全自動測量還是手動?每分鐘測量多少個?
安裝空間 被測零件周圍是否有安裝光源的位置?是否有適合安裝攝像頭的位置?怎樣固定比較合適?
顏色? 被測物體是什么顏色?我們是否需要對顏色判別?是否可以利用顏色差異幫助我們實現檢測目的?
材質 物體是什么材料的，表面光學性質怎樣?
合格判據? 合格／不合格的定義
工位信號? 有工位觸發信號還是需要自動連續拍攝圖像?
剔除或控制方式 是否需要自動剔除次品或控制機器動作?怎樣對不合格品進行剔除?使用什么信號格式，在什么位置進行?
工作環境 工作環境的溫度、濕度、粉塵、防水、雜散光線情況
交貨日期 這是不言而喻的
B、資源配置
機器視覺系統集成時，涉及到多門技術，最基本的系統也需要照明、成像、圖像數字化、圖像處理算法、計算機軟件硬件等，稍微復雜一點的系統還會用到機械設計、傳感器、電子線路、PLC、運動控制、數據庫、SPC等等。顯而易見，要把這么多不同方面的技術和知識組合到1個系統里，使其相互完美配合并穩定地工作，對系統集成人員提出了很高的要求，需要根據具體的需求來確定所需要配置的資源和對策。
B.1機械設計
由于需求不同，對機械部分的要求差別很大，如果是全自動的機器視覺系統，機械部分一般需要完成的功能有理料、輸送、定位、剔除、下料等功能，而有的機器視覺系統則只需要適當的固定支架來固定相機、鏡頭和計算機即可，差別很大。例如，制藥生產線上使用的西林瓶燈檢機，需要完成理瓶、輸送、旋轉、剎車急停、相機同步、快速歸位、下料、分流剔除等多個動作，而且需要提供多達15個檢測工位，以完成液體內部懸浮物、玻璃碎屑、瓶身破損、細菌群落、瓶口封裝、瓶底等多項指標的檢測，各種機械零件多達上千個，系統非常之復雜；而停車場使用的車牌識別系統的機械部分則非常簡單，只需要相機固定和保護等安裝配件即可。一般系統集成商不愿意介入特別復雜的機械設計，一方面是因為在用戶的觀念中，機械設計沒有太多的技術含量；另一方面是機械加工周期較長，1個小小的設計錯誤也會導致返工，時間拖得較長。所以，雖然在很多情形下，機械設計在機器視覺系統中占了很大的比重，而且是關鍵部分，但投入相對較少，導致整個系統開發過程不順利。有時候，和制造機械設備的公司合作是最好的選擇。需要指出的是，對于需要復雜機械系統的全自動系統，由于大多數系統只能針對特定的產品工作，所以，除非生產量達到一定數量，或者該產品會生產很長時間，一般情況下，半自動系統就足夠了。自動系統開發周期長，成本高，生產過程中換型困難，而半自動系統只需要更換1個夾具，重新設置檢測指標和合格判據就可以了。
B.2照明光源
這個看似簡單的照明系統是機器視覺系統最為關鍵的部分，直接關系到系統的成敗，其重要性無論如何強調都是不過分的。好的設計能夠使我們得到1幅好的圖像，從而改善整個系統的分辨率，簡化軟件的運算，而不合適的照明，則會引起很多問題。例如花點和過度曝光會隱藏很多重要的信息；陰影則會引起邊緣的誤檢；而信噪比的降低以及不均勻的照明會導致圖像處理閾值選擇的困難。在實際應用中，得到場景的圖像很容易，但是得到1幅適合機器視覺算法要求的圖像則很難，因為被測目標多種多樣，形狀大小不同，檢測指標各異，而且各種材料的反光特性及顏色也不一樣，要把所需要檢測的特征突顯出來，而對不需要的特征加以抑制，并不是簡單的任務。這主要通過設計或選擇合適的照明光源來解決。針對特定的物體和場景，設計／選取成本低廉、安裝簡單、照明效果好的照明系統，就是我們搭建機器視覺系統首先需要完成的任務。那么什么樣的圖像才是好的圖像呢?一般說來，1幅好的圖像需要滿足以下條件：
1、充分利用視場使被檢測物體特征充滿視場，從而可以最大限度地利用系統的分辨率；
2、對比度合適灰度級的最大值接近255，而最小值接近0；
3、焦距準確 圖像沒有因為景深或運動而不清晰；
4、照明均勻，避免反光；
5、圖像畸變小；
6、感興趣的特征容易被檢測識別，其他特征不顯示或得到抑制。如果選擇的光源，能使圖像達到這些基本的要求，就完成了機器視覺系統集成的第1步。
B.3成像系統
從系統集成的角度，簡單列舉選擇這些硬件的原則。
由于相機鏡頭和板卡經過多年的發展，目前已經相當成熟，而且在國內市場上，選擇的余地也不大，一般是本著經濟的原則，夠用就好。
選擇相機時，我的建議是，如果可能，就用USB接口或1394接口的相機，這樣可以省掉1個板卡的費用，以后硬件或軟件升級時工作量會小一些。對于高端的應用，除了CameraLink，似乎別無選擇。最新開發的GigE接口相機，由于TCP／IP協議Packet傳輸的特性，在某些場合是不能保證數據的實時性的，但其最大的優點是，數據線距離可以很長，主機可以安裝在辦公室內，這樣現場就只需要適當地安裝和保護相機和鏡頭。鏡頭的可選擇性更少，除了Computar，Nikon，Tamron，Navitar及Moritex幾個制造商外，市場上也沒有多少選擇空間，當然大多數情況下，也就夠用了。如果需要更好的成像效果，可以采用單反相機鏡頭，這樣做一般需要轉接口。Fujinon在廈門有生產，可是國內市場上未見銷售。德國CarlZeiss鏡頭很好，可惜價格太貴，不太適合中國市場。
B.4計算機系統
機器視覺系統的最佳配置，是使用工控機還是使用嵌入式系統?在這個問題上，見仁見智，各有優缺點，主要還是看使用的場合和系統的需求。2種系統的主要特點見下表：
項目 工控機 嵌入式
圖像處理能力 高 低
擴展性 好 差
體積 大 小
現場安裝 難，需要機柜 容易
價格 低 高
壟斷程度 低 高度壟斷
穩定性 較好 非常好
設置操作 容易，鍵盤、鼠標或者
觸摸屏 較難，一般用JOYstick
運行操作 自動 自動
維修 簡單 原供貨商才能維修
通過這些對比可以看出，如果安裝空間允許，選擇基于工控機的視覺系統還是有更多的優點的。但是，如果現場必須使用體積很小的嵌入式系統，那么我們別無選擇。各公司的成熟產品一般都采用了嵌入式主機，例~HKeyence，0mron，Siemens，Cognex等。這更多的是由于商業銷售的考慮，因為這樣做可以保證自己產品的獨特性，給差異化銷售找到借口；另一方面可以使用戶自己不能更換零件，從而保證售后服務的利潤。
B.5圖像處理
圖像處理作為機器視覺系統必不可少的部分，顯得如此重要，以至于很多情況下，初學乍到的人會以為圖像處理就是機器視覺。其實，我們所說的圖像處理實際包含了圖像增強和圖像分析2個部分。圖像增強是指經過某種處理，使圖像改變，實現對比度提高、清晰度增加、特征突出等目的；而圖像分析是指經過某種運算，來提取某種有用的信息，如有無、好壞、位置等，以便用來進行判斷或控制。例如，如何使模糊的圖像恢復到清晰，是典型的圖像增強處理，只要得到清晰的圖像就達到了目的；在繁忙的機場抓拍過往旅客的面孔，找到可疑恐怖分子，則是典型的圖像分析過程。
經過多年的發展，圖像增強算法已經基本成熟，例如提高對比度的灰度拉伸、假彩色、邊緣提取、濾波、傅立葉變換、小波變換等。在機器視覺系統集成時，這些一般都是在圖像分析前作為圖像預處理進行的，而圖像分析算法才是機器視覺真正需要解決的問題。
通過針對某個真實場景的圖像，設計1種算法，來得到有用的信息，完全依賴于技術人員的經驗和能力。在這個過程中，公司投入了大量時間和金錢來進行研究，而得到的算法往往具有經濟價值，公司或個人都會嚴格保密。例如，如果機場候機廳里只有1個乘客，那么設計個算法來找到這個乘客的位置，是相對容易的，很多公司或個人都可以實現，而且使用的方法或者計算時間也差不多，而要在成千上萬的游客中，找到具有某個特定特征的乘客，就不是那么容易了，各人設計出的算法肯定千差萬別，誰能夠在最短時間內最可靠地找到目標，就是最有價值的。這種情況下，除了經驗之外，靈感和創造能力也很重要。也就是說，作為系統集成所需要的圖像處理算法，需要很多的實踐經驗，而這些算法大多不是能夠從書本或文章里學到的。
B.6 自動控制
作為1個子系統完美配合工作中的機器視覺系統，自然會用到
光電傳感器、數字IO接口、PLC、運動控制等工業控制元器件，這些方面的知識也是必不可少的。雖然如此，這些都是成熟的技術，有基本的知識直接拿來使用就可以了，不需要我們重新設計，而且零件供應商也會提供一定的技術支持。一般在整個系統的開發過程中，這方面花費的時間和精力是最少的。
C、系統集成
明確了我們的需求，估計了我們需要配置的資源，理解了各子系統需要完成的工作，就到了把這些知識綜合考慮組成1個整機系統的時候了。把這些不同領域里得到的零部件組合在一起，希冀打開電源時就能夠完美的工作，是不太現實的。這個過程里有很多意想不到的問題需要解決。一般情況下，我們需要遵循一定的原則，才能使出現的問題最少。這里根據我們的經驗給出一些建議。
1、盡量使用能夠采購的零件(off—the—shelfcomponents)：在可能的情況下，應當盡可能使用現成的備件，如鏡頭、相機、板卡等，能夠買到的東西就不要自己做。我已經多次看到不同的公司和研究室為了節省成本，自己設計制造很容易買到的零件，結果浪費了很多時間，走了很多彎路。例如，有1個公司咨詢為什么成像效果不好，我去現場一看，他們使用了1個直徑20毫米的凸透鏡作為鏡頭，為了節省成本，15元人民幣買來的，可想而知成像效果如何，豈不知連SONY 也不得不向CarlZeiss采購鏡頭！
2、分而治之(divide and conquer)：把系統分割成多個模塊，把每1部分集成到一起，確保能夠正確地工作，然后再把這些模塊組成1個大系統。這和軟件開發常用的方法是一樣的，只有把1個大的系統分割成小到我們能夠很容易處理的小塊，才能夠有效的完成。這也需要富有經驗的項目負責人來完成這項工作。
3、充分考慮現場條件：在實驗室里開發的系統，安裝到使用現場后常常碰到問題。這主要是環境光、電磁干擾和振動幾個方面的原因造成的。機器視覺系統畢竟使用了光學系統，安裝現場的照明情況或自然光的影響，有時會導致我們設計的算法根本無法工作，從而致使系統失敗；工廠的供電一般是帶有各種電磁干擾的，很容易從電源線或其他地方進入計算機系統，從而導致系統不能穩定工作。如果系統時而工作正常，時而死機，一般都是這個原因造成的。另外，工業現場各種機器同時工作，有時振動會導致問題。例如，如果算法采用兩幅圖像相減的方法，肯定不能正常工作，因為振動導致的圖像移位，使得圖像已經對不準了。這種情況下，尺寸測量也會產生誤差。所以，系統集成的過程中，最好能夠模擬現場情況，否則很難1次成功。
4、把困難乘2：在新產品開發過程中，往往會遇到意想不到的問題。例如，有時候1根電線接觸不良就會導致整個系統不工作，而查找這個問題并不是1件容易的事；有時軟件有小小的問題，改成正確的代碼只需要幾分鐘，但是也許2個星期也找不到問題所在。所以，整個系統集成時，碰到的問題和解決問題需要的時間往往比預計的要多。越是復雜龐大的系統，越是如此。一般我們需要把已知需要解決的問題總數乘以2或3，才能真正地做出切合實際的工作計劃。
