機器視覺是人工智能正在快速發展的一個分支。簡單說來，機器視覺就是用機器代替人眼來做測量和判斷。

互聯網的高速發展，使得物流業走勢迅猛，不僅是每年一度的京東購物節和淘寶節讓物流人員高壓負重，喘不過氣，就連現在的日常外賣派送，超市派送也使得快遞人員人手不斷速增，美團外賣布局無人物流，京東機器人物流揀貨已開始應用，機器人工作，為人們的生活帶來了巨大的便利性。機器人逐漸成為市場的寵兒。

如今，我們的身邊已然充斥著各種類型的機器人，在制造、運輸、生活等各領域起著非常重要的作用。比如機器人代步車，掃地機器人等。而讓這些機器人擁有一雙“智慧”雙眼的正是機器視覺技術，得益于機器人產業的規劃發展，機器視覺技術的應用就有非常廣闊的空間。

機器視覺的定義 機器視覺是人工智能正在快速發展的一個分支。簡單說來，機器視覺就是用機器代替人眼來做測量和判斷。機器視覺基于仿生的角度發展而來，比如模擬眼睛是通過視覺傳感器進行圖像采集，并在獲取之后由圖像處理系統進行圖像處理和識別。

機器視覺主要分為三類：

單目視覺技術，即安裝單個攝像機進行圖像采集，一般只能獲取到二維圖像。單目視覺廣泛應用于智能機器人領域。然而，由于該技術受限于較低圖像精度以及數據穩定性的問題，因此需要和超聲、紅外等其它類型傳感器共同工作。

雙目視覺技術，是一種模擬人類雙眼處理環境信息的方式，通過兩個攝像機從外界采集一副或者多幅不同視角的圖像，從而建立被測物體的三維坐標。雙目視覺技術大致分為機械臂視覺控制、移動機器人視覺控制、無人機無人船視覺控制等方向。

多目視覺技術，是指采用了多個攝像機以減少盲區，降低錯誤檢測的機率。該技術主要用于物體的運動測量工作。在機械臂手眼協調方面，多目視覺技術能夠克服物體捕捉的盲區，使機械臂進行抓取更加有效。在工業機器人進行裝配領域，多目視覺也能夠精確識別和定位被測物體，進而提高裝配機器人的智能程度和定位精度。

機器視覺的應用

機器視覺的應用主要有檢測和機器人視覺兩個方面：

⒈ 檢測：又可分為高精度定量檢測(例如顯微照片的細胞分類、機械零部件的尺寸和位置測量)和不用量器的定性或半定量檢測(例如產品的外觀檢查、裝配線上的零部件識別定位、缺陷性檢測與裝配完全性檢測)。

⒉機器人視覺：用于指引機器人在大范圍內的操作和行動，如從料斗送出的雜亂工件堆中揀取工件并按一定的方位放在傳輸帶或其他設備上(即料斗揀取問題)。至于小范圍內的操作和行動，還需要借助于觸覺傳感技術。

此外還有自動光學檢查，人臉識別，無人駕駛汽車，產品質量等級分類，印刷品質量自動化檢測，文字識別，紋理識別，追蹤定位。機器視覺技術的應用取代了人工分揀快遞，大大提高了效率。除此之外，機器視覺技術還可以讓機械手臂擁有3D視覺能力，依靠視覺導引、定位，夾取產品。并且在汽車制造、醫療等領域也使用機器視覺系統進行測量和檢測。

隨著工業4.0時代的到來，機器視覺在智能制造業領域的作用越來越重要，機器視覺技術是如何工作的、它為什么是實現流程自動化和質量改進的正確選擇等。

機器視覺技術，是一門涉及人工智能、神經生物學、心理物理學、計算機科學、圖像處理、模式識別等諸多領域的交叉學科。機器視覺主要用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。機器視覺技術最大的特點是速度快、信息量大、功能多。

什么是機器視覺？

機器視覺的定義：機器視覺就是使用光學非接觸式感應設備自動接收并解釋真實場景的圖像以獲得信息控制機器或流程。

機器視覺就是為了流程控制或檢測所制造的產品而從數字圖像中自動提取信息

為了更好地理解機器視覺，下面，我們以啤酒廠采用的填充液位檢測系統為例來進行說明：

▲圖1 啤酒瓶填充液位檢驗示例

當每個啤酒瓶移動經過檢測傳感器時，檢測傳感器將會觸發視覺系統發出頻閃光，拍下啤酒瓶的照片。

采集到啤酒瓶的圖像并將圖像保存到內存后，視覺軟件將會處理或分析該圖像，并根據啤酒瓶的實際填充液位發出通過-未通過響應。

如果視覺系統檢測到一個啤酒瓶未填充到位，即未通過檢測，視覺系統將會向轉向器發出信號，將該啤酒瓶從生產線上剔除。操作員可以在顯示屏上查看被剔除的啤酒瓶和持續的流程統計數據。

另外，機器視覺系統還能夠進行物品測量，比如確定火花塞間隙或提供位置信息，引導機器人在制造組裝過程中將元件對位，圖2顯示的例子主要是說明機器視覺系統如何能夠用于進行濾油器（右）通過或未通過檢測，以及測量支架上中心軸頭的寬度（左）。

▲圖2 機器視覺系統能夠在生產線上進行實時測量和檢驗，比如加工支架（左）或濾油器（右）

在這個應用示例中，填充液位檢驗系統僅可提供兩種結果，這顯示了二進制系統的特征：

1、 如果產品合格，則檢測結果為“通過”

2、 如果產品不合格，則檢測結果為“未通過”。

機器視覺的優勢究竟有哪些？

雖然人類視覺最擅長于對復雜、非結構化的場景進行定性解釋，但機器視覺則憑借速度、精度和可重復性等優勢，擅長于對結構化場景進行定量測量。

舉例來說，在生產線上，機器視覺系統每分鐘能夠對數百個甚至數千個元件進行檢測。配備適當分辨率的相機和光學元件后，機器視覺系統能夠輕松檢驗小到人眼無法看到的物品細節特征。

另外，由于消除了檢驗系統與被檢驗元件之間的直接接觸，機器視覺還能夠防止元件損壞，也避免了機械部件磨損的維護時間和成本投入。

通過減少制造過程中的人工參與，機器視覺還帶來了額外的安全性和操作優勢。此外，機器視覺還能夠防止潔凈室受到人為污染，也能讓工人免受危險環境的威脅。

機器視覺系統的分類

?智能相機

?基于嵌入式

?基于PC

機器視覺系統的組成

?圖像獲?。汗庠础㈢R頭、相機、采集卡、機械平臺

?圖像處理與分析：工控主機、圖像處理分析軟件、圖形交互界面。

?判決執行：電傳單元、機械單元