机器视觉系统的核心技术

一种成功的机器视觉系统需要对图像采集进行重点处理(包括灯源、光学成像、数字图像获取和传输)、图像处理分析几个阶段的核心技术。

机器视觉系统是一种高科技系统，结合了现代计算机、光学和电子技术。机器视觉技术处理系统摄入的图像，分析信息，通过计算机做出相应的判断，从而传递设备控制指令。机器视觉系统的实际应用需求不同，视觉系统本身可能有很多不同的方式，但都包括以下过程:

图像采集利用光源直接照射被观察到的物体或环境，通过光学成像系统采集图像，通过相机和图像采集卡将光学图像转换为数字图像，这是机器视觉系统的前端和信息源。

图像处理和分析计算机通过图像处理软件处理图像，并通过分析获得有用的信息。比如PCB板图像中是否存在线路短路，纺织品图像中是否存在缺陷，文档图像中是否存在文字等。这是整个机器视觉系统的关键。

判断和控制图像处理获得的信息终用于分析目标(被测物体和环境)，并形成相应的控制指令并发送给相应的机构。例如，在摄入的零件图像中，计算零件的尺寸是否与标准一致，如果不一致，会发出声音，标记或删除。

在整个过程中，被测对象的信息反映为图像信息，从而通过分析获得特征描述信息，终根据获得的特征进行判断和运动。典型的机器视觉系统一般包括: 光源、光学成像系统、相机、图像采集卡、图像处理硬件平台、图像和视觉信息处理软件、通信模块(如附图所示)。

总的来说，一个成功的机器视觉系统需要重点关注图像采集(包括灯源、光学成像、数字图像的获取和传输)、图像处理分析几个阶段的核心技术。

灯光设计

照明是机器视觉系统中一个极其重要和容易被忽视的环节。它的设计是机器视觉系统设计的重要步骤，直接关系到系统的成败和性能。由于照明直接作用于系统的原始输入，直接影响输入数据的质量。灯源不仅仅是照亮物体，还可以通过有效的灯源设计突出需要检测的特性，同时抑制不必要的影响特性，给后端的图像处理带来极大的便利。然而，不正确的照明方案会导致图像亮度不均匀，影响增加，有效特性和背景难以区分，使图像处理变得不均匀。