基于机器视觉的外观尺寸测量及OCR识别检测系统的设计

基于机器视觉的检测系统视觉系统可以快速、准确和高可重复性地自动完成诸如部件测量和检查的工作，这样就可以帮助制造商提高产品质量和生产力。

视觉系统在制造过程中的每一步都可以生成有价值的监测数据，这同时也可以帮助控制工程师扩展过程诊断的功能。

非接触式测量更加快捷机器视觉在质量控制上最普遍的应用就是测量。

Cognex公司的In-Sight系列视觉传感器的市场销售部经理Bryan Boatner说，由于视觉系统测量部件特有的可以达到千分之一英寸的精度，使得它可以适用于很多从前需要采用接触式测量方法的应用场合。

他说道：“制造商采用基于视觉的测量是有诸多原因的。

速度是主要的一点。

采用接触式测量，难以跟上高吞吐量的流水线的步伐，因此，传统地测量一般都是在产品抽检时完成。

”相对应地，机器视觉系统就可以跟上上述生产流水线的步伐，每分钟可以完成上千次的测量，而且机器视觉系统还可以嵌入流水线系统中进行100%的监测。

消除了物理接触，基于视觉的测量就可以“避免对零件的损伤并减少了对机械测量表面磨损和划痕的维护。

最终，视觉系统可以测量某些不能用接触式方法测量的零件。

”Boatner说道。

Matrox Imaging公司的图像软件小组组长Arnaud Lina，赞同道：机器视觉为物理计量学提供了很多新的可能，如物体的精确测量。

Dalsa公司数码图像小组的集成产品开发战略发展部主任Ben Dawson介绍了一些要点，有助于组建机器视觉测量系统以及一些其他的应用。

[align=center]图1：一些简单的工具－例如一把直尺、一台分光镜以及2 倍的长焦镜头－能够帮助提高设置机器视觉的速度，DMCInc 公司的Ken Brey说。

[/align]诊断功能Boatner说：除了测量，机器视觉还能为诊断提供一个有效数据采集工具，这些工具可以进行过程度量和分析数据走势。

视觉系统可以为监控操作提供实时的图像，也可以将数字图像按时间标记存档，便于后期检索。

基于机器视觉技术的产品外观质量检测研究随着现代工业的发展，生产效率和产品质量已经成为企业发展的核心竞争力。

尤其是在制造领域，由于产品外观是消费者购买过程中的第一印象，因此产品外观质量不仅关系到企业的商誉和品牌形象，更是直接影响企业的销售和市场份额。

传统的产品外观质量检测方式主要依靠人工检查，但是由于人工操作繁琐、效率低下且易受主观因素影响，因此亟需一种更加高效、准确、自动化的产品外观质量检测技术。

机器视觉技术作为一种先进的传感器技术，能够将人的视觉行为转化为数字信号，并通过图像分析和处理的方法实现对产品外观的自动化检测。

机器视觉技术的应用已经逐渐得到工业界的广泛关注，越来越多的企业开始使用机器视觉技术来实现自动化检测，以提高产品质量和生产效率。

一、机器视觉技术的应用现状机器视觉技术在工业生产中的应用可以说是非常广泛的，例如在汽车、电子、食品、医药等行业中，都有大量的机器视觉应用。

其中涉及到的检测项目也非常丰富，包括表面缺陷、尺寸偏差、几何形状、颜色等方面。

以汽车制造为例，机器视觉技术可以用于车辆外观缺陷检测，如检测车身表面的划痕、凹陷、涂层缺陷等。

同时，机器视觉技术也可以用于车辆零部件装配的检测，例如检测车门锁的装配位置、镀铬件的良率等。

目前，国内外已经有很多企业或研究机构着力于机器视觉技术的应用和研究。

例如日本豐田公司开发的一种智能车身测量系统，能够通过激光测量和机器视觉技术来快速、精准地测量车身的各项尺寸，并对测量结果进行分析和修正；德国克劳斯曼公司开发的机器视觉产品涂装检测技术，能够对涂装产品的质量进行实时监测和控制。

二、机器视觉技术在产品外观质量检测中的应用机器视觉技术在产品外观质量检测中，主要有以下几个方面的应用：1. 表面缺陷的检测传统的产品外观质量检测通常需要人工检查，这种检测方式耗时、耗力且容易出现漏检或误检的情况。

而采用机器视觉技术，可以以更高的速度和准确性来检测表面缺陷，如瓷砖、彩印、塑料制品等产品表面的划痕、气泡、褶皱、脱漆等缺陷。

机器视觉技术的尺寸测量
机器视觉检测系统的优势主要体现在，非接触检测测量、长时间稳定工作等，利用机器视觉解决方案，可以节省大量劳动力资源，为公司带来可观利益，因此其应用也越来越广泛。

机器视觉系统具有测量功能，能够自动测量产品的外观尺寸，比如外形轮廓、孔径、高度、面积等尺寸的测量。

尺寸测量无论是在产品的生产过程中，还是产品生产完成后的质量检验中都是必不可少的步骤，而机器视觉在尺寸测量方面有其独特的技术优势。

比如，这种非接触测量方法既可以避免对被测对象的损坏又适合被测对象不可接触的情况，如高温、高压、流体、环境危险等场合；同时机器视觉系统可以同时对多个尺寸一起测量，实现了测量工作的快速完成，适于在线测量；而对于微小尺寸的测量又是机器视觉系统的长处，它可以利用高倍镜头放大被测对象，使得测量精度达到微米以上。

机器视觉之尺寸测量是基于相对测量法，通过溯源、倍率标定、自动提边和屏幕图像测量来推算出实物大小。

在精密测量中，倍率要求35*以上以获得微米级精度，此时的视觉线宽度不到5mm，对于测量5mm以上的物件需要移位解析读数与视窗测量合成来完成。

对于微小尺寸的精密测量，利用机器视觉系统通过安装高倍工业镜头或显微镜头，从微小的生物细胞直径、数量，到细小的装配缝隙大小，再到较小的机械零件、电子产品的尺寸测量等各个领域都是机器视觉系统的用武之地。

虽然实现尺寸测量的方法很多，但大多数测量重复性、高效性和鲁棒性不高。

事实表明，基于机器视觉技术的尺寸测量具有良好的连续性和高精度，大大提高了工业在线测量的实时性和准确性，同时生产效率和产品质量控制也得到明显提升。

基于机器视觉的服装尺寸在线测量系统李鹏飞;郑明智;景军锋【摘要】在服装尺寸在线测量过程中,针对传统人工测量所带来的误差率高、成本高、效率低等问题,提出了一种基于机器视觉的服装尺寸在线测量系统.服装尺寸在线测量系统从硬件和软件2个方面进行设计.系统硬件部分主要功能是通过CCD相机实现服装图像的采集;系统的软件部分是整个系统的核心,通过角点检测算法对特征点进行提取和定位,针对Forstner算法需要对图像中的每一个像素点进行扫描,从而导致检测速度比较慢的问题,采用SIFT算法先对图像进行快速的筛选,去除一些无关的点,然后运用Forstner算法在初选点集中进行角点提取.通过对提取出的关键角点进行坐标定位分析和比例尺寸测量,得到所测服装的真实值,并且运用友好的人机界面显示出尺寸测量的结果.所设计的系统用于对512 ×512的256级灰度图像进行检测,尺寸测量的标准误差均小于0.25 mm,重复性精度接近5 mm.实验误差和尺寸测量精度能够达到服装尺寸测量的标准.【期刊名称】《毛纺科技》【年(卷),期】2017(045)003【总页数】6页(P42-47)【关键词】尺寸测量;图像处理;角点检测;SIFT算法;Forstner算法【作者】李鹏飞;郑明智;景军锋【作者单位】西安工程大学电子信息学院,陕西西安710048;西安工程大学电子信息学院,陕西西安710048;西安工程大学电子信息学院,陕西西安710048【正文语种】中文【中图分类】TP391.41如今，在服装生产过程中，服装的尺寸测量已经成为非常重要的工序。

然而，传统的人工测量服装的尺寸的方法，由于服装的制造量大，面临检测人员的疲劳度高、检测速度慢、检测误差率高以及检测的成本高等问题[1-2]。

因此，研究一种自动检测服装尺寸的测量方法是尤为重要的。

计算机机器视觉图像处理技术正在广泛的应用于各行各业，替代人工视觉，以降低疲劳、提高效率和连贯性，降低检测的成本。

基于机器视觉的测量系统开发与应用随着现代科技的不断发展，机器视觉作为其中的一个重要技术，已经得到广泛的应用。

利用机器视觉技术，可以对各种物体的形状、大小、颜色等参数进行精确测量和分析，从而实现很多现实生活中的应用。

基于机器视觉的测量系统开发可以说是机器视觉技术的重要应用之一，主要是指将机器视觉技术应用于测量领域，开发出一种可以对物体进行精确测量的系统。

在日常工作和生活中，很多领域都需要精确定量测量的数据，比如工业制造、医疗健康、体育竞技等。

而基于机器视觉的测量系统可以大大提高测量的效率和精度，为相关领域的发展提供了强有力的支持。

机器视觉技术是通过对物体的图像进行分析来实现测量的。

因此，对图像的识别和处理是机器视觉测量系统开发的重要部分。

首先，我们需要采集物体的图像，通常使用相机来完成。

一般来说，采集到的图像会包含很多干扰因素，比如光线、色彩、噪声等。

因此，在图像处理的时候，首先需要对图像进行预处理，把不必要的信息去掉，保留有用的信息，这样可以大大提高后续的处理效率。

在对图像进行处理后，我们需要对图像中的各个部分进行分析和识别，从而确定要测量的参数。

这里涉及到了机器视觉的核心技术——图像处理和模式识别。

通过对图像进行分割、特征提取、目标检测等处理，可以获得目标物体的形状、大小、位置等信息。

而这些信息就是我们需要测量的基本参数。

基于机器视觉的测量系统开发不仅需要掌握解析几何和图像处理等基础知识，还需要关注实际应用需求。

因为各个领域对测量系统的要求不尽相同，需要结合实际应用，定制相应的测量系统。

比如，在工业制造领域中，机器视觉测量系统需要具备高速、高精度、实时性等特点。

而在医疗健康领域中，机器视觉测量系统需要考虑到生物相容性、安全性等问题。

机器视觉测量系统的应用领域非常广泛。

下面列举几个典型的应用场景。

1. 工业制造。

机器视觉测量系统可以应用于工业自动化生产线上的质量检测、尺寸测量等工作中，提高生产效率和产品质量。

基于机器视觉的零件尺寸测量系统设计研究工业生产的质量管理中，测量非常重要，可以从技术上保证生产的标准和质量。

而加工产品中最重要的环节之一就是检测机械零件的尺寸，其检测结果对产品的质量以及零件的装配与加工都非常重要。

当前测量常规零件尺寸的主要手段是利用轮廓仪、激光测量仪或者游标卡尺等测量工具，不但成本非常昂贵，还存在操作复杂、精度低等缺陷，本文中，笔者就站在机器视觉的角度，设计研究了一套测量零件尺寸的自动化测量系统，以供参考。

标签：机器视觉；零件；尺寸；测量系统；设计工业生产中测量常规零件尺寸的传统方法主要是依靠轮廓仪、激光测量仪或者游标卡尺等测量工具，这些方法不但操作复杂、精确度较低，而且仪器成本相对较高。

近几年，随着机器视觉技术的不断发展，工业检测中对于该技术的应用愈加深入，通过设计基于机器视觉的零件尺寸测量系统，可以在保证精确度的基础上，尽量避免人为因素的影响。

1 系统整体概述在设计基于机器视觉的零件尺寸测量系统时，应当遵循实用性、经济性、可靠性和完整性的原则，该系统的组成部分主要包括图像的摄取、处理、特征提取、特征分析、图像常规尺寸测量以及结果输出等。

2 硬件的设计以机器视觉为基础的零件常规尺寸测量系统的硬件組成部分及各部件主要功能具体如下：一是照相装置。

该装置的功能主要是为采集零件图像提供适宜的光照条件和环境；二是摄像机。

该装置的功能主要是对零件的数字图像进行采集，并及时传至计算机，同时以相应图片的格式进行保存；三是计算机。

该装置主要是利用系统软件来预处理零件图像，同时完成特征和边界提取、计算常规尺寸以及相机标定等工作；四是透明工作台。

该装置主要用来为待测零件提供承载平台。

3 算法的设计在机器视觉测量系统中，图像处理算法发挥着决定性作用。

必须根据测量零件尺寸的要求以及零件产品的具体图像特点，来设计并应用一套科学合理的图像处理算法。

简单而言，第一步应当是预处理获取的零件图像，主要是对图像进行灰度化、去燥、分割以及边界提取等处理；第二步是对零件的具體几何特征加以提取；第三步是标定系统，一方面完成测量零件图像的常规尺寸，另一方面完成结果的显示。

基于机器视觉的外观尺寸测量及OCR识别检测系统的设计徐建辉;王永华;万频;杨健【摘要】针对工业自动化生产中产品的外观尺寸测量及字符识别问题,设计了一种基于机器视觉的自动检测和识别系统.该系统硬件部分由工业摄像机、PCI控制板卡和工控机构成;软件部分基于LabVIEW开发.该系统对采集的图像进行了图像灰度化预处理、图像二值化处理、图像定位、二值图特殊处理和尺寸测量与光学字符识别等步骤的处理.经过实际实验验证,系统可以实时、准确的实现对外观尺寸的自动测量和光学字符的自动识别.【期刊名称】《仪器仪表用户》【年(卷),期】2017(024)005【总页数】4页(P5-7,95)【关键词】LabVIEW;机器视觉;外观尺寸测量;光学字符识别【作者】徐建辉;王永华;万频;杨健【作者单位】广东工业大学自动化学院,广州 510006;广东工业大学自动化学院,广州 510006;广东工业大学自动化学院,广州 510006;广东工业大学自动化学院,广州 510006【正文语种】中文【中图分类】TE现代工业自动化生产中，很多场合需要对产品的外观尺寸进行测量以及文字识别应用，例如：电子装配线的元件自动定位、饮料瓶盖的印刷质量检查、产品包装上的条码和字符识别等，这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。

通常这种带有高度重复性和智能性的工作只能靠人工检测来完成，存在着成本高，效率低的特点[1]。

为了提高生产效率和生产的自动化程度，而且满足整个生产流程的信息集成的需要，文章提出了一种采用LabVIEW开发的基于机器视觉的外观尺寸测量及OCR识别检测系统。

1.1 系统架构该主要研究内容为基于机械视觉的外观尺寸及OCR识别检测系统，如图1所示为系统的基本组成，硬件上采用高级工业相机BASLER acA1300、环形光源、PCI 控制板卡和工控机，软件平台采用LabVIEW，主要是利用了IMAQ vision模块，利用样件外观的图片，经过视觉算法运算得出该图的特征信息，然后进行图片之间特征信息的匹配，从而实现尺寸测量以及光学字符识别的功能。

基于机器视觉的零件尺寸测量系统设计作者：王保军来源：《电子技术与软件工程》2017年第04期摘要设计了一套基于机器视觉的零件尺寸在线测量系统。

完成了硬件设备的选型和平台的搭建；采用Matlab语言实现了图像处理算法；采用Matlab GUI完成了测量系统软件的设计。

实验结果表明：测量系统的测量精度可以达到2um以下，满足零件尺寸在线检测要求，具有很好的应用前景。

【关键词】机器视觉 Matlab 图像处理尺寸测量在工业生产中，测量是进行质量管理的手段，是贯彻质量标准的技术保证。

机械零件的尺寸检测作为产品加工的一个关键环节，其检测结果不仅影响产品的质量，而且对后续零件的再加工和装配产生决定性的作用。

目前，常规的零件尺寸测量手段主要采用游标卡尺、激光测量仪和轮廓仪等完成检测环节。

以上零件尺寸测量方法要么受测量工具限制，其测量精度有限；要么检测仪器过于昂贵且操作复杂，同时其准确率往往受人为因素的影响。

鉴于当前机器视觉技术的快速发展以及其在工业检测方面的成功应用，论文构想利用摄像机替代人眼，让计算机替代人脑，从而研制出一套针对零件常规尺寸的自动化测量系统。

1 系统概述在充分遵循系统的完整性、可靠性、经济性和实时性等原则的基础上，本文设计出了一套基于机器视觉的零件常规尺寸测量系统。

该测量系统主要由图像摄取、图像处理、图像特征提取和分析、图像常规尺寸测量和结果输出几部分组成。

其工作原理图如图1所示。

2 硬件设计基于机器视觉的零件常规尺寸测量系统的硬件主要包括：照明装置、摄像机、计算机和透明工作台。

各部件的主要功能是：照明装置主要为零件图像采集提供合适的光照环境；摄像机用来采集零件数字图像并传送到计算机，然后保存为相应图片格式；计算机通过系统软件实现对零件图像的预处理、边界提取、特征提取、相机标定和常规尺寸计算；透明工作台用来承载被测零件。

3 算法设计图像处理算法对机器视觉测量系统会产生决定性的影响。

为了能满足零件尺寸测量的要求，针对零件产品图像的特点，我们设计了一套合理的图像处理算法流程。

基于机器视觉的零件尺寸测量系统设计作者：王保军来源：《电子技术与软件工程》2017年第04期摘要设计了一套基于机器视觉的零件尺寸在线测量系统。

完成了硬件设备的选型和平台的搭建；采用Matlab语言实现了图像处理算法；采用Matlab GUI完成了测量系统软件的设计。

实验结果表明：测量系统的测量精度可以达到2um以下，满足零件尺寸在线检测要求，具有很好的应用前景。

【关键词】机器视觉 Matlab 图像处理尺寸测量在工业生产中，测量是进行质量管理的手段，是贯彻质量标准的技术保证。

机械零件的尺寸检测作为产品加工的一个关键环节，其检测结果不仅影响产品的质量，而且对后续零件的再加工和装配产生决定性的作用。

目前，常规的零件尺寸测量手段主要采用游标卡尺、激光测量仪和轮廓仪等完成检测环节。

以上零件尺寸测量方法要么受测量工具限制，其测量精度有限；要么检测仪器过于昂贵且操作复杂，同时其准确率往往受人为因素的影响。

鉴于当前机器视觉技术的快速发展以及其在工业检测方面的成功应用，论文构想利用摄像机替代人眼，让计算机替代人脑，从而研制出一套针对零件常规尺寸的自动化测量系统。

1 系统概述在充分遵循系统的完整性、可靠性、经济性和实时性等原则的基础上，本文设计出了一套基于机器视觉的零件常规尺寸测量系统。

该测量系统主要由图像摄取、图像处理、图像特征提取和分析、图像常规尺寸测量和结果输出几部分组成。

其工作原理图如图1所示。

2 硬件设计基于机器视觉的零件常规尺寸测量系统的硬件主要包括：照明装置、摄像机、计算机和透明工作台。

各部件的主要功能是：照明装置主要为零件图像采集提供合适的光照环境；摄像机用来采集零件数字图像并传送到计算机，然后保存为相应图片格式；计算机通过系统软件实现对零件图像的预处理、边界提取、特征提取、相机标定和常规尺寸计算；透明工作台用来承载被测零件。

3 算法设计图像处理算法对机器视觉测量系统会产生决定性的影响。

为了能满足零件尺寸测量的要求，针对零件产品图像的特点，我们设计了一套合理的图像处理算法流程。

机器人视觉检测系统的设计与应用一、引言机器人视觉检测技术已经广泛应用于工业自动化、智能家居、医疗、安保等领域。

机器人视觉检测系统主要是通过模拟人眼的功能，采用图像传感器对物体进行采集、识别、判别和定位，从而实现机器人控制。

本文将介绍机器人视觉检测系统的设计与应用。

首先，我们将分析机器人视觉检测系统的基本原理和特点。

然后，我们将介绍机器人视觉检测系统的组成部分和关键技术。

最后，我们将详细讨论机器人视觉检测系统在不同领域的应用。

二、机器人视觉检测系统的基本原理和特点机器人视觉检测系统是一种智能化、自动化的检测系统，它采用先进的计算机视觉技术，利用图像处理算法和模式识别技术，完成对具有特定特征的目标进行检测、识别和定位，然后传输给机器人控制系统。

机器人控制系统再通过控制机器人执行动作或操作，完成相应的任务。

机器人视觉检测系统的特点如下：1.高度智能化：机器人视觉检测系统能够对图像进行智能分析，自主完成目标检测、识别与定位等任务，使得机器人具备了人类视觉系统的功能。

2.高度自动化：机器人视觉检测系统能够自动化完成目标检测、识别和定位等任务，减少了人工干预的可能性，提高了生产效率。

3.高度精度：机器人视觉检测系统采用高精度的图像传感器和先进的算法，对目标进行高精度检测、识别和定位，保证了系统的精度和可靠性。

4.高度灵活性：机器人视觉检测系统能够根据任务需求进行自主学习，以适应不同的环境和工作场景，提高了系统的灵活性和适应性。

三、机器人视觉检测系统的组成部分和关键技术机器人视觉检测系统主要由以下几个组成部分和关键技术组成。

1.图像采集模块图像采集模块是机器人视觉检测系统的第一步，它采用高分辨率的图像传感器对目标进行采集。

合理的光照和相机位置可有效提高采集精度。

2.图像处理模块图像处理模块是机器人视觉检测系统的关键组成部分，它采用一系列的图像处理算法对采集到的图像进行处理，以实现目标检测、识别和定位等任务。

常用的图像处理算法有滤波算法、边缘检测算法、图像分割算法、形态学处理算法等。