一、机器视觉与图像采集的研究的意义
“作为一项关键性的自动化技术，机器视觉在发展中国家中对经济的现代化非常重要。为了在世界市场中进行竞争，发展中经济不能无限期的依赖于廉价劳动力。“ AIA市场分析员Kellett说。同样地，现代化必须实现高效率、高生产率以及高质量。这也是机器视觉的作用所在，”对机器视觉长期需求这样的趋势是发展中国家实现经济现代化的基础。因此，机器视觉对于世界经济的发展将越来越重要。”
二、机器视觉与图像采集的研究的现状
国外机器视觉发展的起点难以准确考证，其大致的发展历程是：在机器视觉发展的历程中，有3个明显的标志点，一是机器视觉最先的应用来自“机器人”的研制，也就是说，机器视觉首先是在机器人的研究中发展起来的；二是20世纪70年代CCD图像传感器的出现，CCD摄像机替代硅靶摄像是机器视觉发展历程中的一个重要转折点；三是20世纪80年代CPU、DSP等图像处理硬件技术的飞速进步，为机器视觉飞速发展提供了基础条件。
国内机器视觉发展的大致历程：中国正在成为世界机器视觉发展最活跃的地区之一，其中最主要的原因是中国已经成为全球的加工中心，许许多多先进生产线己经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际先进水平的机器视觉系统也进入中国。对这些机器视觉系统的维护和提升而产生的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器视觉企业的学习与竞争中不断成长。
三、机器视觉与图像采集技术在各个领域的应用
视觉技术的最大优点是与被观测对象无接触,因此,对观测与被观测者都不会产生任何损伤,十分安全可靠,这是其它感觉方式无法比拟的. 理论上,人眼观察不到的范围机器视觉也可以观察,例如红外线、微波、超声波等,而机器视觉则可以利用这方面的传感器件形成红外线、微波、超声波等图像. 另外,人无法长时间地观察对象,机器视觉则无时间限制,而且具有很高的分辨精度和速度. 所以,机器视觉应用领域十分广泛,可分为工业、科学研究、军事和民用4 大领域.
3. 1 工业领域
工业领域是机器视觉应用中比重最大的领域,按照功能又可以分成4 类:产品质量检测、产品分类、产品包装、机器人定位. 其应用行业包括印刷包装、汽车工业、半导体材料/ 元器件/ 连接器生产、药品/ 食品生产、烟草行业、纺织行业等.下面以纺织行业为例具体阐述机器视觉在工业领域的应用[9 ] .在纺织企业中,视觉检测是工业应用中质量控制的主要组成部分,用机器视觉代替人的视觉可以克服人工检测所造成的各种误差,大大提高检测精度和效率. 正是由于视觉系统的高效率和非接触性,机器视觉在纺织检测中的应用越来越广泛[10 - 12 ] ,在许多方面已取得了成效.机器视觉可用于检测与纺织材料表面有关的性能指标见表4. 目前主要的研究内容可分为3 大类: 纤维、纱线、织物. 由于织物疵点检测(在线检测) 需要很高的计算速度,因此,设备费用比较昂贵. 目前国内在线检测的应用比较少,主要应用是离线检主要的检测有纺织布料识别与质量评定、织物表面绒毛鉴定、织物的反射特性、合成纱线横截面分析、纱线结构分析等. 此外还可用于织物组织设计、花型纹板、棉粒检测、分析纱线表面摩擦。
3. 2 民用领域
机器视觉技术可用在智能交通、安全防范、文字识别、身份验证、医疗设备等方面. 在医学领域,机器视觉用于辅助医生进行医学影像的分析,主要利用数字图像处理技术、信息融合技术对x 射线透视图、核磁共振图像、CT 图像进行适当叠加,然后进行综合分析,以及对其它医学影像数据进行统计和分析。
3. 3 科学研究领域
在科学研究领域可以利用机器视觉进行材料分析、生物分析、化学分析和生命科学,如
血液细胞自动分类计数、染色体分析、癌症细胞识别等。
3. 4 军事领域
视觉技术可用在航天、航空、兵器(敌我目标识别、跟踪) 及测绘. 在卫星遥感系统中,机器视觉技术被用于分析各种遥感图像,进行环境监测,根据地行、地貌的图像和图形特征,对地面目标进行自动识别、理解和分类等。
四、机器视觉关键技术的发展现状
机器视觉是一项综合技术,包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术(图像增强和分析算法、图像卡、I/ O 卡等) . 这些技术在机器视觉中是并列关系,相互协调应用才能构成一个完整的工业机器视觉应用系统. 机器视觉强调能够适应工业现场恶劣的环境、有合理的性价比、较强的通用性和可移植性,即实用性;它更强调高速度和高精度,即实时性.机器视觉应用系统中,用到很多技术,但关键技术主要体现在光源照明、光学镜头、摄像机(CCD) 、图像采集卡、图像信号处理以及执行机构等. 下面对这些关键技术的发展现状进行阐述.
4. 1 光源照明
好的光源和照明是目前机器视觉应用系统成败的关键,应当具有以下特征: ①尽可能突出目标的特征,在物体需要检测的部分与非检测部分之间尽可能产生明显的区别,增加对比度; ②保证足够的亮度和稳定性; ③物体位置的变化不应影响成像的质量.光源按其照射方法可分为背向照明、前向照明、结构光照明和频闪光照明等. 背向照明是被测物放在光源和摄像机之间,其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,根据它们所产生的畸变,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,这样能有效地拍摄高速运动物体的图像[5 ] . 照明亮度、均匀度、发光的光谱特性要符合实际的要求,同时还要考虑光源的发光效率和使用寿命.
其中,L ED 光源具有显色性好、光谱范围宽(可覆盖整个可见光范围) 、发光强度高、稳定时间长等优点,而且随着制造技术的成熟,其价格越来越低,必将在现代机器视觉领域得到越来越广泛的应用.
4. 2 光学镜头
光学镜头一般称为摄像镜头或摄影镜头,简称镜头,其功能就是光学成像. 镜头是系统中的重要组件,对成像质量有着关键性的作用,在组建机器视觉系统时,硬件设备要根据实际需要选择合适口径和焦距的镜头。
4. 3 CCD 摄像机及图像采集卡
CCD(Charge coupled device) 摄像机及图像采集卡共同完成对目标图像的采集与数字化.目前,CCD、CMOS 等固体器件已经是成熟的应用技术. 线阵图像敏感器件,像元尺寸不断减小,阵列像元数量不断增加,像元电荷传输速率得到极大提高.所示为一种高性能线阵CCD 器件的参数从中可以看到,线阵器件像元数和数据的传输率大大提高,而且器件设计集成了新的功能,具有可编程能力,如增益调整、曝光时间选择、速率调节以及维护等.
在线阵器件性能提高的同时,高速面阵图像器件性能也在快速提高. 某种超高速面阵CCD 器件,允许的最大分辨率达1 280 ×1 024 像素,最大帧率1MHz ,可采集4 帧图像,且像素灵敏度达12 bit s[8 ] .在基于PC 机的机器视觉系统中,图像采集卡是控制摄像机拍照完成图像采集与数字化,协调整个系统的重要设备. 一般具有以下功能模块: ①图像信号的接收A/ D 转换模块,负责图像放大与数字化; ②摄像机控制输入输出接口,主要负责协调摄像机进行同步或实现异步重置拍照、定时拍照; ③总线接口,负责通过计算机内部总线高速输出数字数据,一般是PCI 接口,传输速率可达130Mbp s ,完全能胜任高精度图像的实时传输,且占用较少CPU 时间; ④显示模块,负责高质量的图像实时显示; ⑤通讯接口,负责通讯.目
前,图像采集卡种类很多,按照不同的分类方法,有黑白图像和彩色图像采集卡,有模拟信号和数字信号采集卡,有复合信号和RGB 分量信号输入采集卡. 在选择图像采集卡时,主要应考虑到系统的功能需求、图像的采集精度和与摄像机输出信号的匹配等因素.
4. 4 图像信号处理
图像信号的处理是机器视觉系统的核心. 视觉信息的处理技术主要依赖于图像处理方法,它包括图像变换、数据编码压缩、图像增强复原、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容. 随着计算机技术、微电子技术以及大规模集成电路的发展,为了提高系统的实时性,图像处理的很多工作都可以借助硬件完成,如DSP 芯片、专用图像信号处理卡等,软件主要完成算法中非常复杂、不太成熟或尚需不断探索和改进的部分.处理时间上,要求处理速度必须大于等于采集速度,才能保证目标图像无遗漏,完成实时处理.
参考文献:
[1 ] 章炜. 机器视觉技术发展及其工业应用[J ] . 红外,2005 ,27 (2) :11 - 17.
[2 ] Forsyth D A ,J ean Ponce . Computer Vision[M] . Inc : Prentice Hall ,2003.
[3 ] 唐向阳, 张勇, 李江有,等. 机器视觉关键技术的现状及应用展望[J ] . 昆明理工大学大学学报( 理工版) , 2004 , 29 (2) : 36
[4 ] 段峰, 王耀南, 雷晓峰,等. 机器视觉技术及其应用综述[J ] . 自动化博览, 2002 (3) : 59 - 62.
[5 ] 刘焕军,王耀南. 机器视觉中的图像采集技术[J ] . 电脑与信息技术,2003 (1) :18 - 21.
[6 ] 贾云得. 机器视觉[M] . 北京:科学出版社,2000 :1 - 15.
[7 ] 颜发根,丁少华,陈乐,等. 基于PC 的机器视觉系统[J ] . 可编程控制器与工厂自动化,2004
(7) :129 - 131.
[8] Salembier P ,Serra J . Flat Zones Filtering ,Connected Operator ,and Filters by Reconst ruction [J ] . IEEE Transactions on Image
Processing ,1995 ,4 (8) :1153 - 1160.
[9] 卢官明. 区域生长型分水岭算法及其在图像序列分割中的应用[J ] . 南京邮电学院学报(自然科学版) ,2000 ,20 (3) :51 - 54.
[10 ] 夏德深,傅德胜. 现代图像处理技术与应用[M] . 南京:东南大学出版社,2001 :80 - 100.
机器视觉技术发展现状 人类认识外界信息的80%来自于视觉，而机器视觉就是用机器代替人眼来做 测量和判断，机器视觉的最终目标就是使计算机像人一样，通过视觉观察和理解 世界，具有自主适应环境的能力。作为一个新兴学科，同时也是一个交叉学科，取“信息”的人工智能系统，其特点是可提高生产的柔性和自动化程度。目前机器视觉技术已经在很多工业制造领域得到了应用，并逐渐进入我们的日常生活。 机器视觉是通过对相关的理论和技术进行研究，从而建立由图像或多维数据中获机器视觉简介 机器视觉就是用机器代替人眼来做测量和判断。机器视觉主要利用计算机来模拟人的视觉功能，再现于人类视觉有关的某些智能行为，从客观事物的图像中提取信息进行处理，并加以理解，最终用于实际检测和控制。机器视觉是一项综合技术，其包括数字处理、机械工程技术、控制、光源照明技术、光学成像、传感器技术、模拟与数字视频技术、计算机软硬件技术和人机接口技术等，这些技术相互协调才能构成一个完整的工业机器视觉系统[1]。 机器视觉强调实用性，要能适应工业现场恶劣的环境，并要有合理的性价比、通用的通讯接口、较高的容错能力和安全性、较强的通用性和可移植性。其更强调的是实时性，要求高速度和高精度，且具有非接触性、实时性、自动化和智能 高等优点，有着广泛的应用前景[1]。 一个典型的工业机器人视觉应用系统包括光源、光学成像系统、图像捕捉系统、图像采集与数字化模块、智能图像处理与决策模块以及控制执行模块。通过 CCD或CMOS摄像机将被测目标转换为图像信号，然后通过A/D转换成数字信号传送给专用的图像处理系统，并根据像素分布、亮度和颜色等信息，将其转换成数字化信息。图像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、位置和长度等，进而根据判别的结果来控制现场的设备动作[1]。 机器视觉一般都包括下面四个过程：
机器视觉的辅助驾驶系统的视频中行人 实时检测识别研究文献综述 1机器视觉发展 国外机器视觉发展的起点难以准确考证，其大致的发展历程是：20世纪50年代提出机器视觉概念，20世纪70年代真正开始发展，20世纪80年代进入发展正轨，20世纪90年代发展趋于成熟，20世纪90年代后高速发展。在机器视觉发展的历程中，有3个明显的标志点，一是机器视觉最先的应用来自“机器人”的研制，也就是说，机器视觉首先是在机器人的研究中发展起来的；二是20世纪70年代CCD图像传感器的出现，CCD摄像机替代硅靶摄像是机器视觉发展历程中的一个重要转折点；三是20世纪80年代CPU、DSP等图像处理硬件技术的飞速进步，为机器视觉飞速发展提供了基础条件。 国内机器视觉发展的大致历程：真正开始起步是20世纪80年代，20世纪90年代进入发展期，加速发展则是近几年的事情。中国正在成为世界机器视觉发展最活跃的地区之一，其中最主要的原因是中国已经成为全球的加工中心，许许多多先进生产线己经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际先进水平的机器视觉系统也进入中国。对这些机器视觉系统的维护和提升而产生的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器视觉企业的学习与竞争中不断成长。 未来机器视觉的发展将呈现下列趋势: （1）技术方面的趋势是数字化、实时化、智能化 图像采集与传输的数字化是机器视觉在技术方面发展的必然趋势。更多的数字摄像机，更宽的图像数据传输带宽，更高的图像处理速度，以及更先进的图像处理算法将会推出，将会得到更广泛的应用。这样的技术发展趋势将使机器视觉系统向着实时性更好和智能程度更高的方向不断发展。 （2）产品方面：智能摄像机将会占据市场主要地位 智能摄像机具有体积小、价格低、使用安装方便、用户二次开发周期短的优点，非常适合生产线安装使用，越来越受到用户的青睐，智能摄像机所采用的许多部件与技术都来自IT行业，其价格会不断降低，逐渐会为最终用户所接受。因此，
基于机器视觉的工件识别和定位文献综述 1.前言 1.1工业机器人的现状与发展趋势 机器人作为一种最典型的应用范围广、技术附加值高的数字控制装备，在现代先进生产制造业中发挥的作用越来越重要，机器人技术的发展将会对未来生产和社会发展起到强有力的推动作用。《2l 世纪日本创建机器人社会技术发展战略报告》指出，“机器人技术与信息技术一样，在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑2l 世纪日本产业竞争力的产业战略之一，具有非常重要的意义。” 研发工业机器人的初衷是为了使工人能够从单调重复作业、危险恶劣环境作业中解脱出来，但近些年来，工厂和企业引进工业机器人的主要目的则更多地是为了提高生产效率和保证产品质量。因为机器人的使用寿命很长，大都在10 年以上，并且可以全天后不间断的保持连续、高效地工作状态，因此被广泛应用于各行各业，主要进行焊接、装配、搬运、加工、喷涂、码垛等复杂作业。伴随着工业机器人研究技术的成熟和现代制造业对自动生产的需要，工业机器人越来越被广泛的应用到现代化的生产中。 现在机器人的价格相比过去已经下降很多，并且以后还会继续下降，但目前全世界范围的劳动力成本都有所上涨，个别国家和地区劳动力成本又很高，这就给工业机器人的需求提供了广阔的市场空间，工业机器人销量的保持着较快速度的增长。工业机器人在生产中主要有机器人工作单元和机器人工作生产线这两种应用方式，并且在国外，机器人工作生产线已经成为工业机器人主要的应用方式。以机器人为核心的自动化生产线适应了现代制造业多品种、少批量的柔性生产发展方向，具有广阔的市场发展前景和强劲生命力，已开发出多种面向汽车、电气机械等行业的自动化成套装备和生产线产品。在发达国家，机器人自动化生产线已经应用到了各行各业，并且已经形成一个庞大的产业链。像日本的FANUC、MOTOMAN，瑞典的ABB、德国的KUKA、意大利的COMAU 等都是国际上知名的被广泛用于自动化生产线的工业机器人。这些产品代表着当今世界工业机器人的最高水平。 我国的工业机器人前期发展比较缓慢。当将被研发列入国家有关计划后，发展速度就明显加快。特别是在每次国家的五年规划和“863”计划的重点支持下，我国机器人技术的研究取得了重大发展。在机器人基础技术和关键技术方面都取得了巨大进展，科技成果已经在实际工作中得到转化。以沈阳新松机器人为代表的国内机器人自主品牌已迅速崛起并逐步缩小与国际品牌的技术差距。 机器人涉及到多学科的交叉融合，涉及到机械、电子、计算机、通讯、控制等多个方面。在现代制造业中，伴随着工业机器人应用范围的扩大和机器人技术的发展，机器人的自动化、智能化和网络化的程度也越来越高，所能实现的功能也越来越多，性能越来越好。机器人技术的内涵已变为“灵活应用机器人技术的、具有实在动作功能的智能化系统。”目前，工业机器人技术正在向智能机器和智能系统的方向发展，其发展趋势主要为：结构的模块化和可重构化；控制技术的开放化、PC 化和网络化；伺服驱动技术的数字化和分散化；多传感器融合技术的实用化；工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。 1.2机器视觉在工业机器人中的应用 工业机器人是FMS（柔性加工）加工单元的主要组成部分，它的灵活性和柔性使其成为自动化物流系统中必不可少的设备，主要用于物料、工件的装卸、分捡和贮运。目前在全世界有数以百万的各种类型的工业机器人应用在机械制造、零件加工和装配及运输等领域，
文献综述 河北科技师范学院 文献综述 题目：基于计算机视觉测量技术 姓名：张力坤 一．国内外现状 机器视觉自起步发展到现在，已有将近20年的发展历史。应该说机器视觉作为一种应用系统，其功能特点是随着工业自动化的发展而逐渐完善和发展的。 目前全球整个视觉市场总量大概在70~80亿美元，是按照每年8.8%的增长速度增长的。而在中国，这个数字目前看来似乎有些庞大，但是随着加工制造业的发展，中国对于机器视觉的需求将承上升趋势。 何谓机器视觉？ 简言之，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD 两种）将被摄取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的设备动作。 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。在中国，这种应用也在逐渐被认知，且带来最直接的反应就是国内对于机器视觉的需求将越来越多。 机器视觉在国内外的应用现状在国外，机器视觉的应用普及
基于机器视觉的产品识别检测技术研究 摘要：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特征，如面积、数量、位置，再根据预设的允许度和其他条件输出结果，包括尺寸、个数、合格/不合格、标识有无等，实现自动识别功能。机器视觉的研究是从20世纪60年代中期开始70年代已形成几个重要研究分支：目标制导的图像处理、图像处理和分析的并行运算、序列图像分析和运动参量求值、视觉知识的表示、视觉系统的知识库等。 关键词：机器视觉；CCD相机；图像处理；产品检测。
引言 机器视觉就是用机器代替人眼来做测量和判断，它是一项综合技术，其中包括数字图像处理技术、控制技术、电光源照明技术、光学成像技术、传感技术、模拟与数字视频技术等，机器视觉更强调实用性，要求能够适应工业生产中恶略的环境，要有通用的工业接口。电视摄像技术的成熟与计算机技术的发展使得机器视觉研究成为可能，它作为早期人工智能的一部分，由于技术条件的限制进展缓慢。后来在随着计算机技术的快速发展，机器视觉的研究得到了迅速发展在国外，机器视觉的应用普及主要体现在半导体及电子行业，机器视觉系统在产品检测方面已经得到了广泛的应用。在中国机器视觉技术应用开始与90年代，目前国内机器视觉大多为外国品牌，不过随着机器视觉的应用，国内公司技术上已经逐渐成熟。与此同时，随着配套基础设施建设的完善，技术、资金的积累，各行各业对机器视觉技术的工业自动化、智能化需求开始广泛出现。国内高校校、研究所和企业在这个领域进行了积极探索和大胆尝试，这都将促进工业检测自动化技术向智能化发展。
文献综述 随着社会经济的发展，企业所面临的外部经营环境发生了明显的变化。战略管理和项目管理作为应对变化的有效手段被越来越多的企业所采用，同时，随着企业规模的扩大，项目的数量和规模急剧扩增，企业中的项目越来越多，企业在面临众多项目而资源有限的情况下，如何组织好、协调好多个项目，同时又要使其与企业战略目标一致成为亟待解决的问题。项目组合管理架起了战略管理与项目管理的桥梁，它是帮助实现项目与企业战略相结合的有效理论和工具。 1 项目组合管理理论 项目组合管理要对每一个项目进行商业价值和利益的评判，集合成项目组合的战略价值，去实现一定的组织目标和利益,项目组合不再是简单的进行多个项目的管理[1]。 项目组合管理是将一系列项目纳入到同一个组合当中,这个组合有独立的项目组合评审报告记录了各个项目的目标、成本、时限、专业技术水平、资源、风险和其他的关键因素。然后项目执行主管便能从整体上把握该组合，恰当地配置资源和调整项目，以使部门的利益回报最大化[2]。 项目组合管理是将单个项目、活动和所需资源与公司战略相联系的过程，从而确保投入的有限资源具有最高的价值和最低的风险。此外，这个过程允许贯穿整个组织的战略沟通，进而更好的选择和执行那些支持公司战略的项目和活动，同时剔除那些劣质项目[3]。 项目组合管理是对项目集进行选择、评价、策划、实施、管理的有效过程[4]。 PMI对组合管理的定义为[5]: 项目组合管理不是简单地管理多个项目,每个项目组合都需要根据自身的商业价值和公司战略来评价,并且要实现一定的商业目标或商业利益。 PMBOK2004这样定义项目组合 组织依据其具体的目标来管理项目组合。项目组合管理的目标之一
机器视觉 市场调研报告 营业部:李凯丽 2015年9月2日
机器视觉技术是一项新兴产业，自起步发展至今，机器视觉在中国经历了三个发展阶段，其功能以及应用范围随着工业自动化的发展也在逐渐完善和推广。而在世界范围内，机器视觉已经为人类解决了许多重大问题，由于机器视觉自身领域的特点，目前应用于工业、农业、交通运输业、新兴行业等多领域，创造了人工无法比拟的经济和社会价值。本文从机器视觉的发展、机器视觉的应用领域、竞争状态、市场规模和预测等多方面，调研了机器视觉行业的发展状态，为公司投资机器视觉领域提供了参考依据。 关键词：机器视觉、市场规模、竞争、前景
第一章机器视觉发展背景 (3) 1.1 机器视觉综述 (3) 1.1.1 机器视觉定义及组成 (3) 1.1.2 行业发展阶段 (5) 1.1.3 机器视觉特点及应用优点 (6) 1.2 机器视觉行业发展特性 (7) 1.3 产业链分析 (8) 1.4 行业发展环境分析 (9) 1.4.1 行业政策环境 (9) 1.4.2 行业技术环境分析 (10) 第二章国际机器视觉行业发展趋势和现状 (11) 2.1 市场发展规模 (11) 2.1.1 产业发展历程 (11) 2.1.2 应用现状分析 (12) 2.1.3 产业市场规模和格局 (13) 2.2 行业分布状况和发展趋势 (14) 2.2.1 产业地区分布情况 (14) 2.2.2 发展趋势预测 (16) 第三章中国机器视觉行业的发展现状和趋势 (18) 3.1 发展现状及市场规模 (18) 3.1.1 产业发展历程 (18) 3.1.2 市场规模 (19) 3.2 行业竞争现状 (21) 3.2.1 行业竞争主体 (21) 3.2.2 企业分布状况 (26) 3.3 发展趋势 (27) 第四章机器视觉的应用 (29) 4.1 应用领域分布 (29) 4.2 机器视觉在各行业的应用情况 (30) 4.2.1 在工业领域中的应用 (30) 4.2.2 在农业领域中的应用 (34) 4.2.3 在医药行业中的应用 (36) 4.2.4 在交通领域中的应用 (37) 第五章机器视觉行业发展前景与投资建议 (39) 5.1 发展前景及进入壁垒 (39) 5.2 投资机会和风险 (41)
绪论 机器视觉是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等多个领域的交叉学科。它不仅是人眼的延伸，更重要的是具有人脑的一部分功能。近年来，随着计算机技术尤其是多媒体技术和数字图像处理及分析理论的成熟，以及大规模集成电路的迅速发展，机器视觉技术得到了广泛的应用研究，取得了巨大的经济与社会效益。 一、机器视觉的研究背景 “作为一项关键性的自动化技术，机器视觉在发展中国家中对经济的现代化非常重要。为了在世界市场中进行竞争，发展中经济不能无限期的依赖于廉价劳动力。“ AIA市场分析员Kellett说。同样地，现代化必须实现高效率、高生产率以及高质量。这也是机器视觉的作用所在，”对机器视觉长期需求这样的趋势是发展中国家实现经济现代化的基础。因此，机器视觉对于世界经济的发展将越来越重要。” 传统地来讲，外观检查和质量控制是通过人类专家来完成的。虽然人类在很多情况下可以把这项工作做的比机器更好，但是他们的速度比机器慢，并且很快就会感觉疲倦。此外在一个行业里很难找到或者留住人类专家，他们需要接受培训，而且他们的技能需要花时间去培养。还有些情况就是检测工作往往很乏味或者很困难，甚至对那些训练有素的专家来说也是一样。某些应用中，精确的信息必须被很迅速或者重复地提取和使用（例如目标跟踪和机器人引导）。在一些环境下（例如水下检测，原子能工业，化学工业等）检测可能很困难或者很危险。在这种高要求的情况下，计算机视觉可以很有效的取代人工检测。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人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。 半导体行业是最先利用机器视觉技术进行检测的行业，其他行业也随之而来。作为生产机械的OEM的设计工程师，最基本的问题就是：“我是要检测这个部件还是整个这个产品”。检测可以得到高质量的产品，但是也会有这样的事实存在：检测成本或者产品质量要求并不需要这样的检测。比如说牙签，假设每一个装有500个牙签的盒子里有一两个不合恪，大多数人都不会怎么担心。但是对于很多产品，假如前面的盒了里装的不是牙签，而是针头，试想不合格品可能会带来什么样的后果，所以产品功能性的检测都是不可缺少的，即使只是外观检测，要证明内在的品质也必须要做到无缺陷。因此，为了达到这个目的，许多OEM将机器视觉世用到他们将要卖给用户的系统中。机器视觉能够为整个系统增值，表现在三个方面：提高生产效率，提高制造过程的精确性，减少成本。 那么，对丁一个设计工程师来说，怎么样才能知道机器视觉是否适合他的系统呢?尽管最早的最基本的机器视觉系统在20世纪70年代引入，工业就将其视为主流应用。这就导致设计工程师要考虑它是否合适他们的应用，同时要考虑利用机器视觉检测的成本与其所能带来的利润。 高复杂度产品行业，比如说半导体行业和电子行业，由于它们的复杂性和小型化，从传统上推动着机器视觉市场的发展。但是如今，所有产业，包括自动化、
毕业设计开题报告 电气工程及其自动化 机器视觉在焊接熔池实时检测与参数测定中应用 1前言部分 机械制造业作为我国国民经济的支柱产业，决定了我国的工业生产能力和水平，焊接作为制造业中总要的加工方法之一，更是有着举足轻重的作用。随着科技水平的进步，人们对焊接质量的要求也越来越高。而人工焊接时，由于受到技术水平、疲劳程度、责任心、生理极限等客观和主观因素的应影响，难以较长时间保持焊接工作的稳定性和一致性。而且，由于焊接恶劣的工作条件，愿意从事手工焊接的人在减少，熟练的技术工人更有短缺的趋势。另一方面，电子技术、计算机技术、数控及机器人技术的发展为焊接过程的自动化提供了有利的条件，并已渗透到焊接的各个领域。 以往焊接质量主要是通过两种手段来保障。焊前根据工件、材料、性能要求等制订合理的焊接工艺，但是焊接过程存在的时变性使得质量无法得到严格保证。焊后可以进行质量检验，对不合格的焊缝，返修或者清理之后再重新焊接来保证焊缝质量，但这种检验方法费时又费力，况且某些焊接产品，如船舶、桥梁、大型压力容器、航天器材等一些重要的焊接件，是不允许出现焊接质量问题的。因此焊接过程中的在线实时质量控制就显得尤为重要。 但是焊接这一技术领域长期以来采用的是传统焊接方法，尽管近些年来各类气保护焊也得到了广泛应用，但焊接变形、咬边、气孔、裂纹、应力集中、未焊合和夹渣等在缺陷问题仍然较严重。同样，采用传统焊接方法进行生产，焊接接头的外观成形质量和一致性也无法得到保证，而且手工焊接也如先前所提的原因无法普遍适用。很显然这些都成了制约焊接质量提高的根源，因此采用自动化、智能化焊接时焊接技术革新的根本出路。 随着焊接自动化智能化研究的深入，人们越来越注重对焊接质量的控制，其中熔透与成形直接反映了焊接质量，因此检测出反映焊缝熔透和成形质量信息对于质量控制是非常关键的。目前国内外普遍使用各类传感装置对焊接熔池信息进
文献综述 1 引言 在计算机视觉和模式识别领域，人脸识别技术（Face Recognition Technology，简称FRT）是极具挑战性的课题之一。近年来，随着相关技术的飞速发展和实际需求的日益增长，它已逐渐引起越来越多研究人员的关注。人脸识别在许多领域有实际的和潜在的应用，在诸如证件检验、银行系统、军队安全、安全检查等方面都有相当广阔的应用前景。人脸识别技术用于司法领域，作为辅助手段，进行身份验证，罪犯识别等;用于商业领域，如银行信用卡的身份识别、安全识别系统等等。正是由于人脸识别有着广阔的应用前景，它才越来越成为当前模式识别和人工智能领域的一个研究热点。 虽然人类能够毫不费力的识别出人脸及其表情，但是人脸的机器自动识别仍然是一个高难度的课题。它牵涉到模式识别、图像处理及生理、心理等方面的诸多知识。与指纹、视网膜、虹膜、基因、声音等其他人体生物特征识别系统相比，人脸识别系统更加友好、直接，使用者也没有心理障碍。并且通过人脸的表情/姿态分析，还能获得其他识别系统难以获得的一些信息。 自动人脸识别可以表述为：对给定场景的静态或视频序列图像，利用人脸数据库验证、比对或指认校验场景中存在的人像，同时可以利用其他的间接信息，比如人种、年龄、性别、面部表情、语音等，以减小搜索范围提高识别效率。自上世纪90年代以来，人脸识别研究得到了长足发展，国内外许多知名的理工大学及TT公司都成立了专门的人脸识别研究组，相关的研究综述见文献[1-3]。 本文对近年来自动人脸识别研究进行了综述，分别从人脸识别涉及的理论，人脸检测与定位相关算法及人脸识别核心算法等方面进行了分类整理，并对具有典型意义的方法进行了较为详尽的分析对比。此外，本文还分析介绍了当前人脸识别的优势与困难。 2 人脸识别相关理论 图像是人们出生以来体验最丰富最重要的部分，图像可以以各种各样的形式出现，我们只有意识到不同种类图像的区别，才能更好的理解图像。要建立一套完整的人脸识别系统(Face Recognetion System，简称FRS)，必然要综合运用以下几大学科领域的知识： 2.1 数字图像处理技术 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机
一、机器视觉与图像采集的研究的意义 “作为一项关键性的自动化技术，机器视觉在发展中国家中对经济的现代化非常重要。为了在世界市场中进行竞争，发展中经济不能无限期的依赖于廉价劳动力。“AIA市场分析员Kellett说。同样地，现代化必须实现高效率、高生产率以及高质量。这也是机器视觉的作用所在，”对机器视觉长期需求这样的趋势是发展中国家实现经济现代化的基础。因此，机器视觉对于世界经济的发展将越来越重要。” 二、机器视觉与图像采集的研究的现状 国外机器视觉发展的起点难以准确考证，其大致的发展历程是：在机器视觉发展的历程中，有3个明显的标志点，一是机器视觉最先的应用来自“机器人”的研制，也就是说，机器视觉首先是在机器人的研究中发展起来的；二是20世纪70年代CCD图像传感器的出现，CCD摄像机替代硅靶摄像是机器视觉发展历程中的一个重要转折点；三是20世纪80年代CPU、DSP等图像处理硬件技术的飞速进步，为机器视觉飞速发展提供了基础条件。 国内机器视觉发展的大致历程：中国正在成为世界机器视觉发展最活跃的地区之一，其中最主要的原因是中国已经成为全球的加工中心，许许多多先进生产线己经或正在迁移至中国，伴随这些先进生产线的迁移，许多具有国际先进水平的机器视觉系统也进入中国。对这些机器视觉系统的维护和提升而产生的市场需求也将国际机器视觉企业吸引而至，国内的机器视觉企业在与国际机器视觉企业的学习与竞争中不断成长。 三、机器视觉与图像采集技术在各个领域的应用 视觉技术的最大优点是与被观测对象无接触,因此,对观测与被观测者都不会产生任何损伤,十分安全可靠,这是其它感觉方式无法比拟的. 理论上,人眼观察不到的范围机器视觉也可以观察,例如红外线、微波、超声波等,而机器视觉则可以利用这方面的传感器件形成红外线、微波、超声波等图像. 另外,人无法长时间地观察对象,机器视觉则无时间限制,而且具有很高的分辨精度和速度. 所以,机器视觉应用领域十分广泛,可分为工业、科学研究、军事和民用4 大领域. 3. 1 工业领域 工业领域是机器视觉应用中比重最大的领域,按照功能又可以分成4 类:产品质量检测、产品分类、产品包装、机器人定位. 其应用行业包括印刷包装、汽车工业、半导体材料/ 元器件/ 连接器生产、药品/ 食品生产、烟草行业、纺织行业等.下面以纺织行业为例具体阐述机器视觉在工业领域的应用[9 ] .在纺织企业中,视觉检测是工业应用中质量控制的主要组成部分,用机器视觉代替人的视觉可以克服人工检测所造成的各种误差,大大提高检测精度和效率. 正是由于视觉系统的高效率和非接触性,机器视觉在纺织检测中的应用越来越广泛[10 - 12 ] ,在许多方面已取得了成效.机器视觉可用于检测与纺织材料表面有关的性能指标见表4. 目前主要的研究内容可分为3 大类: 纤维、纱线、织物. 由于织物疵点检测(在线检测) 需要很高的计算速度,因此,设备费用比较昂贵. 目前国内在线检测的应用比较少,主要应用是离线检主要的检测有纺织布料识别与质量评定、织物表面绒毛鉴定、织物的反射特性、合成纱线横截面分析、纱线结构分析等. 此外还可用于织物组织设计、花型纹板、棉粒检测、分析纱线表面摩擦。 3. 2 民用领域 机器视觉技术可用在智能交通、安全防范、文字识别、身份验证、医疗设备等方面. 在医学领域,机器视觉用于辅助医生进行医学影像的分析,主要利用数字图像处理技术、信息融合技术对x 射线透视图、核磁共振图像、CT 图像进行适当叠加,然后进行综合分析,以及对其它医学影像数据进行统计和分析。 3. 3 科学研究领域 在科学研究领域可以利用机器视觉进行材料分析、生物分析、化学分析和生命科学,如
数字图像处理技术综述 摘要：随着计算机的普及，数字图像处理技术也获得了迅速发展，逐渐走进社会生产生活的各个方面。本文是对数字图像处理技术的一个总体概述，包括其内涵、优势、主要方法及应用，最后对其发展做了简单的总结。 关键词：数字图像、图像处理技术、处理方法、应用领域 Overview of digital image processing technology Abstract: With the popularization of computer, digital image processing technology also won the rapid development, and gradually go into all aspects of social life and production. This paper is a general overview of the digital image processing technology, including its connotation, advantage, main method and its application. And finally, I do a simple summary of the development. Keywords: digital image, image processing technology, processing method, application field
前言： 图像处理技术被分为模拟图像处理和数字图像处理两大类。数字图像处理技术一般都用计算机处理或实时的硬件处理，因此也称之为计算机图像处理[1]。而时至今日，随着计算机的迅速普及，数字图像处理技术也飞速发展着，因为其用途的多样性，可以被广泛运用于医学、交通、化学等各个领域。 一、数字图像处理技术的概念内涵 数字图像处理技术是指将一种图像信号转变为二进制数字信号，经过计算机对而其进行的图像变换、编码压缩、增强和复原以及分割、特征提取等处理，而高精准的还原到显示器的过程[2]。在数字图像处理中，图像被分割成像素（每英寸的像素的数目取决于图像的分辨率） [7].可以说图像处理是对图像数据的一种操作或者运算，一般是由计算机或者专用图像处理硬件来实现的。我国常用的数字图像处理技术主要有两种，一种是光学处理法，一种是数字（电子）处理法。当前，数字图像处理技术已经逐步完善。数字图像处理技术与人们的生活紧密相关，如常用的数字电视、数码照相机、数码摄像机等所输出的图像都是数字图像，即数字像处理技术的成果。目前数字图像处理已发展成为信息处理技术的一个综合性边缘学科，成为了信息处理的一个重要的学科分支，并与相关学科相互联系、相互交叉。如计算机图形学、模式识别、计算机视觉等学科的研究内容均与图像电信号转变、图像数据描述、图像信息输出等有关，所以，它们之间各有侧重而又相互补充，并在各项新理论、新技术的支持下得到了长足发展[3]。 数字图像处理最早出现于20世纪70年代，当时是以人为对象的，为了改善图像的视觉效果。到目前为止，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，使图像处理成为一门引人注目、前景远大的新型学科[4]。而它发展至今，在原有的基础上又有了新的技术支持，已经逐渐覆盖至方方面面，在各个学科都有着难以忽视的作用。 二、数字图像处理技术的优势 数字图像处理技术之所以发展如此迅速，是因为它具有许多的优点，可以带来极大便利，而这些优点也使得数字图像处理的应用越来越广泛。 第一，再现性好。数字图像处理技术不会因对图像进行的变换操作而导致图像质量退化，数字图像能始终保持图像的再现[3]； 第二，处理精度高。数字图像处理的是由计算机进行的，因而可以处理极高精度的数据，而且精度可以随着计算机计算能力的增强而增加。可以快速准确地拍摄照片，可以精确测量数百万像素的强度[8]；
机器视觉综述 机器视觉是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要利用计算机来模拟人或再现与人类视觉有关的某些智能行为,从客观事物的图像中提取信息进行处理,并加以理解,最终用于实际检测和控制。近年来，随着计算机技术尤其是多媒体技术和数字图像处理及分析理论的成熟，以及大规模集成电路的迅速发展，机器视觉技术得到了广泛的应用研究，取得了巨大的经济与社会效益。笔者在阅读大量文献的基础上，对国内外机器视觉技术的发展及应用做以概述。 1 机器视觉概念 1.1 机器视觉的定义 简单来讲，机器视觉可以理解为给机器加装上视觉装置，或者是加装有视觉装置的机器。给机器加装视觉装置的目的，是为了使机器具有类似于人类的视觉功能，从而提高机器的自动化和智能化程度。由于机器视觉涉及到多个学科，给出一个精确的定义是很困难的，而且在这个问题上见仁见智，各人认识不同。美国制造工程师协会(SME)机器视觉分会和美国机器人工业协会(RIA)自动化视觉分会关于机器视觉的定义是：“Machine vision is the use of devices for optical non-contact sensing to automatically receive and interpret an image of a real scene in order to obtain information and/or control machines or processes．”译成中文是：“机器视觉是使用光学器件进行非接触感知，自动获取和解释一个真实场景的图像，以获取信息和(/或)控制机器或过程。”目前我国还没有哪个官方协会或组织给出一个中文的正式定义。 历经多年的发展，特别是近几年的高速发展，机器视觉已经形成了一个特定的行业。机器视觉的概念与含义也不断丰富，人们在说机器视觉这个词语时，可能是指“机器视觉系统”，“机器视觉产品”，“机器视觉行业”等。机器视觉涉及到光源和照明技术、成像元器件(半导体芯片、光学镜头等)、计算机软硬件(图像增强和分析算法、图像卡、IO卡等)、自动控制等各个领域。将所需要的这些不同技术集成到一起本身也是一门技术，需要各领域技术人员的参与和合作才能促进机器视觉的快速发展。 本文希望能够起到抛砖引玉的效果，引起大家的兴趣和讨论，给出一个能够得到大家认可的关于机器视觉的正式定义。 1.2 机器视觉的组成及工作原理 机器视觉系统处理的核心目标是“图像”，一目标物体的“图像”被单帧或多帧采集量化为数字化信息，反之可以说，用一些离散的数字化数值阵列就可以表示一目标物体的“图像”。对于复杂的“图像”或需要进行更高精度的处理来说，采集量化的数字化信息则要求更大。即处理精度与数字化信息量成正比。一般来说，图像用多级亮度来表示并进行量化采集，即所谓灰度法。以灰度来表示图像量化的每一个像元素特征。基于灰度法的机器视系统框图由图1所示。 机器视觉系统包括：光路系统、面阵摄像机(CCD)、量化存贮单元、模板库、专用高速处理单元、监视单元等大模块。其中光路系统由程控光源、变焦伺服机构、自动光圈、光学镜片组等组成。
倒车雷达概述 1引言 自从1886年2月9日卡尔?本茨发明了人类第一辆汽车，至今世界汽车工业经过了近122年的发展，当代汽车已经非常成熟和普遍了。汽车已经渗透于国防建设、国民经济以及人类生活的各个领域之中，成为人类生存必不可少的、最主要的交通工具，为人类生存和社会的发展与进步起到了至关重要的作用。当今，汽车已经成为人们生活中不可缺少的一部分，它给人们带来方便快捷的同时，也出现了许多问题。如越来越多的汽车使道路上有效的使用空间越来越小，新手也越来越多，由此引起的剐蹭事件也越来越多，由此引起的纠纷也在不断地增加。原来不是问题的倒车也逐渐变成了问题。尽管每辆车都有后视镜，但不可避免地都存在一个后视盲区，倒车雷达则可以在一定程度上帮助驾驶员扫除视角死角和视线模糊的缺陷，提高驾驶的安全性，减少剐蹭事件。因此，提出了基于超声波测距的汽车用倒车雷达的设计。 2倒车雷达的发展 倒车雷达（Car Reversing System）全称“倒车防撞雷达”，又称“泊车辅助装置”，它是汽车泊车或者倒车时的安全辅助装置。它能以声音或者更为直观的显示告知驾驶员周围障碍物的情况，解除驾驶员泊车、倒车和启动车辆时因前后左右探视所引起的困扰，并帮助驾驶员克服视角死角和视线模糊的缺陷，提高驾驶的安全性。 经过几年的发展，倒车雷达系统已经过了数代的技术改良，不管从结构外观上，还是从性能价格上，这几代产品都各有特点，目前使用较多的是数码显示、荧屏显示和魔幻镜倒车雷达这3种。倒车雷达真正开始于轰鸣器，也就是第一代倒车雷达。我想很多人都不会忘记“倒车请注意！”这句话，因为现在多数普通车还在使用它。第二代则是采用数码波段显示，可显示后障碍物离车体距离的数码波段显示倒车雷达。第三代的液晶荧屏显示较以前有了一个质的飞跃。紧接着的四代魔幻镜倒车雷达和五代整合影音 系统更是结合了前几代产品的优点，在原有倒车雷达的基础上增加了很多功能。3主要技术介绍 距离是在不同的场合和控制中需要检测的一个参数。所以，测距就成为数据采集中要解决的一个问题。尽管测距有多种方式，比如激光测距、微波测距、红外测距和
1 机器视觉概念 简单来讲，机器视觉可以理解为给机器加装上视觉装置，或者是加装有视觉装置的机器。给机器加装视觉装置的目的，是为了使机器具有类似于人类的视觉功能，从而提高机器的自动化和智能化程度。机器视觉是使用光学器件进行非接触感知，自动获取和解释一个真实场景的图像，以获取信息和(/或)控制机器或过程。 2机器视觉系统包括：光路系统、面阵摄像机(CCD)、量化存贮单元、模板库、专用高速处理单元、监视单元等大模块。其中光路系统由程控光源、变焦伺服机构、自动光圈、光学镜片组等组成。 3主要技术 包括数字图像处理技术、机械工程技术、控制技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术。 4光源选择 做机器视觉，一定会涉及到光源，它在机器视觉中有重要的作用，直接影响到图像的质量，进而影响到系统的性能。所以我们说光源起到的作用：就是获得对比鲜明的图像。图像的质量好坏，也就是看图像边缘是否锐利,具体来说1、将感兴趣部分和其他部分的灰度值差异加大2、尽量消隐不感兴趣部分3、提高信噪比，利于图像处理4、减少因材质、照射角度对成像的影响常用的有LED光源、卤素灯（光纤光源）、高频荧光灯。先简单介绍一下后面两种。卤素灯也叫光纤光源，因为光线是通过光纤传输的，适合小范围的高亮度照明。它真正发光的是卤素灯炮，功率很大，可达100多瓦。高亮度卤素灯炮，通过光学反射和一个专门的透镜系统，进一步聚焦提高光源亮度。卤素灯还有一个名字叫冷光源，因为通过光纤传输之后，出光的这一头是不热的。适合对环境温度比较敏感的场合，比如二次元量测仪的照明。但它的缺点就是卤素灯炮寿命只有2000小时左右。高频荧光灯，发光原理和日光灯类似，只是灯管是工业级产品，并且采用高频电源，也就是光源闪烁的频率远高于相机采集图象的频率，消除图像的闪烁。适合大面积照明，亮度高，且成本较低。但需要隔一定时间换灯管一定要进口的才过关，国内的高频做的不行，老有闪烁，国外最快可做到60KHz。 5.图像传感器的原理 成像物镜将外界照明光照射下的(或自身发光的)景物成像在物镜的像面上（焦平面）,并形成二维空间的光强分布(光学图像)。能够将二维光强分布的光学图像转变成一维时序电信号的传感器称为图像传感器。图像传感器输出的一维时序信号经过放大和同步控制处理后，送给图像显示器，可以还原并显示二维光学图像。当然，图像传感器与图像显示器之间
基于机器视觉的工件识别和定位文献综述
————————————————————————————————作者：————————————————————————————————日期:
基于机器视觉的工件识别和定位文献综述 1.前言 1.1工业机器人的现状与发展趋势 机器人作为一种最典型的应用范围广、技术附加值高的数字控制装备,在现代先进生产制造业中发挥的作用越来越重要，机器人技术的发展将会对未来生产和社会发展起到强有力的推动作用。《2l 世纪日本创建机器人社会技术发展战略报告》指出，“机器人技术与信息技术一样，在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑2l 世纪日本产业竞争力的产业战略之一，具有非常重要的意义。” 研发工业机器人的初衷是为了使工人能够从单调重复作业、危险恶劣环境作业中解脱出来,但近些年来，工厂和企业引进工业机器人的主要目的则更多地是为了提高生产效率和保证产品质量。因为机器人的使用寿命很长，大都在10 年以上,并且可以全天后不间断的保持连续、高效地工作状态，因此被广泛应用于各行各业,主要进行焊接、装配、搬运、加工、喷涂、码垛等复杂作业。伴随着工业机器人研究技术的成熟和现代制造业对自动生产的需要，工业机器人越来越被广泛的应用到现代化的生产中。 现在机器人的价格相比过去已经下降很多，并且以后还会继续下降，但目前全世界范围的劳动力成本都有所上涨，个别国家和地区劳动力成本又很高，这就给工业机器人的需求提供了广阔的市场空间,工业机器人销量的保持着较快速度的增长。工业机器人在生产中主要有机器人工作单元和机器人工作生产线这两种应用方式,并且在国外,机器人工作生产线已经成为工业机器人主要的应用方式。以机器人为核心的自动化生产线适应了现代制造业多品种、少批量的柔性生产发展方向,具有广阔的市场发展前景和强劲生命力,已开发出多种面向汽车、电气机械等行业的自动化成套装备和生产线产品。在发达国家,机器人自动化生产线已经应用到了各行各业，并且已经形成一个庞大的产业链。像日本的FＡNＵC、MOTＯMAN,瑞典的ABB、德国的KＵKＡ、意大利的COMAU等都是国际上知名的被广泛用于自动化生产线的工业机器人。这些产品代表着当今世界工业机器人的最高水平。 我国的工业机器人前期发展比较缓慢。当将被研发列入国家有关计划后，发展速度就明显加快。特别是在每次国家的五年规划和“86３”计划的重点支持下,我国机器人技术的研究取得了重大发展。在机器人基础技术和关键技术方面都取得了巨大进展,科技成果已经在实际工作中得到转化。以沈阳新松机器人为代表的国内机器人自主品牌已迅速崛起并逐步缩小与国际品牌的技术差距。 机器人涉及到多学科的交叉融合,涉及到机械、电子、计算机、通讯、控制等多个方面。在现代制造业中,伴随着工业机器人应用范围的扩大和机器人技术的发展，机器人的自动化、智能化和网络化的程度也越来越高，所能实现的功能也越来越多,性能越来越好。机器人技术的内涵已变为“灵活应用机器人技术的、具有实在动作功能的智能化系统。”目前，工业机器人技术正在向智能机器和智能系统的方向发展，其发展趋势主要为:结构的模块化和可重构化;控制技术的开放化、PC 化和网络化；伺服驱动技术的数字化和分散化;多传感器融合技术的实用化；工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。 1.2机器视觉在工业机器人中的应用 工业机器人是ＦMS（柔性加工) 加工单元的主要组成部分，它的灵活性和柔性使其成为自动化物流系统中必不可少的设备，主要用于物料、工件的装卸、分捡和贮运。目前在全世界有数以百万的各种类型的工业机器人应用在机械制造、零件加工和装配及运输等领域,不过这些应用都是基于先精确的示教后运行，而且工作环境都是预先安排好的，所以机器人
基于机器视觉的质量控制与检测的综述 在现代的工业生产中，基于自动化的控制的定位、产品质量的检测、生产状况的监视、零部件的识别与判断、电子线路板元器件的定位打孔等，很多都是基于机器视觉来完成的。机器视觉是利用计算机来实现人的视觉的功能。人类视觉的感受部分是视网膜（是一个三位采样系统），三维物体的可见部分投入到视网膜上，然后把这个二维的像来进行三维的理解。机器视觉利用光学成像系统采集目标物体后与计算机通信，进行相关的数字图像处理，根据图像像素分布、亮度、颜色、纹理来进行尺寸、形状的判别，从而进行分析，决定是否合格或者是否是我们所需要的。美国的某个著名的协会机器视觉曾对机器视觉下过定义：“机器视觉是通过光学的装置和非接触的传感自动的接受和处理一个真实物体的图像，通过分析获得所需有用信息或用于控制机器运动的装置。它的特点之一就是提高生产柔性和自动化程度，在一些危险或不适合人去操作和监控的地方，尤其是在工业产品批量生产过程中，用机器视觉可代替人工视觉来解决由于人眼检测的精度不高的问题，大大提高了生产效率和质量可靠性控制的精度。一个典型的机器视觉的组成一般包括：光源、光学系统CCD/CMOS 相机、图像采集卡、图像处理单元、机器视觉处理软件、监视器、通信输入/输出单元等。 机器视觉系统中，视觉信息的处理技术主要依赖于图像处理的方法，包括图像增强、图像编码、图像平滑、图像锐化、图像分割、特征提取、图像融合与匹配等不同的算法来对图像进行各种处理。经过这些处理之后，不但便于计算机的处理，还大大改善视觉效果，利于人眼的观察与判断。例如，边缘匹配是一种重要的匹配方法：实时图与基准图之间的灰度往往存在很大的差异，如果按照灰度的相关匹配不仅运算量大，而且不能保证图像的准确定位。边缘的特征是重要的特征之一，不同图像同一区域的灰度可能有所不同，但边缘轮廓的特征基本上不受灰度级的影响，具有很强的稳定性，正是由于这种特性，因此边缘匹配是一种重要的匹配方法。 图像处理主要是对采集到的图像进行二值化处理。二值化依据公式（1）进行。由于采集到的图像包括目标主体、背景和噪声，经过二值化处理可以使图像中有用信息和无效信息的对比度达到最大，突出待测主题，便于图像检测。 ???>=() ,0]),([if 1y x f else T y x f ，），（ （1） 区中，f （x ，y ）是图形中像素点的灰度值，T 为灰度阈值。因此，T 的设定值时二值化的关键，要想得到比较理想的灰度阈值，一般要尝试很多次分割后的视觉观察。接下来是对机器视觉系统中图像处理模块常用的技术与方法作进一步的阐述。 1)图像的增强。图像的增强用于调整图像的对比度，突出图像的重要细节，