摘? 要：一套完整的機器視覺系統(tǒng)由硬件和軟件兩部分組成，完善的硬件系統(tǒng)可以采集到高質(zhì)量的原始數(shù)據(jù)進而大大減輕后續(xù)圖像處理算法的復雜度。該文首先分析了光源的設計方法、鏡頭的設計以及相機的選擇，在此基礎上得到各個硬件設備對機器視覺系統(tǒng)的影響，以及硬件參數(shù)之間彼此的關聯(lián)性是系統(tǒng)設計的關鍵所在。同時分析系統(tǒng)整體設計需要考慮的問題和原則，進而得到一套適應性強的機器視覺系統(tǒng)構建方案。

關鍵詞：機器視覺? 鏡頭? 光源? 相機

中圖分類號：TP391? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1672-3791（2019）03（b）-0001-03

Abstract： A complete machine vision system consists of two parts： hardware and software，the complete hardware system can collect high-quality raw data and greatly reduce the complexity of subsequent image processing algorithms. The article first analyzes the design method of the light source， the design of the lens and the choice of the camera， on this basis， the influence of each hardware device on the machine vision system and the correlation between hardware parameters are the key to the system design. At the same time， it analyzes the problems and principles that need to be considered in the overall design of the system， and then obtains a set of adaptable machine vision system construction schemes.

Key Words： Machine vision; Lens; Light source; Camera

隨著自動化技術的推廣，機器視覺技術興起于20世紀50年代，但真正發(fā)展得益于圖像處理硬件技術的突破[1]。機器視覺技術是指用計算機來實現(xiàn)對客觀世界的識別，進而代替人眼進行一些重復性、復雜性的工作。與傳統(tǒng)的識別技術相比，非接觸式的光學傳感系統(tǒng)是機器視覺的主要特點，光源、鏡頭、攝像機以及相應的圖像處理算法構成了典型的機器視覺系統(tǒng)[2]。硬件部分主要有圖像采集部分、通信部分和輸入輸出端口，包括鏡頭、圖像采集卡、編碼器等;軟件主要有各種圖像處理算法，如中值濾波算法、數(shù)學形態(tài)學算法、深度學習算法、噪聲濾除算法等[3]。選取合適的光源和鏡頭以及圖像采集卡可以得到完善的原始圖像，進而大大減少后續(xù)算法計算的復雜度，同樣，合適的圖像處理算法可以彌補由于前期硬件不足帶來的圖像模糊、信息缺失等問題，兩者相輔相成，互為促進。

1? 機器視覺系統(tǒng)的組成

機器視覺系統(tǒng)沒有一個統(tǒng)一的定義，美國機器人協(xié)會將其描述為：為了獲取和處理一個完整、真實的圖像，通過非接觸的、光學的傳感器，進而利用獲取的圖像信息用于控制機器進行自動化運動[4]。典型的機器視覺系統(tǒng)包括光源、工業(yè)用鏡頭、CCD或CMOS相機、光電轉換器件、軟件算法、輸出設備、各種I/O接口、控制執(zhí)行機構、被測目標以及電源等，具體如圖1所示。機器視覺強調(diào)實用性和適應性，可以滿足不同情況以及工業(yè)現(xiàn)場復雜多變的環(huán)境，因此應具有較強的可移植性和通用性;同時由于工業(yè)自動化程度的快速發(fā)展，對機器視覺的速度和精度也提出了更高的要求。

為了采集到目標圖像而進行的操作步驟為：首先對被測目標進行照明突出顯示目標的結構特征，繼而將目標圖像信息顯示在光學傳感器上，然后利用轉換元件將光信號轉化為電參量，最后通過光電轉換器件將光學信號轉換為計算機能夠處理的電信號，通過相應的算法對數(shù)字圖像進行下一步分析[5]。算法的分析依賴于原始圖像的提取，為了獲得通過高質(zhì)量的原始圖像需要對機器視覺系統(tǒng)進行配置，而高質(zhì)量的原始圖像一般具有如下特征。

（1）圖像能夠完整還原出原始信息無畸變、無失真。

（2）具有合適的對比度，能夠突出顯示目標特征和背景特征。

（3）被測目標特征應攜帶大部分原始信息，可以精確還原出原始圖像。

（4）圖像分辨率高，邊緣無重疊。

2? 機器視覺系統(tǒng)方案設計

2.1 光源的設計

合適的光源可以突出目標的顯著特征，增加對比度使目標特征和背景特征更容易區(qū)分[6]。在自動化生產(chǎn)中系統(tǒng)主要面對速度快、復雜多變的對象，因此光源的設計應充分考慮物體的運動特性盡量保持均勻、穩(wěn)定，同時好的光源可以降低噪聲，改善系統(tǒng)的分辨率，簡化后續(xù)的圖像處理算法[7]。光源根據(jù)人眼能否看見可以分為可見光和不可見光，根據(jù)光源的不同又可以分為白熾燈、鹵素燈、高頻熒光燈和LED燈，各種光源性能的比較如表1所示。

白熾燈價格低廉、光線易于傳輸，但反應速度慢、響應時間長;鹵素燈工藝簡單、使用時間長、照明度充分，但功率大、發(fā)熱高;高頻熒光燈使用時間長，產(chǎn)生的熱量相對于鹵素燈、白熾燈較少，但可塑性不強不能適應不同的對象、易閃爍;LED燈色溫范圍廣、響應速度快、功耗低，在面對復雜環(huán)境以及高速運動的物體時具有良好的抗震性以及穩(wěn)定性，因此應用于機器視覺的大多數(shù)場合[8]。

由于機器視覺的對象不同、突出顯示的特征不一樣，因此光源的位置也不一樣。通過照射方法的不同，可以分為前向照明、背向照明、結構光照明和頻閃光照明等[9]。前向照明，為了突出物體的表面缺陷、疵點或者其他的細節(jié)特征，大多面向低速運動物體，便于安裝;后向照明，針對具有光通量物體特征的檢測，可以獲得高對比度的圖像;結構光照明，為了得到物體與背景的區(qū)別，通過濾鏡和光圈技術，進而得到被測物的三維信息[10]。不同的光源照射方式如圖2所示。

2.2 鏡頭的設計

鏡頭作為機器視覺的主要部件，是連接被測物體和相機的紐帶。鏡頭的結構復雜，根據(jù)不同的分類方式可以分為多種類型：按照有效像場分類，可以分為120型相機鏡頭、127型相機鏡頭和135型相機鏡頭;按照鏡頭接口分類，可以分為C/Y接口主要代表為minolta，EF接口主要代表為canon、F接口主要代表為nikon;按照用途可以分為，電視閉路監(jiān)控（CCTV）、顯微鏡頭、照相機鏡頭和工業(yè)高分辨率鏡頭;按照焦距分類，可以分為變焦和定焦鏡頭兩種[11]。

鏡頭的主要參數(shù)有分辨率、視角、工作距離、焦距和景深等。透鏡中心到焦點的距離叫焦距，焦距的長短決定了拍攝成像的大小，鏡頭的照度和分辨率則由相對孔徑?jīng)Q定，它們之間的關系為：視角越大，焦距越小;工作距離越長，視野越小。選擇鏡頭時，首先要根據(jù)具體的對象和攝像機類型進行匹配，避免“隧道效應”的產(chǎn)生;其次，選取合適的焦距，而焦距的選取則需要根據(jù)預留空間和實際的工作距離來確定[12]。針對不同的應用場景可以通過鏡頭的參數(shù)，選擇合適的鏡頭進而采集到理想的圖像，鏡頭參數(shù)如圖3所示。

另一方面，可以根據(jù)不同的應用場景，通過相應的公式來選擇鏡頭，假設圖像高度為H1，物體高度為H2，相距為D1，物距為D2，焦距用F表示，放大倍數(shù)為M，鏡頭范圍為E，那么它們之間的關系為：

2.3 相機的選擇

相機主要通過感光元件將采集到的光學圖像轉換為計算機所能識別的電信號，即光電轉換器件。根據(jù)傳感器的感光元件不同，大致可以分為兩種類型即CCD和CMOS相機。

CCD（電荷耦合器件）相機制作工藝復雜，成本高，集光電轉換、電荷轉移、讀取信號集成于一身，通常以電荷為信號，具有成像色彩豐富、準確性高的特點。選擇CCD相機時應考慮其主要參數(shù)，CCD相機的主要參數(shù)有：

（1）有效像素及分辨率、CCD靶面尺寸;

（2）掃描頻率以及掃描模式;

（3）輸出信號類型是模擬信號或數(shù)字信號，以及信號的輸出質(zhì)量（信噪比）;

（4）接口類型是否標準，快門響應速度是否及時;

（5）光譜響應曲線和自動增益控制。

CMOS相機的誕生得益于超大規(guī)模集成電路的發(fā)展，CMOS圖像傳感器可以將圖像信號處理器、模數(shù)轉換電路、光敏元陣列等一系列元件集成在一個芯片上，高集成度、工藝簡單、能量消耗少、價格低廉，輸出圖像無拖影重疊等特點，主要應用在高幀頻率和高分辨率環(huán)境和需要數(shù)字信號輸出的環(huán)境。CCD和CMOS的性能比較如表2所示。

因此，在選擇相機的時候除了需要考慮上述因素外，還需要具體問題具體分析，考慮以下幾個方面的情況。

（1）針對運動物體的形態(tài)，選擇相應的掃描方式主要有線陣和面陣兩種形式，面陣具有一定的局限性，一次只能拍攝一副圖像;線陣掃描運動平穩(wěn)、精度高，但對外界因素要求較高。

（2）為了得到高的圖像分辨率，需要對相機進行像素分辨率、測量分辨率的選擇，由于模擬相機噪聲大、幀頻慢，因此大部分情況下采用數(shù)字相機。

（3）為了擴大相機的使用范圍，需要考慮輸出接口形式，進而滿足不同的場合需要，主要有USB接口、Cameralink接口等。

（4）為了得到分辨率高、信噪比大、靈敏度高的圖像，需要考慮采集的圖像顏色。圖像顏色主要有彩色和黑白兩種，由于機器視覺主要應用于工業(yè)檢測對圖像的色彩飽和度要求不高，而黑白圖像具有分辨率高、信噪比大、采集速度快、對比度大、靈敏度高等特點，因此主要應用于工業(yè)實時性檢測。

3? 機器視覺的應用與展望

機器視覺無需與被測物體進行直接接觸，可以快速獲取大量信息、易于自動處理，主要應用于檢查物體的空間特征、結構特征以及表面特征。在智能制造體系中主要進行圖像識別、物體定位、尺寸測量以及零件檢測的應用，如各類電路板組裝印刷、SMT工藝設備的表面貼裝。雖然機器視覺技術在工業(yè)自動化以及醫(yī)學、交通等各方面都有廣泛應用，但任然存在一些急需改進的問題，如：隨著科技的進步和技術的發(fā)展，數(shù)據(jù)量越來越大，如何快速實時的處理數(shù)據(jù);機器視覺面對不同的視角拍攝同一副圖像，如何避免信息丟失以及減小誤差。如何減小外界環(huán)境的改變對系統(tǒng)的影響，提高系統(tǒng)的魯棒性以及精度，則是我們下一步研究的重點。

參考文獻

[1] 劉曙光，劉明遠.機器視覺及其應用[J].河北科技大學學報，2000，38（4）：11-15.

[2] 陳晶，朱啟兵.基于機器視覺的茶小綠葉蟬識別方法研究[J].激光與光電子學進展，2018（1）：342-349.

[3] 唐向陽，張勇，李江有.機器視覺關鍵技術的現(xiàn)狀及應用展望[J].昆明理工大學學報：自然科學版，2004， 29（2）：36-39.

[4] 侯遠韶.機器視覺系統(tǒng)中光源的選擇[J].洛陽師范學院學報，2014（8）：45-49.

[5] 劉煥軍，王耀南，段峰.機器視覺中的圖像采集技術[J].電腦與信息技術，2003（1）：18-21.

[6] 陶霖密，徐光祐.機器視覺中的顏色問題及應用[J].科學通報，2001，46（3）：178-190.

[7] 吳文琪，孫增圻.機器視覺中的攝像機定標方法綜述[J].計算機應用研究，2004，21（2）：4-6.

[8] 蔡健榮，周小軍，李玉良.基于機器視覺自然場景下成熟柑橘識別[J].農(nóng)業(yè)工程學報，2008，24（1）：175-178.

[9] 應義斌，饒秀勤，趙勻.機器視覺技術在農(nóng)產(chǎn)品品質(zhì)自動識別中的應用研究進展[J].農(nóng)業(yè)工程學報，2000，16（3）：4-8.

[10] 伍濟鋼，賓鴻贊.機器視覺的薄片零件尺寸檢測系統(tǒng)[J].光學精密工程，2007，15（1）：124-130.

[11] 段峰，王耀南，劉煥軍.基于機器視覺的智能空瓶檢測機器人研究[J].儀器儀表學報，2004，25（5）：624-627.

[12] 張宇，黃亞博，焦建彬.一種基于機器視覺的圓型零件檢測技術[J].計算機工程，2008，34（19）：185-186.