机器视觉——智能制造的基础

顾名思义，机器视觉就是用机器代替人眼来做测量和判断。机器视觉的应用主要表现在四个方面：

①引导和定位：上下料使用机器视觉来定位，引导机械手臂准确抓取。

②外观检测：检测生产线上产品有无质量问题，该环节也是取代人工最多的环节。

③高精度检测：有些产品的精密度较高，达到0.01~0.02m甚至到u级，人眼无法检测，必须使用机器完成。

④识别：数据的追溯和采集，在汽车零部件、食品、药品等应用较多。

以检测应用为例，维视图像为您简单介绍机器视觉的工作原理。用工业相机采集被检测器件的图像，这是机器视觉最重要的一个环节，为了检测出所有需要的特征，需要不断地调整光源和相机的参数，然后利用图像处理软件对其进行运算，抽取目标的待检测特征，如颜色、器件表面是否有划痕、规格大小是否合格、表面涂料是否均匀等等，然后输出结果，反馈到机械端对器件进行分检，将不合格器件挑选出来，即图像获取、信息处理和完成分拣三个过程。如图所示：

典型机器视觉系统构成

基于机器视觉的工业机器人定位技术

机器人的智能化程度影响着整个工业演化的进程，传统的机器人大多是通过示教再现或者预编程来实现各种操作，极大地限制了机器人的应用。具有力觉、机器视觉及多种传感器的机器人运动控制技术，是柔性自动化制造技术中的典范，利用机器人的视觉控制，不需要预先对工业机器人的运动轨迹进行示教或离线编程，可节约大量的编程时间，提高生产效率和加工质量。

基于机器视觉的工业机器人定位技术流程

让机器人像人一样，有自我意识：走到什么地方，去抓取什么工件，用多大力度去抓，把工件放置在什么位置进行装配，不是由人类设定程序控制，而是机器人自己做。这个“自我控制”的过程实际上就是通过机器视觉技术让工业机器人有了智力，达到智能制造的目的。

智能制造时代，机器视觉发展潜力巨大

我国机器视觉系统目前仍主要应用在半导体及电子制造领域，2015年就已经占比高达46.4%，其中较为突出的是在SMT贴片、AOI/AXI设备以及连接器检测上。汽车和制药在机器视觉应用下游中同样占比可观，分别达到了10.9%、9.7%。（数据来源：中国报告网）

机器视觉系统的优势在于提高生产的产品质量和生产线自动化程度。尤其是在一些不适合人工作业的危险工作或人眼难以满足要求的场合。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。业内预计，机器视觉未来市场将会进一步打开。