机器视觉-值得收藏pptx教学资料
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
提高生产率和产品质量 减轻测试及检测人员劳动强度 减少不合格产品的数量 提高机器利用率
机器视觉系统
机器视觉系统的原理
通过机器视觉产品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。
像素
光学系统
图像处理系统
核心部分 在取得图像后，我们需要对图像进行处理，分析
计算，并输出检测结果。
图像处理部分包括两个部分： 硬件、软件
图像处理系统
硬件 目前市场主流的机器视觉图像处理系统有： 1、PC Based系统 2、嵌入式系统（智能相机）
图像处理系统
PC Based系统 采用PC作为处理平台，通过图像采集卡+
机器视觉-值得收藏pptx
机器视觉的引入
机器视觉的概念
一个系统的概念，运用现 代先进的控制技术、计算 机技术及传感技术，表现 为光机电的结合。
机器视觉就是用机器代替人眼来做测量和判断。
来自百度文库
机器视觉的引入
为什么要引入机器视觉呢？引入机器视觉所带来 的好处亦或是效益。
了解机器视觉
与人的视觉的一些对比。
机器视觉的引入
自动化和电脑技术是机器视觉进入工业生产线的 关键要素
自动化技术的发展史是机器逐步取代人工的历史 。 1、传感与控制是自动化的主要分支； 2、人类大脑、四肢、感官和神经分别可以对应 CPU、运动控制、传感器和网络。
机器视觉的引入
人类视觉是最后几个被取代的器官之一
在很多情况下人类视觉越发不能满足要求（机器 视觉与人的视觉的对比） 1、高速、高精、超视、微距， 2、客观、无疲劳、环境限制等。
精度低，无法量化
精度高，可到微米级，易量化
感光范围
400nm-750nm范围的可 从紫外到红外的较宽光谱范围，另外有X光等
见光
特殊摄像机
其它
主观性，受心理影 客观性，可连续工作
响，易疲劳
机器视觉的引入
为什么要引入机器视觉呢？它所带来的效益 。
节省时间 降低生产成本 优化物流过程 缩短机器停工期
机器视觉的引入
1、相机分辨率 2、像素 3、F & f ( 光圈和焦距) 4、FOV & DOV ( 景深和视野) 5、光源与成像(亮场和暗场) 6、WD & LWD （相机和光源工作距离）
光学系统
光学系统
像素数据 • 每个像素都含有以下 信息: • 图像中的位置 • (Row, Column) location • 光强度 • 黑白图像的灰度值 • 彩色图像的RGB色彩 值
较短，难度相对较低，但由于其硬件结构限制， 通常只能带一至两个相机，程序开发不如PC Based系统灵活，运行速度和算法复杂度不如 PC Based系统。
图像处理系统
如何选择？ 两种系统各有利弊，在检测点数少，检测要求
可能发生变化，项目周期紧急的应用更适合选用 嵌入式系统，检测点数多，速度要求高，检测要 求相对稳定，项目周期宽松的应用更适合选用PC Based系统。
图像处理系统
软件 1、开发平台 2、应用软件
图像处理软件是否先进是机器视觉应用成功的 关键。
图像处理系统
图像处理算法基础知识
定位（Locating）
灰度（Grey
Scale）
对比度（Contrast）
斑点（Blob）
模板匹配（Pattem Match） 边缘（Edge）
光学字符识别/校验（OCR/OCV）
适应性
机器视觉系统与人的视觉的对比
人的视觉
机器视觉
强，可在复杂多变的环 差，容易受复杂背景及环境变化的影响 境中识别目标。
智能
具有高级智能，可运用 逻辑分析及推理能力识 别变化的目标，并能总 结规律
智能差，可利用人工智能及神经网络技术，但 不能很好地识别变化的目标
灰度分辨力
机器视觉系统与人的视觉的对比
模拟相机或直接通过数字相机采集图片，依托PC 处理平台，处理速度快，可运行复杂的图像处理 算法；可带多个相机；可根据用户要求自行开发 处理程序和用户界面。但由于其开发工具为高级 编程语言，开发周期长，难度大，维护成本高。
图像处理系统
嵌入式系统 将相机、图像采集模块、处理器、存储器
、通讯模块、I/O集成一体，稳定性更高，开发 周期
机器视觉系统与人的视觉的对比
速度
0.1秒的视觉暂留使人眼无 快门时间可达到10微妙左右，高速像机帧率可 法看清较快速运动的目标 达到1000以上，处理器的速度越来越快
环境要求
对环境温度、湿度的适应性 对环境适应性强，另外可加防护装置 差，另外有许多场合对人有 损害
观测精度
机器视觉系统与人的视觉的对比
光学系统
光学系统
机器视觉系统中不可或缺的部分，如果没有适 合的光学系统采集适于处理的图片则难以有效地 完成图象检测，甚至直接导致检测的失败。因此 ，我们认为适合的光学系统是成功完成机器视觉 应用的前提条件。
光学系统
一个典型的光学系统包括： 1、光源 2、相机 3、镜头
光学系统
光学系统的一些基本概念
灰度分辨力差，一般 强，一般为256灰度级，采集系统可具有10bit 只能分辨64个灰度级 、12bit、16bit等灰度级
空间分辨力
分辨率较差，不能观 目前有4K×4K的面阵摄像机和8K的线阵摄像
看微小的目标
机，通过备置各种光学镜头，可以观测小到微
米大到天体的目标
彩色识别能力
分辨能力强，易受人 受硬件条件的制约，分辨能力较差，可量化 的心理影响，不能量 化。
机器视觉系统
工作流程：
零件到达检 测位置
光电或传感器感应到 感应物件时，触发视 觉传应器工作。
零件照明
离散输出，显 示不良品画面 和统计信息
视觉软件处理图像并 显示产品是否合格
获取图像并把资 料数据化
机器视觉系统
镜头 灯源
待测目标
机器视觉系统
CCD 相 机
相机控制信号及电源
模拟图像信号
电脑系统 图像采集卡
灯源控制信号
数字图像信号
PCI地址 总线
传统机器视觉系统工作流程
机器视觉的三部分
光学系统 图像处理系统 执行机构及人机界面
机器视觉的三部分
三个部分缺一不可，选取合适的光学系统，采集 适合处理的图象，是完成视觉检测的基本条件， 开发稳定可靠的图象处理软件是视觉检测的核心 任务，可靠的执行机构和人性化的人机界面是实 现最终功能的临门一脚。
机器视觉系统
机器视觉系统的原理
通过机器视觉产品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。
像素
光学系统
图像处理系统
核心部分 在取得图像后，我们需要对图像进行处理，分析
计算，并输出检测结果。
图像处理部分包括两个部分： 硬件、软件
图像处理系统
硬件 目前市场主流的机器视觉图像处理系统有： 1、PC Based系统 2、嵌入式系统（智能相机）
图像处理系统
PC Based系统 采用PC作为处理平台，通过图像采集卡+
机器视觉-值得收藏pptx
机器视觉的引入
机器视觉的概念
一个系统的概念，运用现 代先进的控制技术、计算 机技术及传感技术，表现 为光机电的结合。
机器视觉就是用机器代替人眼来做测量和判断。
来自百度文库
机器视觉的引入
为什么要引入机器视觉呢？引入机器视觉所带来 的好处亦或是效益。
了解机器视觉
与人的视觉的一些对比。
机器视觉的引入
自动化和电脑技术是机器视觉进入工业生产线的 关键要素
自动化技术的发展史是机器逐步取代人工的历史 。 1、传感与控制是自动化的主要分支； 2、人类大脑、四肢、感官和神经分别可以对应 CPU、运动控制、传感器和网络。
机器视觉的引入
人类视觉是最后几个被取代的器官之一
在很多情况下人类视觉越发不能满足要求（机器 视觉与人的视觉的对比） 1、高速、高精、超视、微距， 2、客观、无疲劳、环境限制等。
精度低，无法量化
精度高，可到微米级，易量化
感光范围
400nm-750nm范围的可 从紫外到红外的较宽光谱范围，另外有X光等
见光
特殊摄像机
其它
主观性，受心理影 客观性，可连续工作
响，易疲劳
机器视觉的引入
为什么要引入机器视觉呢？它所带来的效益 。
节省时间 降低生产成本 优化物流过程 缩短机器停工期
机器视觉的引入
1、相机分辨率 2、像素 3、F & f ( 光圈和焦距) 4、FOV & DOV ( 景深和视野) 5、光源与成像(亮场和暗场) 6、WD & LWD （相机和光源工作距离）
光学系统
光学系统
像素数据 • 每个像素都含有以下 信息: • 图像中的位置 • (Row, Column) location • 光强度 • 黑白图像的灰度值 • 彩色图像的RGB色彩 值
较短，难度相对较低，但由于其硬件结构限制， 通常只能带一至两个相机，程序开发不如PC Based系统灵活，运行速度和算法复杂度不如 PC Based系统。
图像处理系统
如何选择？ 两种系统各有利弊，在检测点数少，检测要求
可能发生变化，项目周期紧急的应用更适合选用 嵌入式系统，检测点数多，速度要求高，检测要 求相对稳定，项目周期宽松的应用更适合选用PC Based系统。
图像处理系统
软件 1、开发平台 2、应用软件
图像处理软件是否先进是机器视觉应用成功的 关键。
图像处理系统
图像处理算法基础知识
定位（Locating）
灰度（Grey
Scale）
对比度（Contrast）
斑点（Blob）
模板匹配（Pattem Match） 边缘（Edge）
光学字符识别/校验（OCR/OCV）
适应性
机器视觉系统与人的视觉的对比
人的视觉
机器视觉
强，可在复杂多变的环 差，容易受复杂背景及环境变化的影响 境中识别目标。
智能
具有高级智能，可运用 逻辑分析及推理能力识 别变化的目标，并能总 结规律
智能差，可利用人工智能及神经网络技术，但 不能很好地识别变化的目标
灰度分辨力
机器视觉系统与人的视觉的对比
模拟相机或直接通过数字相机采集图片，依托PC 处理平台，处理速度快，可运行复杂的图像处理 算法；可带多个相机；可根据用户要求自行开发 处理程序和用户界面。但由于其开发工具为高级 编程语言，开发周期长，难度大，维护成本高。
图像处理系统
嵌入式系统 将相机、图像采集模块、处理器、存储器
、通讯模块、I/O集成一体，稳定性更高，开发 周期
机器视觉系统与人的视觉的对比
速度
0.1秒的视觉暂留使人眼无 快门时间可达到10微妙左右，高速像机帧率可 法看清较快速运动的目标 达到1000以上，处理器的速度越来越快
环境要求
对环境温度、湿度的适应性 对环境适应性强，另外可加防护装置 差，另外有许多场合对人有 损害
观测精度
机器视觉系统与人的视觉的对比
光学系统
光学系统
机器视觉系统中不可或缺的部分，如果没有适 合的光学系统采集适于处理的图片则难以有效地 完成图象检测，甚至直接导致检测的失败。因此 ，我们认为适合的光学系统是成功完成机器视觉 应用的前提条件。
光学系统
一个典型的光学系统包括： 1、光源 2、相机 3、镜头
光学系统
光学系统的一些基本概念
灰度分辨力差，一般 强，一般为256灰度级，采集系统可具有10bit 只能分辨64个灰度级 、12bit、16bit等灰度级
空间分辨力
分辨率较差，不能观 目前有4K×4K的面阵摄像机和8K的线阵摄像
看微小的目标
机，通过备置各种光学镜头，可以观测小到微
米大到天体的目标
彩色识别能力
分辨能力强，易受人 受硬件条件的制约，分辨能力较差，可量化 的心理影响，不能量 化。
机器视觉系统
工作流程：
零件到达检 测位置
光电或传感器感应到 感应物件时，触发视 觉传应器工作。
零件照明
离散输出，显 示不良品画面 和统计信息
视觉软件处理图像并 显示产品是否合格
获取图像并把资 料数据化
机器视觉系统
镜头 灯源
待测目标
机器视觉系统
CCD 相 机
相机控制信号及电源
模拟图像信号
电脑系统 图像采集卡
灯源控制信号
数字图像信号
PCI地址 总线
传统机器视觉系统工作流程
机器视觉的三部分
光学系统 图像处理系统 执行机构及人机界面
机器视觉的三部分
三个部分缺一不可，选取合适的光学系统，采集 适合处理的图象，是完成视觉检测的基本条件， 开发稳定可靠的图象处理软件是视觉检测的核心 任务，可靠的执行机构和人性化的人机界面是实 现最终功能的临门一脚。