机器视觉技术在生产制造智能化进程中的发展应用

机器视觉技术在生产制造智能化进程中的发展应用

马贺贺齐亮张茂松汤雪华上海电气集团股份有限公司中央研究院(200070)

马贺贺（1985年~），男，博士，工程师，主要从事视觉测量、过程监控和故障检测领域的相关研究工作。

摘要：首先介绍了机器视觉系统的主要组成部分及其在应用过程中的优势，概述了目前国内外机器视觉技术的发展应用现状，并介绍了一种机器视觉的大型锻件尺寸测量系统在传统装备制造企业中的应用，最后对机器视觉技术的发展趋势进行了展望。

关键词：机器视觉；视觉测量；自动控制；技术趋势

1. 引言

受到市场需求的牵引，在光电图像传感技术以及图像处理技术的发展过程中，机器视觉凭借其易于实现信息集成、易于实现自动化、连续性强、非接触等优势逐渐引起国内外生产制造企业的重视。机器视觉技术给生产带来的产品质量和生产效率方面的巨大提升，使得各个行业都意识到了这种新技术在生产方式变革过程中的潜力。目前，机器视觉系统在国内电子行业、汽车行业、印刷行业等领域中发挥了越来越重要的作用，并逐渐开始在其他传统设备制造行业的生产智能化改造与技术升级中得以应用。为了更为深入地研究机器视觉技术，本文首先对机器视觉的主要概况及其发展应用现状进行总结，然后重点介绍了一种机器视觉技术在传统大型装备制造企业中的应用情况，最后在此基础上对机器视觉技术的发展趋势进行了展望。

2. 机器视觉技术概述

机器视觉技术指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、亮度、颜色等信息，转变成数字信号，通过各种图像处理、信号分析等方法提取目标特征，获取所需要的目标信息，比如目标位置、尺寸、外观信息等，然后利用这些信息控制执行机构的后续动作[1]。

2.1 机器视觉系统主要构成

不同的行业、不同的领域都在尝试利用机器视觉进行技术升级，而不同的应用目的也使得机器视觉系统彼此之间存在一定的差异，但在其主要技术环节以及基本的功能部件中仍然存在一定的共通之处。按照机器视觉系统的主要技术环节划分，实现机器视觉技术主要包括三个技术环节：图像采集、图像数据处理与分析、执行机构控制。图像采集指利用图像传感器件捕捉目标以及环境中的图像信息，完成图像数据采集，是机器视觉系统的基础；图像数据分析与处理指从获取的图像数据中挖掘所需要的目标特征信息，并形成能够指导后续运动机构动作的相关命令与运动要求；执行机构控制指运用自动控制算法配合，以合适的运动器件高精度地实现上一步中获取的运动要求。这三个技术环节彼此互相影响，任何一个环节出现偏差都将对机器视觉系统的整体性能产生显著影响。按照机器视觉系统的主要组成部分划分，典型的机器视觉系统一般包括：光源、光学镜头、相机、图像采集卡、图像数据处理与分析软件、计算机、运动机构控制系统、运动机构等[2, 3]。

图1 机器视觉系统主要技术环节

图2 机器视觉系统主要组成部件

不同行业、不同用途的机器视觉系统在高速数据处理设备、高分辨率图像采集设备、高精度运动控制设备的共同作用下往往具备如下特点：

(1) 精度高。一般机器视觉系统采用高分辨率的图像采集设备，保证其检测精度，这方面已经远远超过了传统人工操作时的检测精度；

(2) 数字化分析与处理能力。机器视觉系统不仅能够在定位、识别过程中做出类似人眼的判断，同时能够进行快速精确的定量测量与数据分析，保证了机器视觉系统更易于与其他生产控制系统、管理系统进行融合；

(3) 非接触。机器视觉系统与被测对象之间不直接接触，不会对被测物体造成任何损伤和影响，在环境比较恶劣时机器视觉技术就有着天然的优势；

(4) 连续性和稳定性。机器视觉系统能够避免由人工操作带来的产品质量不稳定，同时能够进行长时间的连续作业，不疲劳；

(5) 较宽的光谱响应范围。在机器视觉系统中能够利用人眼看不见的光谱波段进行分析，如红外、紫外、X光等，实现特殊要求下的视觉识别与检测，扩展了检测范围；

(6) 快速。在图像数据采集方面，FPGA的应用使得机器视觉系统能够及时处理高速相机采集的大量图像数据，同时具有高速响应能力的运动机构也使现代机器视觉系统能够实现大批量、高速运动物体的捕捉、识别、检测并进行相应动作。

2.2 机器视觉系统的应用现状分析

机器视觉技术发展到现在，在生产制造行业中的很多领域都有了一定的应用，按照机器视觉系统在不同领域中的用途划分，机器视觉系统所实现的主要功能可分为：测量功能、检测功能、定位功能、识别功能。

测量功能主要是能够实现对被测对象外观尺寸的自动获取，如产品外形轮廓尺寸、孔径、高度、面积等，进而对后续的生产过程加以指导。在机器视觉的典型应用中，物体测量方面的应用最为广泛，主要用于机器视觉技术的非接触测量，具有高精度、高速度、低功耗等特点，同时能够消除接触测量可能造成的二次损伤隐患，尤其是在测量环境较为恶劣的情况下，机器视觉更能发挥其优势，对被测物体及测量人员都起到一定的保护作用。利用机器视觉系统进行尺寸测量时，通常需要利用光源对被测物体进行突出处理，获取光学图像后利用图像数据处理软件提取被测物体的特征信息，最终得到其关键尺寸。典型的机器视觉系统尺寸测量应用主要有零件尺寸的精确测量、微小尺寸的测量等，尤其是对微小尺寸的测量，机器视觉技术能够实现人工测量完成的功能。但需要注意的是机器视觉系统往往容易受到环境的干扰影响，因此复杂环境下大尺寸工件的精确测量仍然是机器视觉领域的一大难点。

检测功能主要是检查被测对象的当前状态是否合格，包括基于产品空间特征的检测，检查产品尺寸是否属于合格品的容许范围，涉及被测对象的二维或三维几何特征；基于产品表面品质特征的检测，对产品表面凹凸、划痕、裂纹以及磨损情况进行检测评价产品状态，如瑕疵检测等；基于产品结构特征的检测，主要用以检查被测对象是否缺失零件或是否完整，如残次品检测等[4]。与传统生产线上的检测方式，尤其是人工检测方法相比，机器视觉检测的优势非常明显，具体对比结果如表1所示。

表1 传统人工检测方法与机器视觉检测对比

定位功能主要用于确定被检测对象的位置信息，并利用精确的位置信息指导后续加工或运动过程，这一功能通常与工业机器人结合，引导机械手臂，确定产品位置等。在应用方面主要用于全自动装配和生产，如自动组装、自动焊接、自动包装、自动灌装、自动喷涂，大多配合自动执行机构（机械手、焊枪、喷嘴等）。识别功能主要是利用图像传感设备提取图像中的信息并进行相关匹配识别，如字符识别、条码识别、纹理识别、颜色识别等。

表2 机器视觉系统在各行业中的应用情况

3. 一种基于结构光视觉的大型锻件尺寸测量系统

为了更加直观地说明机器视觉技术在传统生产制造企业中应用的实现过程，本文提出了一种利用结构光视觉的非接触式大型锻件尺寸测量系统，属于复杂环境下大尺寸精确测量方面的机器视觉应用。大型锻件作为制造重大装备的基础件，一般用于机械设备的核心部位。由于体积较为庞大，其几何参数度量属于复杂条件下的超大尺寸测量问题。一旦测量不准确，锻件尺寸不满足工艺要求，则无法再回炉加热，造成废品。传统的锻件尺寸测量主要采用接触式的测量方法，大多需要在高温环境下人工操作。这类方法一方面速度较慢，测量精度难以保证且测量数据有限，无法实现锻件各部分尺寸的在线测量，另外恶劣锻件加工环境非常容易给工人带来人身伤害。实际生产中，锻件生产企业往往采用加大锻造余量的办法，这样虽然可以降低废品率，却增加了钢锭材料损耗。

本文提出的大型锻件尺寸测量系统采用机器视觉方法，利用相机和结构光通过非接触式的视觉测量方法实现对大型锻件尺寸的精确测量。该系统使用高密度、低噪声、畸变小的图像传感器，构建高速实时图像采集系统、专用图像硬件处理系统以及高性能计算机完成二值或灰度图像处理，最终获得锻件的三维尺寸信息，测量方法如图3所示。该系统采用激光器在被测工件上投射一条垂直线结构光，利用线阵相机水平拍摄的方式进行图像采集，然后利用相机云台带动线阵相机进行俯仰扫描，激光器云台带动线结构光水平扫描的方式完成对被测工件表面从点到线，再由线到面的整体测点。由于锻件尺寸较大，在实际应用过程中为解决视场遮挡的问题，采用两套视觉测量平台交叉测量的方式进行。系统首先对采集到的图像数据进行特征提取，获取被测点的像素位置，然后利用光学三角法原理，结合相机与激光器的布设位置以及视觉测量系统标定的内外参数，将两套系统的测点在同一世界坐标系下进行三维坐标解算，从而获得被测工件的三维点云数据，并进行三维重构，获取关键尺寸信息。更进一步可以将获取的关键尺寸信息反馈至压机控制系统中，辅助压机控制下一次的锻压量，保证锻压精度。

具体实物测量平台如图4所示。为了获得较高的测量精度，考虑锻压车间的空间尺寸以及压机尺寸等因素，该测量平台选用DALSA公司分辨率为8 192的HS-80-08k40线阵CCD相机作为图像传感器，配以Schneider Macro 60mm镜头组，经过计算被测对象在5m处成像时每一个像素可表示0.58mm的实际物理尺寸，相机如图5所示。为了便于后续图像数据处理过程中的光条中心提取，该测量平台定制了在5m处投射线宽小于2mm的线结构光的高稳定性激光器。在云台设计过程中，通过高速高精度码盘实时读取相机云台与激光器云台的旋转角度，云台重复定位精度小于0.005度，为三维坐标解算提供精确的角度信息。为保证测量效率，需要云台高速扫描并与相机帧频配合，在短时间内会产生大量的图像数据，因此该系统基于FPGA设计了图像数据的高速采集与预处理控制板，将提取特征之后的测点图像信息传递给PC进行后续的三维重构与关键尺寸获取。经实验验证该系统能够达到2mm的测点三维坐标解算精度。

从以上描述中可以看出，一套完整的机器视觉系统往往需要计算机技术、数字图像处理技术、运动控制技术等多种技术相互配合，同时在实际应用过程中，尤其是在传统生产制造企业中车间环境较为复杂的情况下，机器视觉系统的实施需要开展更多的研究。

图3 基于结构光视觉的大型锻件尺寸测量方法示意图

图4 基于结构光视觉的大型锻件尺寸测量平台

4. 机器视觉技术的发展趋势分析

随着半导体技术、图像采集与处理设备、计算机技术以及图像处理相关理论知识的不断发展，机器视觉技术逐渐开始深层次地融入生产过程，功能也越来越丰富，其发展具有一定的应用深度。另一方面，随着不同行业的生产制造企业对机器视觉技术加以扩展应用，机器视觉发展的广度也逐渐提高。在国内传统生产制造企业进行智能化升级的过程中，机器视觉技术发挥着越来越重要的作用，也出现一些新的发展趋势。

(1) 嵌入式机器视觉系统成为主流随着工业相机以及相关元器件的性能提升，一些高速图像采集设备能够在短时间内提取大量的图像数据，这也对机器视觉系统的实时数据处理能力提出了更高的要求。在实际应用过程中，借助硬件来实现图像数据的高速处理，如DSP、FPGA、专用图像信号处理卡等功能强大的微处理器进行图像数据预处理实现数据压缩、特征提取等。嵌入式机器视觉系统的有效利用，能够大大提升系统的实时性，保证机器视觉系统中各类高性能器件得以充分发挥，提升机器视觉系统的整体性能。

(2) 系统更开放，能够与其他自动化系统深度集成机器视觉系统也将从过去独立运行，仅通过图像采集、分析与数据处理，获取所需信息的方式向着更为开放、应用层面更深的方向发展，便于与其他系统进行集成。机器视觉技术的融入能够使运动及执行机构的反馈与控制变得更加智能化，大大提高了整个生产系统的智能水平。在这方面，机器视觉技术中的自动识别、三维视觉测量、定位、检测等都有着广阔的应用前景。

(3) 应用领域更广，逐步向传统制造业扩展在半导体及电子行业、汽车行业，尤其是在流水线生产的企业中，机器视觉系统的引入，大大降低了这类企业的劳动力成本，提高了生产效率及其产品质量。随着我国传统制造业逐步开展技术改造，进行生产过程的自动化、智能化升级，这些行业对机器视觉技术的需求开始广泛出现。比如在大型装备生产制造企业中，恶劣的生产环境和复杂的生产工艺使得这类企业的技术升级难度较大，但又非常有必要。机器视觉技术在传统制造业的智能化进程中有着广阔的发展空间，机器视觉的应用也将进一步促进自动化技术向智能化发展。

5. 结语

近年来，国内劳动力成本逐渐升高，同时市场对产品质量的要求也越来越高，企业对机器视觉系统的需求逐渐增大，我国的机器视觉技术应用水平也在逐步提高，其应用状况也从低端逐渐走向高端。无论是从机器视觉技术的应用深度，还是行业应用广度，国内的机器视觉技术都取得了很大成就。机器视觉技术在工业生产过程中的应用，大大促进了企业生产的自动化水平，其在生产智能化进程中发挥着无可替代的作用。但同时需要注意的是，机器视觉系统本身具有其复杂性，工业生产过程的现场情况也非常复杂，尤其是一些大型装备的生产制造过程，机器视觉技术在制造业生产智能化进程中必将不断迎来新的机遇和挑战。