機(jī)器視覺(jué)檢測(cè)光源國(guó)外發(fā)展

本文目錄一覽：

• 1、計(jì)算機(jī)視覺(jué)技術(shù)國(guó)內(nèi) 國(guó)外發(fā)展歷史及現(xiàn)狀
• 2、機(jī)器視覺(jué)與機(jī)器人在汽車(chē)零部件檢測(cè)方面的發(fā)展方向如何？
• 3、機(jī)器視覺(jué)行業(yè)發(fā)展前景
• 4、請(qǐng)問(wèn)各位同行，做機(jī)器視覺(jué)檢測(cè)的，國(guó)內(nèi)或者國(guó)外那些公司做的最好？
• 5、機(jī)器視覺(jué)光源的發(fā)展
• 6、OPT機(jī)器視覺(jué)光源-世界級(jí)光源企業(yè)

計(jì)算機(jī)視覺(jué)技術(shù)國(guó)內(nèi) 國(guó)外發(fā)展歷史及現(xiàn)狀

1　研究現(xiàn)狀及存在的問(wèn)題

水果實(shí)時(shí)分級(jí)系統(tǒng)主要功能是水果外部品質(zhì)和內(nèi)部品質(zhì)的自動(dòng)檢測(cè)。水果的外部品質(zhì)檢測(cè)的項(xiàng)目有大小、形狀、顏色、表面缺陷等，內(nèi)部品質(zhì)無(wú)損檢測(cè)的項(xiàng)目為水果的硬度、糖含量、酸度、口味及某些內(nèi)部缺陷等。

1.1　水果外部品質(zhì)的自動(dòng)檢測(cè)

水果的尺寸和顏色檢測(cè)技術(shù)已比較成熟，且在國(guó)外已經(jīng)實(shí)現(xiàn)自動(dòng)化檢測(cè)，在國(guó)內(nèi)也有按重量或尺寸分級(jí)的系統(tǒng)。但果面的缺陷檢測(cè)卻一直成為水果實(shí)時(shí)分級(jí)的障礙。

果面缺陷檢敬盯測(cè)的技術(shù)比較復(fù)雜，目前存在以下幾方面難題。

1.1.1　對(duì)水果整個(gè)表面進(jìn)行實(shí)時(shí)視覺(jué)檢測(cè)差頃比較困難

在水果分選生產(chǎn)線上，輸送機(jī)構(gòu)輸送水果并把水果整個(gè)表面呈現(xiàn)給攝像機(jī)，這是水果實(shí)時(shí)分級(jí)系統(tǒng)比較關(guān)鍵的組成部分，因?yàn)楫?dāng)水果通過(guò)時(shí)，要求視覺(jué)系統(tǒng)能快速檢查每個(gè)水果的全部果面，即使很小的缺陷面積，也會(huì)使得水果級(jí)別發(fā)生很大變化。同時(shí)，設(shè)計(jì)的視覺(jué)分級(jí)系統(tǒng)必須滿足高生產(chǎn)率的要求。在這方面，國(guó)外學(xué)者（Growe,1996,Tao,1996)［1，2］采用滾子輸送帶使水果一邊移動(dòng)一邊自身轉(zhuǎn)動(dòng)，從而使安裝在輸送帶上方的攝像機(jī)能采集到水果的多個(gè)面的圖像，達(dá)到全表面檢測(cè)的目的。但由于水果大小和形狀不規(guī)則，造成水果旋轉(zhuǎn)速度不一致且難以保證按同一軸線旋轉(zhuǎn)。此外，水果旋轉(zhuǎn)兩端的表面部分?jǐn)z像機(jī)無(wú)法采集到，因此，分級(jí)誤差較大。

1.1.2　快速而準(zhǔn)確地測(cè)定水果表面的各種缺陷且與梗、萼凹陷區(qū)正確區(qū)分比較困難

Miller等(1991)［3］對(duì)桃子的分選試驗(yàn)表明：因不能正確區(qū)分水果表面的缺陷和梗、萼凹陷區(qū)，由此產(chǎn)生的分級(jí)誤差為25％左右。Rehkugler等（1986）［4］利用機(jī)械定向機(jī)構(gòu)使蘋(píng)果梗、萼處于垂直方向并繞梗萼軸旋轉(zhuǎn)，CCD線掃描攝像機(jī)可掃描蘋(píng)果的整個(gè)表面且形成一幅圖像，該方法的特點(diǎn)是由機(jī)械定向機(jī)構(gòu)定位水果梗、萼區(qū)，攝像機(jī)對(duì)此區(qū)不需要再檢查。但因?yàn)槭芏ㄏ驒C(jī)構(gòu)速度的限制，還達(dá)不到實(shí)時(shí)分級(jí)的速度，試驗(yàn)結(jié)果為每分鐘選30個(gè)蘋(píng)果。Yang(1996)［5］利用結(jié)構(gòu)光圖像與散射光圖像相結(jié)合來(lái)區(qū)分梗、萼區(qū)和缺陷區(qū)，綜合兩方面圖像處理的結(jié)果，共抽取16個(gè)特征參數(shù)，再利用BP神經(jīng)網(wǎng)絡(luò)區(qū)分蘋(píng)果的梗、萼區(qū)和缺陷區(qū)，分辨精度為95％，但還需要進(jìn)一步把試驗(yàn)結(jié)果應(yīng)用于實(shí)際水果分選生產(chǎn)線中。Growe等（1996）［1］采取在780 nm附近帶域內(nèi)，用結(jié)構(gòu)光由一黑白攝像機(jī)進(jìn)行水果表面的凹陷度檢測(cè)；在750 nm帶域內(nèi)的散射光照射下，由一黑白攝像機(jī)進(jìn)行水果表面的可疑缺陷區(qū)檢測(cè)。水果的輸送旋轉(zhuǎn)裝置及攝像機(jī)布置如圖1a所示，采用的雙錐滾筒輸送帶可使水果一方面沿水平方向作平移運(yùn)動(dòng)，另一方面又繞自身水平軸作旋轉(zhuǎn)運(yùn)動(dòng)。兩個(gè)黑白CCD攝像機(jī)用來(lái)采集750 nm附近的散射光亮慶和圖像和780 nm附近的結(jié)構(gòu)光圖像，水果旋轉(zhuǎn)一周攝取兩次圖像。兩個(gè)黑白攝像機(jī)采集的圖像經(jīng)過(guò)設(shè)計(jì)的接口電路后，被合成為一幅黑白圖像，合成過(guò)程如圖1b所示。圖像的處理由流水線圖像處理系統(tǒng)完成。試驗(yàn)結(jié)果表明：每個(gè)水果采集兩幅圖像時(shí)，缺陷檢測(cè)的速度可達(dá)5個(gè)/s，但誤差較大，如對(duì)于蘋(píng)果，碰傷檢測(cè)的準(zhǔn)確率僅為51％。試驗(yàn)表明，要想得到較高的檢測(cè)精度，每個(gè)水果應(yīng)采集5幅以上的圖像，結(jié)構(gòu)光至少6條以上。此外，由于水果尺寸不同所造成各個(gè)水果旋轉(zhuǎn)速度的不一致，也是產(chǎn)生測(cè)量誤差的原因。徐娟（1997）［6］及Nakano(1997)［7］利用人工神經(jīng)網(wǎng)絡(luò)法對(duì)缺陷區(qū)和梗萼區(qū)進(jìn)行區(qū)分，試驗(yàn)表明神經(jīng)網(wǎng)絡(luò)的區(qū)分準(zhǔn)確率較低。在果面各種缺陷的快速檢測(cè)方面，Throop(1997)［8］等人研究了多光譜測(cè)量技術(shù)，對(duì)10個(gè)品種的蘋(píng)果的22種缺陷，在460～1 030 nm光譜范圍內(nèi)，每隔10 nm試驗(yàn)測(cè)定了它們的反射光譜特性，其中對(duì)3種蘋(píng)果同一種缺陷測(cè)量的結(jié)果如圖2所示。圖中縱坐標(biāo)的馬氏距離反映了水果缺陷區(qū)與正常區(qū)反射強(qiáng)度的差別程度，距離越大，兩者差別越大。由圖中曲線可看出：在中心為540 nm、740 nm、1 030 nm三波段附近，3種蘋(píng)果同一缺陷與正常區(qū)的反射強(qiáng)度的差別表現(xiàn)為最大或最小值，最后通過(guò)對(duì)3個(gè)波段的圖像進(jìn)行簡(jiǎn)單的減法和閾值處理，即可得到檢測(cè)的缺陷，下一步應(yīng)考慮實(shí)際應(yīng)用的實(shí)現(xiàn)。

(a)　(b)

圖1　圖像采集布置圖與圖像合成示意圖

(a)輸送裝置及攝像機(jī)布置　(b) 圖像合成示意圖

圖2　3種蘋(píng)果同一缺陷在460～1 030 nm

范圍內(nèi)與正常區(qū)反射強(qiáng)度的差別情況

1.1.3　球形水果表面引起光照強(qiáng)度在投影面內(nèi)呈曲面分布，以及二維圖像上的透視區(qū)域與水果實(shí)際表面存在的畸變，給圖像的缺陷檢測(cè)帶來(lái)困難和造成誤差

Tao(1996)［2］提出的球形變換法很好地解決了第一個(gè)問(wèn)題?；舅枷肴鐖D3所示：帶缺陷的原始物體圖像（OOI）與該物體反表面無(wú)缺陷的圖像(IOI)相加得到變換后的物體圖像（TOI），此圖像具有平面物體圖像的性質(zhì)，而缺陷區(qū)低于該平面，然后經(jīng)過(guò)簡(jiǎn)單閾值處理即可得缺陷區(qū)。何東?。?997）［9］提出了缺陷透視圖像面積發(fā)生畸變的校正方法，但對(duì)復(fù)雜形狀的缺陷區(qū)進(jìn)行校正，還存在一定的困難。Nakano(1997)［7］利用一旋轉(zhuǎn)平臺(tái)使水果旋轉(zhuǎn)，每旋轉(zhuǎn)18°CCD攝像機(jī)采集一幅圖像，蘋(píng)果旋轉(zhuǎn)一周可得20幅圖像，為消除蘋(píng)果球面面積的畸變，每幅圖像只保留中間13 cm寬度的幅面，再全部合成一幅蘋(píng)果整個(gè)表面的展開(kāi)圖像，此法非常有效，但在分選生產(chǎn)線上實(shí)現(xiàn)比較困難。

圖3　球形變換方法

1.1.4　傳統(tǒng)的圖像處理及模式識(shí)別算法的速度不適合實(shí)時(shí)分選線的要求

國(guó)外一般采用高速圖像處理硬件與簡(jiǎn)單有效的圖像處理軟件相結(jié)合的途徑，來(lái)實(shí)現(xiàn)水果的實(shí)時(shí)分級(jí)。如Yang(1996)［5］利用的是Transputer系統(tǒng)、結(jié)構(gòu)光法和洪水算法；Growe等(1996)［1］研制的系統(tǒng)，圖像的大部分工作由流水線圖像處理硬件系統(tǒng)完成；Tao(1996)［2］采用的是專(zhuān)用Merlin圖像處理系統(tǒng)和簡(jiǎn)單有效的球形變換法，研制的蘋(píng)果分選系統(tǒng)已應(yīng)用到水果分選生產(chǎn)線上，其分選速度可達(dá)3 165個(gè)/min。國(guó)內(nèi)研究者（劉禾，1998，徐娟，1997，楊秀坤，1997，何東健，1997）［6，9～11］大多利用一般的微機(jī)和圖像采集卡，開(kāi)發(fā)了一些圖像處理和模式識(shí)別的新算法，如把人工神經(jīng)網(wǎng)絡(luò)、模糊理論、遺傳算法、圖像形態(tài)學(xué)、分形理論、小波理論及人工智能理論用于圖像特征的抽取和識(shí)別。但由于圖像處理的硬件速度太低，故只能限于靜態(tài)水果圖像分選的算法研究。此外，水果分級(jí)的算法應(yīng)具備人工分級(jí)的一些優(yōu)良性能，如學(xué)習(xí)與記憶功能，因?yàn)槟壳暗囊恍┓旨?jí)算法的訓(xùn)練樣本都比較少，而要分級(jí)的水果品種多變且量大。

1.2　水果內(nèi)部品質(zhì)無(wú)損檢測(cè)

反映水果內(nèi)部品質(zhì)的主要指標(biāo)有硬度、糖含量、酸度、口味及內(nèi)部缺陷等。目前國(guó)內(nèi)外研究的主要方法和存在的問(wèn)題如下。

1.2.1　水果的硬度檢測(cè)

水果的硬度可間接反映水果的成熟度、運(yùn)輸中的抗損壞性、儲(chǔ)藏期等。目前用于水果硬度檢測(cè)的方法主要有變形法和聲學(xué)法。

變形法就是在一定時(shí)間內(nèi)給水果施加一定的動(dòng)態(tài)力或沖擊力，然后根據(jù)測(cè)得的變形量確定水果的硬度。如Schmilovitch等（1995）［12］研制成功了棗子硬度自動(dòng)檢測(cè)系統(tǒng)，其原理是把棗子放在兩平板之間，在上面板施加5～8 N的動(dòng)態(tài)力，根據(jù)所測(cè)變形量的大小把棗子分成4個(gè)硬度等級(jí)。Delwiche(1991)［13］利用沖擊法研制了蘋(píng)果硬度自動(dòng)檢測(cè)系統(tǒng)，發(fā)現(xiàn)沖擊力會(huì)造成蘋(píng)果表面的輕微損傷。變形法只能測(cè)量水果表面的局部硬度，實(shí)際上，水果表面硬度變化較大，故限制了變形法的應(yīng)用。

聲學(xué)法包括聲波脈沖響應(yīng)法和超聲波法，聲波脈沖響應(yīng)法（20～1 500 Hz）就是利用一麥克風(fēng)測(cè)量受輕微敲擊水果的聲波強(qiáng)度，由此確定水果的硬度。Armstrong等（1993）［14］試驗(yàn)研究了所測(cè)聲波強(qiáng)度與水果硬度的關(guān)系，發(fā)現(xiàn)二者有很好的相關(guān)關(guān)系。此法的優(yōu)點(diǎn)是簡(jiǎn)單、無(wú)損，且能反映水果的整體硬度，缺點(diǎn)是必須注意周?chē)肼暤慕^緣及機(jī)械振動(dòng)的消除，此外水果形狀也影響測(cè)量精度。超聲波(＞20 000 Hz)法是根據(jù)超聲波在水果等介質(zhì)中傳播時(shí)，能量衰減系數(shù)的大小來(lái)確定水果硬度。但由于水果內(nèi)部含有較多氣隙且各向異性，故超聲波很難穿透整個(gè)水果。

1.2.2　糖含量、酸度、口味的自動(dòng)檢測(cè)

糖含量、酸度比較有潛力的檢測(cè)方法是近紅外法（NIR）和磁共振法（MR）。近紅外法又分穿透法、反射法和部分穿透法，部分穿透法原理如圖4所示。穿透法對(duì)水果不適應(yīng)，反射法一般用于水果表面特征的檢測(cè)，因此常用的方法是部分穿透法。由圖4可看出，在部分穿透法中，光線經(jīng)過(guò)的路徑比穿透法短，且入射光線與接收器有一夾角，此夾角的確定對(duì)測(cè)量起關(guān)鍵作用，此外二者之間必須加一隔板。884 nm和834 nm測(cè)得量的比值已用于桃子、蘋(píng)果（Slaughter ，1995）［15］糖含量的自動(dòng)測(cè)定。Slaughter等（1996）［16］對(duì)西紅柿，在400～1 100 nm的光譜范圍內(nèi)進(jìn)行部分穿透性測(cè)量試驗(yàn)，結(jié)果表明：800～1 000 nm范圍的信息對(duì)糖含量的確定最有用，測(cè)得的相關(guān)系數(shù)r＝0.92, 但酸度測(cè)量比較困難。Mizrach(1997)［17］利用超聲波法試驗(yàn)研究了超聲波衰減系數(shù)和芒果硬度、糖含量、酸度的關(guān)系，但其超聲波測(cè)量探頭必須與果面接觸，故限制了在線的應(yīng)用。因此，利用近紅外多光譜技術(shù)測(cè)定水果內(nèi)部糖含量及其他成分是很有前途的，為達(dá)到實(shí)時(shí)應(yīng)用的目的，應(yīng)進(jìn)一步確定最合適的一兩個(gè)波段并與計(jì)算機(jī)視覺(jué)技術(shù)結(jié)合。磁共振及磁共振成像（MRI）技術(shù)也是測(cè)定水果內(nèi)部成分的有效方法，其依據(jù)是物質(zhì)內(nèi)部的某些原子核（H、C、P等）在外部磁場(chǎng)作用下，可與射頻區(qū)域的電磁波輻射相互作用。Chen等(1996)［18］利用此法對(duì)鱷梨的成熟度和鮮杏梅的糖含量進(jìn)行了一些研究，得到了較好的結(jié)果。此法的主要缺點(diǎn)是設(shè)備昂貴。

圖4　部分穿透法

與水果的口味相關(guān)的化學(xué)成分主要是可揮發(fā)性芳香化合物，當(dāng)水果成熟時(shí)，就會(huì)在周?chē)諝庵猩l(fā)這種揮發(fā)性芳香氣體。Benady等（1995）［19］研制的電子傳感器可以測(cè)量這種氣體的濃度。

1.2.3　水果內(nèi)部缺陷的檢測(cè)

西瓜的內(nèi)部空心用超聲波檢測(cè)已比較成熟。其他缺陷的檢測(cè)，目前國(guó)外正研究利用X射線法、磁共振和磁共振成像技術(shù)等方法測(cè)量，因成本高及安全性等問(wèn)題，故很難在農(nóng)業(yè)中推廣應(yīng)用。

2　研究的途徑及方向探討

水果實(shí)時(shí)分級(jí)系統(tǒng)的進(jìn)一步研究應(yīng)從兩方面入手，一方面要加快水果外部品質(zhì)的計(jì)算機(jī)視覺(jué)實(shí)時(shí)分選技術(shù)的研究；另一方面也要進(jìn)行水果內(nèi)部品質(zhì)的無(wú)損檢測(cè)技術(shù)的研究。因?yàn)樗旨?jí)的主要目的是選出高質(zhì)量的水果，故水果內(nèi)外品質(zhì)的檢測(cè)技術(shù)都十分重要。

在水果的外部品質(zhì)檢測(cè)方面，應(yīng)進(jìn)行多種技術(shù)集成的應(yīng)用研究。

（1） 對(duì)于水果整個(gè)表面機(jī)器視覺(jué)快速檢測(cè)的問(wèn)題，可采用機(jī)械與光學(xué)技術(shù)相結(jié)合，設(shè)計(jì)合理的傳送機(jī)構(gòu)，既保證水果在傳送帶上比較平穩(wěn)地移動(dòng)，又可由視覺(jué)系統(tǒng)快速檢測(cè)到水果的全部表面。盡量減小因水果不規(guī)則運(yùn)動(dòng)造成的分級(jí)誤差、損傷及圖像的模糊。

（2） 對(duì)于果梗、萼區(qū)與缺陷的檢測(cè)與視覺(jué)區(qū)分方面，應(yīng)采用多光譜技術(shù)與機(jī)器視覺(jué)技術(shù)相結(jié)合，研究水果圖像上可疑缺陷區(qū)的關(guān)鍵特征參數(shù)的抽取方法，得到簡(jiǎn)單、有效、快速的圖像處理和識(shí)別方法。

（3） 在球形果面造成的光反射強(qiáng)度呈曲面分布及曲面成像面積的畸變問(wèn)題，可從光照設(shè)計(jì)、圖像合成及軟件補(bǔ)償3方面綜合考慮。光照的充分設(shè)計(jì)可解決第一個(gè)問(wèn)題；多幅圖像的有效合成，可解決畸變問(wèn)題。我們通過(guò)試驗(yàn)表明：一個(gè)水果至少應(yīng)采集5幅圖像，然后再合成為一幅，可基本保證水果整個(gè)表面上缺陷的有效檢測(cè)，以避免畸變誤差。軟件補(bǔ)償?shù)姆椒ū仨毢?jiǎn)單而有效，以適合高速的要求。

（4） 在實(shí)時(shí)系統(tǒng)的圖像處理器硬件設(shè)計(jì)方面，首先應(yīng)采取先進(jìn)的并行CPU芯片，如TMS320C80等；其次處理板的設(shè)計(jì)應(yīng)與視覺(jué)系統(tǒng)結(jié)合起來(lái)考慮，如采集多路視覺(jué)信號(hào)的合成問(wèn)題，機(jī)械機(jī)構(gòu)與視覺(jué)系統(tǒng)的同步電路設(shè)計(jì)等。當(dāng)然，也可引進(jìn)國(guó)外比較成熟的高速圖像處理主板，而其他技術(shù)可由國(guó)內(nèi)自行開(kāi)發(fā)，這樣可以加快國(guó)內(nèi)水果實(shí)時(shí)分級(jí)系統(tǒng)實(shí)現(xiàn)自動(dòng)化的步伐。

（5） 在圖像處理和識(shí)別的軟件設(shè)計(jì)方面，應(yīng)把傳統(tǒng)方法與現(xiàn)代新方法（神經(jīng)網(wǎng)絡(luò)，并行算法，遺傳算法，模糊技術(shù)，人工智能，圖像形態(tài)學(xué)，分形學(xué)，小波變換等）結(jié)合起來(lái)，改變傳統(tǒng)圖像信息的超數(shù)據(jù)量表達(dá)方式，尋求圖像表達(dá)與解釋的新方法，力求圖像處理和識(shí)別算法的快速性、有效性及魯棒性。

在水果內(nèi)部品質(zhì)檢測(cè)方面，聲學(xué)振動(dòng)法是實(shí)現(xiàn)硬度自動(dòng)檢測(cè)的有效方法，但應(yīng)設(shè)法消除影響測(cè)量精度的因素，并進(jìn)行在生產(chǎn)線上的應(yīng)用開(kāi)發(fā)；近紅外局部投射法和磁共振法是水果糖含量、酸度等內(nèi)部成分自動(dòng)檢測(cè)的有效方法。在國(guó)內(nèi)，近紅外局部投射法更有應(yīng)用前景，應(yīng)進(jìn)一步研究其通用性、穩(wěn)定性和實(shí)用性；內(nèi)部缺陷的無(wú)損檢測(cè)應(yīng)進(jìn)一步研究新原理和新方法，應(yīng)采取自己開(kāi)發(fā)和從國(guó)外引進(jìn)相結(jié)合的方式。此外，應(yīng)進(jìn)行多種傳感器測(cè)量信息集成技術(shù)的研究，這是水果內(nèi)外品質(zhì)實(shí)現(xiàn)實(shí)時(shí)自動(dòng)檢測(cè)與分級(jí)的有效途徑。

3　結(jié)語(yǔ)

利用各種現(xiàn)代技術(shù)的高度集成，在水果分選生產(chǎn)線上同時(shí)完成水果內(nèi)外品質(zhì)的檢測(cè)與分級(jí)是將來(lái)進(jìn)一步研究的方向和目的。隨著科學(xué)技術(shù)的飛速發(fā)展，在我國(guó)近期有望實(shí)現(xiàn)農(nóng)產(chǎn)品品質(zhì)的自動(dòng)化檢測(cè)與分級(jí)。

機(jī)器視覺(jué)與機(jī)器人在汽車(chē)零部件檢測(cè)方面的發(fā)展方向如何？

機(jī)器視覺(jué)與機(jī)器人在汽車(chē)零部件檢測(cè)方面的發(fā)展方向如何？

【機(jī)器視覺(jué)技術(shù)的發(fā)展趨勢(shì)】機(jī)器視覺(jué)的概念起始于20世紀(jì)60年代，最先的應(yīng)用來(lái)自"機(jī)器人"的研制。最早基于視覺(jué)的機(jī)器系統(tǒng)，先由視覺(jué)系統(tǒng)采集圖像并進(jìn)行處理，然后通過(guò)計(jì)算估計(jì)目標(biāo)的位置來(lái)控制機(jī)器運(yùn)動(dòng)。1979年提出了視覺(jué)伺服概念，即可以將視覺(jué)信息用于連續(xù)反饋，提高視覺(jué)定位或追蹤的精度。

1、60年代：MIT(MassachusettsInstituteofTechnology)的Roberts通過(guò)計(jì)算機(jī)程序從數(shù)字圖像中提取出諸如立方體、楔形體、棱柱體等多面體的三維結(jié)構(gòu)，并對(duì)物體形狀及物體的空間關(guān)系進(jìn)行描述．他的研究工作開(kāi)創(chuàng)了以理解三維場(chǎng)景為目的的三維計(jì)算機(jī)視覺(jué)研究。

2、70年代：首次提出較為完整的視覺(jué)理論，已經(jīng)出現(xiàn)了一些視覺(jué)應(yīng)用系統(tǒng)．70年代中期，MIT人工智能(ArtificialIntelligence)實(shí)驗(yàn)室正式開(kāi)設(shè)"機(jī)器視覺(jué)"課程。1973年MITAILab吸引了國(guó)際上許多知名學(xué)者參與視覺(jué)理論、算法、系統(tǒng)設(shè)計(jì)的研究，D.Marr教授就是其中的一位．他于1973年應(yīng)邀在MITAILab領(lǐng)導(dǎo)一個(gè)以博士生為主體的研究小組，1977年提出了視覺(jué)計(jì)算理論兄備(VisionComputationalTheory)，該理論在80年代成為計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)十分重要的理論框架。

3、80年代中期：計(jì)算機(jī)視覺(jué)獲得蓬勃發(fā)展，新概念、新方法、新理論不斷涌現(xiàn)。我國(guó)早期正式介紹計(jì)算機(jī)視覺(jué)的文獻(xiàn)：計(jì)算機(jī)視覺(jué)：一個(gè)興起的研究領(lǐng)域，計(jì)算機(jī)應(yīng)用與，1984年第3期。

4、90年代中期：深入發(fā)展、廣泛應(yīng)用的時(shí)期。

隨著微處理器、半導(dǎo)體技術(shù)的進(jìn)步，以及勞動(dòng)力成本上升和高質(zhì)量產(chǎn)品的需求，國(guó)外機(jī)器視覺(jué)于20世紀(jì)90年代進(jìn)入高速發(fā)展期，廣泛運(yùn)用于工業(yè)控制領(lǐng)域。根據(jù)工業(yè)環(huán)境的不同，全球機(jī)器視覺(jué)主要分為以下兩類(lèi)：

一類(lèi)是用于大規(guī)?；蛘吒邷y(cè)試要求的生產(chǎn)線上，如包裝、印刷、分揀等，或者在野外、核電等不適合人員工作的環(huán)境中，利用機(jī)器散笑視覺(jué)方式代替?zhèn)鹘y(tǒng)人工測(cè)量或檢試，同時(shí)實(shí)現(xiàn)人工條件下無(wú)法達(dá)到的可靠性、精確度及自動(dòng)化程度。

另一類(lèi)應(yīng)用是必須用到高性能、精密機(jī)器視覺(jué)組件的專(zhuān)業(yè)設(shè)備制造，典型代表是最早帶動(dòng)整個(gè)機(jī)器視覺(jué)行業(yè)崛起的半導(dǎo)體制造設(shè)備。從上游晶圓加工制造的分類(lèi)切割，到末端電路板印刷、貼片，這類(lèi)設(shè)備都依賴(lài)于高精度的視覺(jué)測(cè)量以對(duì)運(yùn)動(dòng)部件進(jìn)行導(dǎo)引與定位。例如，如果錫膏印刷工序存在定位偏差，且該問(wèn)題直到芯片貼裝后的在線測(cè)試才被發(fā)現(xiàn)，那么返修的成本將會(huì)是原成本的100倍以上。

機(jī)器視覺(jué)發(fā)展至今，早已不是單一的應(yīng)用產(chǎn)品。機(jī)器視覺(jué)的軟硬件產(chǎn)品已逐漸成為生產(chǎn)制造各個(gè)階段的必要部分，這就對(duì)于系統(tǒng)的集成性提出了更高的要求。工業(yè)自動(dòng)化要求能夠與測(cè)試或控制系統(tǒng)協(xié)同工作的一體化工業(yè)自動(dòng)化系統(tǒng)，而非獨(dú)立的視覺(jué)應(yīng)用。在現(xiàn)代自動(dòng)化生產(chǎn)過(guò)程中，人們將機(jī)器視覺(jué)系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗(yàn)和質(zhì)量控制等領(lǐng)域。

國(guó)內(nèi)哪些汽車(chē)零部件生產(chǎn)線用了機(jī)器人

國(guó)產(chǎn)汽車(chē)大多數(shù)汽車(chē)零部件生產(chǎn)線用了工業(yè)機(jī)器人，汽車(chē)這種比較高科技，各種標(biāo)準(zhǔn)都相當(dāng)規(guī)范嚴(yán)格的行業(yè)不可能用人工的。

機(jī)器視覺(jué)中，如何檢測(cè)金屬部件的缺陷？

你把金屬部件的圖像處理一下，根據(jù)要檢測(cè)的要求，判定缺陷

減速機(jī)的發(fā)展方向如何

現(xiàn)在中國(guó)的機(jī)械產(chǎn)品越來(lái)越多,減速機(jī)是驅(qū)動(dòng)必要!

食品營(yíng)養(yǎng)與檢測(cè)這個(gè)專(zhuān)業(yè)的發(fā)展方向如何

本專(zhuān)業(yè)培養(yǎng)具有食品分析和檢測(cè)的基本知識(shí)和基本理論，掌握食品營(yíng)養(yǎng)成分及衛(wèi)生指標(biāo)檢測(cè)技術(shù)，能勝任食品企業(yè)、商檢部門(mén)、食品衛(wèi)生監(jiān)督管理部門(mén)的安全衛(wèi)生檢測(cè)和管理工作的高級(jí)實(shí)用型人才。 本專(zhuān)業(yè)開(kāi)設(shè)的主要專(zhuān)業(yè)課程有： 無(wú)機(jī)及分析化學(xué)、有機(jī)化學(xué)、計(jì)算機(jī)應(yīng)用基礎(chǔ)、食品分析、食品營(yíng)養(yǎng)學(xué)、食品衛(wèi)生學(xué)、食品感官檢驗(yàn)、食品理化檢驗(yàn)、動(dòng)物衛(wèi)生檢疫、食品衛(wèi)生法規(guī)、儀器分析、食品微生物檢驗(yàn)、食品工藝學(xué)概論、食品微生物等。 本專(zhuān)業(yè)的就業(yè)方向： 食品加工企業(yè)，食品質(zhì)量監(jiān)督單位，化工、醫(yī)藥、環(huán)保等部門(mén)。我個(gè)人認(rèn)為，有發(fā)展前景

主要還是進(jìn)食品企業(yè)做質(zhì)檢工作。。也可以往事業(yè)單位或者公務(wù)員沖塵含方向做些嘗試

汽車(chē)零部件的發(fā)展需要依靠整車(chē)的發(fā)展嗎？

依靠這是相對(duì)的

整車(chē)的發(fā)展確實(shí)是能帶動(dòng)零部件產(chǎn)業(yè)的發(fā)展，這一點(diǎn)是毋庸置疑的。但是說(shuō)零部件依靠整車(chē)，這不一定，都知道中國(guó)的勞動(dòng)力生產(chǎn)成本低，所以許多的跨國(guó)公司都可以利用中國(guó)這個(gè)世界工廠來(lái)生產(chǎn)他們的零部件。所以零部件的發(fā)展是掌握關(guān)鍵技術(shù)，提高競(jìng)爭(zhēng)力。

汽車(chē)零部件ELV檢測(cè)幾年檢一次

這要看是汽車(chē)內(nèi)飾件還是外飾件，金屬件還是塑料件，等等信息；我們是做內(nèi)飾塑料件的，我們一般一年對(duì)產(chǎn)品做一次，平時(shí)對(duì)供應(yīng)商也有這方面的要求；ELV主要看汽車(chē)主機(jī)廠是怎么要求的啊

工業(yè)機(jī)器人未來(lái)發(fā)展方向是什么

工業(yè)機(jī)器人正向著智能化方向發(fā)展，而智能工業(yè)機(jī)器人將成為未來(lái)的技術(shù)制高點(diǎn)和經(jīng)濟(jì)增長(zhǎng)點(diǎn)。

要想跟上未來(lái)工業(yè)發(fā)展，工業(yè)機(jī)器人技術(shù)是先進(jìn)制造技術(shù)的代表。首要任務(wù)是提高工業(yè)機(jī)器人的智能化技術(shù)。智能化技術(shù)可以提高機(jī)器人的工作能力和使用性能。智能化技術(shù)的發(fā)展將推動(dòng)著機(jī)器人技術(shù)的進(jìn)步，未來(lái)智能化水平將標(biāo)志著機(jī)器人的水平，雖然目前還有很多問(wèn)題需要解決，但隨著科學(xué)技術(shù)的進(jìn)步，會(huì)逐漸改進(jìn)發(fā)展。未來(lái)的智能化方向不會(huì)改變，并且會(huì)將機(jī)器人產(chǎn)品拓展到更多行業(yè)，形成完備的系統(tǒng)?，F(xiàn)今我國(guó)人工利息不時(shí)上升的大環(huán)境下，工業(yè)機(jī)器人必將迅速發(fā)展，逐漸成為工廠自動(dòng)化生產(chǎn)線的主要發(fā)展形式。

近年來(lái)，智能機(jī)器人越來(lái)越多的介入到了人類(lèi)的生產(chǎn)和生活中，人工智能技術(shù)不僅在西方國(guó)家發(fā)展勢(shì)頭強(qiáng)勁，在中國(guó)的發(fā)展前景也同樣引人注目，業(yè)內(nèi)人士分析表示，中國(guó)已然是全球機(jī)器人行業(yè)增長(zhǎng)最快的市場(chǎng)，國(guó)內(nèi)的高增長(zhǎng)將使得中國(guó)未來(lái)兩年內(nèi)超越日本，成為世界上最大的工業(yè)機(jī)器人市場(chǎng)。

在近段時(shí)間里，美國(guó)谷歌(Google)公司陸續(xù)收購(gòu)多家與智能機(jī)器人有關(guān)的技術(shù)公司，這引發(fā)了外界的廣泛關(guān)注。該公司是目前世界上最具創(chuàng)新意識(shí)和研發(fā)能力的科技公司之一;雖然它最為人所熟知的業(yè)務(wù)范圍是搜索、廣告和云計(jì)算，但在最近卻重金砸向智能機(jī)器人產(chǎn)業(yè)。中國(guó)知名學(xué)者周海中教授認(rèn)為，谷歌進(jìn)軍智能機(jī)器人領(lǐng)域正其時(shí)，它看到了未來(lái)的技術(shù)制高點(diǎn)和經(jīng)濟(jì)增長(zhǎng)點(diǎn)；此舉意義深遠(yuǎn)，它采取了新的發(fā)展模式，為其長(zhǎng)遠(yuǎn)利益作打算。

機(jī)器視覺(jué)行業(yè)發(fā)展前景

1、機(jī)器視覺(jué)產(chǎn)業(yè)鏈結(jié)構(gòu)

機(jī)器視覺(jué)行業(yè)的上游有爛磨光源、鏡頭、工業(yè)相機(jī)、圖像采集卡、機(jī)器視覺(jué)軟件等的提供商。行業(yè)下游應(yīng)用較廣，主要下游市場(chǎng)是半導(dǎo)體和電子制造行業(yè)。除此之外還有應(yīng)用到汽車(chē)、印刷包裝、農(nóng)業(yè)、醫(yī)療設(shè)備和金屬加工等領(lǐng)域。

2、研發(fā)投入聚焦前沿技術(shù)領(lǐng)域

2019-2021年，中國(guó)機(jī)器視覺(jué)行業(yè)研發(fā)投租歷碰入從14.6億元增長(zhǎng)至31.0億元，年均復(fù)合增長(zhǎng)為45.7%。從研發(fā)投入占比看，AI驅(qū)動(dòng)的解決方案研發(fā)投入最高，2021年，AI驅(qū)動(dòng)的解決方案研發(fā)投入占全行業(yè)研發(fā)投入的比例為21.8%，其次是嵌入式視覺(jué)系統(tǒng)。3D解決方案研發(fā)投入增長(zhǎng)率最快，2019-2021年，3D解決方案方向研發(fā)投入從2.3億元增長(zhǎng)至6.5億元。

3、零部件環(huán)節(jié)成本占比超60%

表面上看，國(guó)內(nèi)市場(chǎng)逐漸形成了“國(guó)產(chǎn)”替代“進(jìn)口”的扭轉(zhuǎn)現(xiàn)象，但從我國(guó)機(jī)器視覺(jué)系統(tǒng)成本結(jié)構(gòu)來(lái)看，就會(huì)發(fā)現(xiàn)，零部件環(huán)節(jié)的占比超過(guò)60%，底層軟件系統(tǒng)開(kāi)發(fā)占比達(dá)到19.88%。其中，元器件成本中，相機(jī)占比弊談最大，達(dá)到27.11%。

目前我國(guó)的高端機(jī)器視覺(jué)核心組件設(shè)備大多來(lái)自國(guó)外企業(yè)，如高端鏡頭、高端CCD和CMOS、智能相機(jī)、高速圖像處理軟件等，高端核心技術(shù)還是被國(guó)外巨頭把控，國(guó)內(nèi)企業(yè)主要還是集中在生產(chǎn)光源、板卡、圖像軟件、相機(jī)和機(jī)器視覺(jué)集成系統(tǒng)方面。國(guó)內(nèi)機(jī)器視覺(jué)產(chǎn)品在整體實(shí)力上還沒(méi)出現(xiàn)能與康耐視、思奧特 等對(duì)標(biāo)的企業(yè)，國(guó)內(nèi)機(jī)器視覺(jué)企業(yè)要在軟硬件的技術(shù)方面下足苦功夫，才有可能打破關(guān)鍵技術(shù)被卡脖子的局面。

4、上游零部件技術(shù)壁壘高占據(jù)產(chǎn)業(yè)價(jià)值鏈高點(diǎn)

機(jī)器視覺(jué)核心價(jià)值集中于產(chǎn)業(yè)鏈上游，硬件工藝與軟件算法決定產(chǎn)品技術(shù)天花板。機(jī)器視覺(jué)設(shè)備價(jià)值可拆分為上游零部件與軟件、中游組裝集成與售后維護(hù)，其中上游占據(jù)了80%價(jià)值量，技術(shù)壁壘最高;硬件部分當(dāng)中工業(yè)相機(jī)價(jià)值占比達(dá)50%以上，由圖像傳感器、圖像采集卡與各類(lèi)芯片組成，技術(shù)壁壘較高。

更多本行業(yè)研究分析詳見(jiàn)前瞻產(chǎn)業(yè)研究院《中國(guó)機(jī)器視覺(jué)產(chǎn)業(yè)發(fā)展前景與投資預(yù)測(cè)分析報(bào)告》

請(qǐng)問(wèn)各位同行，做機(jī)器視覺(jué)檢測(cè)的，國(guó)內(nèi)或者國(guó)外那些公司做的最好？

你主要想了解哪方面呢？因?yàn)闄C(jī)器視覺(jué)也算是一個(gè)行業(yè)，所以很多公司也只做一部分的東西，如只做相機(jī)，只做鏡頭，只做光好塌源等。國(guó)外有CCS、VST、COMPUTAR、KOWA、OMRON、KENCYE、PANASONIC、SONY、COGNEX、AVT、BASLER、THEIMAGESOURCE、POINTGREY、NI等等，陪碧國(guó)內(nèi)有大恒、微視、凌云、視覺(jué)龍、奧友亂圓普特、凱斯瑞、三姆森、思奧特 、東冠等。

機(jī)器視覺(jué)光源的發(fā)展

如今，中國(guó)正成為世界機(jī)器視覺(jué)發(fā)展最活躍的地區(qū)之一，應(yīng)用范圍涵蓋了工業(yè)、農(nóng)業(yè)、醫(yī)藥、軍事、航天、氣象、天文、公安、交通、安全、科研等國(guó)民經(jīng)濟(jì)的各個(gè)行業(yè)。其重要原因是中國(guó)已經(jīng)成為全球制造業(yè)的加工中心，高要求的零部件加工消明讓及其相應(yīng)的先進(jìn)生產(chǎn)線，使許多具有國(guó)際先進(jìn)水平的機(jī)器視覺(jué)系統(tǒng)和應(yīng)用經(jīng)驗(yàn)也進(jìn)入了中國(guó)。

經(jīng)歷過(guò)長(zhǎng)期的蟄伏，2010年我國(guó)機(jī)器視覺(jué)市場(chǎng)迎來(lái)了爆發(fā)式增長(zhǎng)。據(jù)數(shù)據(jù)顯示，當(dāng)年，我國(guó)機(jī)器視覺(jué)市場(chǎng)規(guī)模達(dá)到8.3億元，同比增長(zhǎng)48.2%，其中智能相機(jī)、軟件、光源和板卡的增長(zhǎng)幅度都達(dá)到了50%，工業(yè)相機(jī)和鏡頭也保持了40%以上的增幅，皆為2007年以來(lái)的最高水平。

2011年，我槐碰國(guó)機(jī)器視覺(jué)市場(chǎng)步入后增長(zhǎng)調(diào)整期。相較2010年的高速增長(zhǎng)，雖然增長(zhǎng)率有所下降，但仍保持很高的水平。2011年中國(guó)機(jī)器視覺(jué)市場(chǎng)規(guī)模為10.8億元，同比增長(zhǎng)30.1%，增速同比2010年下降18.1個(gè)百分點(diǎn)，其中智能相機(jī)、工業(yè)相機(jī)、軟件和板卡都保持了不低于30%的增速，光源也達(dá)到了28.6%的增長(zhǎng)幅度，增幅遠(yuǎn)高于中國(guó)整體自動(dòng)化市場(chǎng)的增長(zhǎng)速度。電子制造行業(yè)仍然是拉動(dòng)需求高速增長(zhǎng)的主要因素。2011年機(jī)器視覺(jué)產(chǎn)拿局品電子制造行業(yè)的市場(chǎng)規(guī)模為5.0億人民幣，增長(zhǎng)35.1%。市份額達(dá)到了46.3%。電子制造、汽車(chē)、制藥和包裝機(jī)械占據(jù)了近70%的機(jī)器視覺(jué)市場(chǎng)份額。

OPT機(jī)器視覺(jué)光源-世界級(jí)光源企業(yè)

可以了解下51camera自主研發(fā)的機(jī)器視覺(jué)光源

ZQA-3000W 為51camera自主研發(fā)，專(zhuān)為復(fù)雜環(huán)境下視覺(jué)照余轎閉明使用的光源。具有照射范圍大，亮度高，亮度穩(wěn)定等優(yōu)點(diǎn)。在高速頻閃的工作模式下可以精準(zhǔn)控豎裂制點(diǎn)亮?xí)r刻及點(diǎn)亮?xí)r間；可以在高速、遠(yuǎn)距離、大范圍、危險(xiǎn)環(huán)境、高溫、光線干擾等各種環(huán)境下為視覺(jué)系統(tǒng)提供可靠的照明。

ZQA-3000W 選用超高品質(zhì)材料，瞬間亮度超高、穩(wěn)定性好。在指定大小區(qū)域內(nèi)，可以達(dá)到 1000000Lux 以上瞬間亮度。產(chǎn)品可無(wú)衰減點(diǎn)亮 10^10 次以上。

ZQA-3000W 采用獨(dú)有技術(shù)，可瞬間增亮至普通光源的十倍以上。 驅(qū)動(dòng)電路為自主研發(fā)電路，點(diǎn)亮?xí)r間可做 us 級(jí)調(diào)節(jié)，可提供反接保護(hù)，過(guò)載保護(hù)等。

應(yīng)用場(chǎng)景

公路智能交通

軌道交通

隧道檢測(cè)

大型工件定位及檢測(cè)

機(jī)器人抓取

安全與監(jiān)控

醫(yī)藥生產(chǎn)

化學(xué)生產(chǎn)

高溫狀態(tài)下物帆滲體檢測(cè)

想了解更多機(jī)器視覺(jué)光源產(chǎn)品及光源選擇相關(guān)內(nèi)容可登錄：網(wǎng)頁(yè)鏈接