机器视觉技术

" 机器视觉" ，即采用机器代替人眼来做测量和判断。
　　机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）把图像抓取到，然后将该图像传送至处理单元，通过数字化处理，根据像素分布和亮度、颜色等信息，来进行尺寸、形状、颜色等的判别。进而根据判别的结果来控制现场的设备动作。
　　机器视觉伴随计算机技术、现场总线技术的发展，技术日臻成熟，已是现代加工制造业不可或缺的产品，广泛应用于食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装、汽车制造等行业。
　　机器视觉的引入，代替传统的人工检测方法，极大地提高了投放市场的产品质量，提高了生产效率。

由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；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。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。
　　总之，随着机器视觉技术自身的成熟和发展，可以预计它将在现代和未来制造企业中得到越来越广泛的应用。
　　　　
　　　　　　机器视觉工业检测系统类型
　　机器视觉工业检测系统就其检测性质和应用范围而言，分为定量和定性检测两大类，每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃，如：印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外，在许多其它方法难以检测的场合，利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作，这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平。
　　　　
　　　　　　机器视觉在质量检测中的应用实例　
　　机器视觉系统在质量检测的各个方面得到了广泛的应用，例如：采用激光扫描与CCD 探测系统的大型工件平行度、垂直度测量仪，它以稳定的准直激光束为测量基线，配以回转轴系，旋转五角标棱镜扫出互相平行或垂直的基准平面，将其与被测大型工件的各面进行比较。在加工或安装大型工件时，可用该认错器测量面间的平行度及垂直度。
　　以频闪光作为照明光源，利用面陈和线陈CCD 作为螺纹钢外形轮廓尺寸的探测器件，实现热轧螺纹钢几何参数在线测量的动态检测系统。
　　视觉技术实时监控轴承的负载和温度变化，消除过载和过热的危险。将传统上通过测量滚珠表面保证加工质量和安全操作的被动式测量变为主动式监控。
　　用微波作为信号源，根据微波发生器发出不同波涛率的方波，测量金属表面的裂纹，微波的波的频率越高，可测的裂纹越狭小。
　　总之，类似的实用系统还有许多，这里就不一一概述了。下面我们较详细地介绍三个实用机器视觉系统。

     韩国  Phoenics  公司（三星旗下公司）生产的  AOI  设备（自动光学检测机）代表当今  PCB 检测设备的最高水平，替代肉眼全面检测  PCB  的贴装及焊锡状况。

主要特性：  

  使用高分辨率数字彩色摄像头，最高达到  1600 × 1200  像素（  6CS  系列）。  

    共  5  个摄像头，中间  1  个彩色，周围  4  个黑白。  

 256  级亮度白光  LED  ，自动调整照明亮度及照明角度。  
 
  检查速度  9  ～   18.8CM  2 /Sec 

 PCB  面积：最小  W 50mm  × L 50mm   ，最大  W 480mm  × L 530mm  

  不良品实时侦测与提醒。  

  自动学习功能，导入  CAD  或  Mounter  数据。  

  离线程序的编辑，制作新程序时不影响生产。  

  相同设备的数据实现机器间拷贝。  

  远程控制功能。  

有不良品分选设备（  NG BUFFER  ）供配套，实现自动筛选。

摘要： 随着线路板的复杂程度和元件密度的不断增加，生产过程中对 PCB 的自动检测成为保证高质量、高良率的必要的关键步骤。

　　在今天的 SMT 生产线上，应用有各种不同的检测方法，包括电气测试、 X- 射线检测和光学检测。其中光学检测尽管并非普遍适用，却能满足大多数回流前和回流后的检测需求，仍是速度最快、成本最低的解决方案。

　　自动光学检测 (AOI) 指的是通过在受控照明条件下使检测目标（如 PCB 的一部分）成像进行的目标检测。复杂的机器视觉算法确定该目标是否符合生产标准。 AOI 通常用于检测焊膏沉积、零部件到位 / 缺失、贴装定位、极性与类型 / 赋值校验 (OCR/OCV) 、焊剂以及焊点质量。其中焊点检测尤其重要。

　　本文概述了日前应用的各种不同 AOI 技术，并专门讨论其中一种新兴技术，即固态建模 (SSM) 技术，并分析这一方法的优势所在。

　　传统的 3-D AOI 技术

　　从检测图像中可以萃取出不同类型的信息。其表面颜色一直被成功用于检查零部件在位 / 缺失。而对于焊点检测，要精确确定焊点质量，形状信息比颜色信息更有用。在零部件的颜色与基板颜色相似的情况下，形状信息也很有用。因此，在 AOI 系统中，捕获和重建 3-D 形状的能力是非常必要的。

　　 PCB 检测所需的能在微米解析度水平下工作的传统 3-D 成像技术，包括立体成像、激光成型（ laser profiling ）和共聚焦显微镜技术。其中有些技术，如共聚焦扫描，对于在线检测来说费时太多，而另外一些技术，如传播时间方法（ time-of-flight methods ），又不能提供 PCB 检测所需的解析度。

　　激光成型技术是一种成功应用于 AOI 系统中的 3-D 成像技术。一条激光细线与相机呈某一角度发射到检测目标上。然后就用这条细线在相机图像中的偏移来迅速确定照亮点的高度。在目标上扫描该激光线图案，就能构成目标表面完全的深度外形轮廓。

　　相同的三角测量方法扩展到了其他结构化光技术上，把栅格图案或复合频率扫描图案投射到目标表面，而消除了对目标表面进行扫描的需要。

　　尽管这些技术对许多种类的目标都是有效的，但对于焊点的镜像反射表面却效果不佳，因为光是以极窄范围的角度反射回来，很可能完全没有达到相机的光圈，结果导致目标高度不准确。

　　在立体成像技术中，采用两架相机从不同位置观察目标，拍摄目标的两个图像。为了获得 3-D 信息，先用搜索算法确定两张图像的哪些象素与目标上的点相对应（象素对应），依据是其图案 / 构造 / 边缘的匹配程度。其次，对每对相对应的象素的差异程度进行计算。已知相机间的距离和放大倍数，其差异值可转化为相机到目标的距离，进而形成关于可见目标表面的距离图。

　　在 AOI 中应用立体成像技术存在实际困难。为了解决象素对应的问题，两架相机的视域需要相当程度的重迭。在通常用于 PCB 检测的放大水平条件下，透镜必须安置在比大多数高质量透镜尺寸大小所允许的更近得多的位置上。于是，要么必须采用更低质量的占空间小的透镜，放大倍数减小；要么相机必须彼此呈某一角度放置，增加了透视全景校正的计算成本。对于那些表面图案很少的目标，如黑色元件或焊点的光滑金属表面，象素对应是模糊的，使得其差异结果分析不确定。由于把立体成像技术应用到 AOI 中出现的模糊性和复杂性，多台相机（有的 AOI 系统采用 10 台甚至更多）并不会自动形成 3-D 信息。

完全的深度外形轮廓并非描述目标形状的唯一方法。像表面倾斜这样的表面特性也提供关于目标形状的信息。有的 AOI 系统就是用来捕获这类信息的。在带有照明环的系统中，单一的相机对从不同角度照明的目标成像。以低角度照明光拍摄的图像显示出倾斜度大的区域，而以高角度光拍摄的图像则显示出平坦的区域。既然采用单架相机，单个图像采来的信息已经相互匹配，不再需要解决象素对应的问题。事实上，采用单相机和多照明的 AOI 系统，为开发出更加复杂的 3-D 成像系统提供了良好的起点。

[url]http://www.china-vision.net/News/xwzx/[/url]( 机器视觉网 )