隨著制造業(yè)的發(fā)展，智能制造技術(shù)日漸成為實(shí)現(xiàn)制造的知識化、自動化、柔性化以實(shí)現(xiàn)對市場的快速響應(yīng)的關(guān)鍵技術(shù)。

其主要應(yīng)用包括基于神經(jīng)網(wǎng)絡(luò)的智能檢測、故障診斷、識別、設(shè)計、優(yōu)化，基于遺傳算法的優(yōu)化設(shè)計，基于規(guī)則、基于框架的專家系統(tǒng)，基于類比推理、歸納學(xué)習(xí)與基于實(shí)例推理的知識系統(tǒng)，基于Agent技術(shù)的分布式智能制造系統(tǒng)等等。

智能制造主要關(guān)注于高端裝備制造，在制造過程中進(jìn)行分析推理、判斷、思考、決策等活動。智能制造系統(tǒng)從原始的能量驅(qū)動轉(zhuǎn)變?yōu)樾畔Ⅱ?qū)動，這對于制造系統(tǒng)的靈活性和數(shù)字化提出了很高的要求。

在智能制造系統(tǒng)中，原始信息的采集是最基礎(chǔ)的工作，原始信息推動著整個系統(tǒng)的決策和工作。機(jī)器視覺技術(shù)作為當(dāng)前的熱門技術(shù)之一，具有高度的靈活性，能適應(yīng)各種生產(chǎn)環(huán)境，擁有強(qiáng)大的理論支持，在智能制造領(lǐng)域得到了廣泛的應(yīng)用。

本文針對于智能制造，介紹了機(jī)器視覺的相關(guān)關(guān)鍵以及其在制造過程中的相關(guān)應(yīng)用，并基于此探討機(jī)器視覺在未來先進(jìn)制造、智能制造中的應(yīng)用前景。

 機(jī)器視覺在智能制造中的應(yīng)用

機(jī)器視覺的應(yīng)用優(yōu)勢在于無需與被測物體進(jìn)行接觸，因此被測物體和測量裝置操作過程中都不會產(chǎn)生損壞，是一種相對于而言更安全可靠的檢測手段。此外，測量裝置的適用范圍和互換性都非常的廣泛，不僅僅局限于某一類物體。理論而言，機(jī)器視覺技術(shù)甚至可以用來探測人眼無法觀察到的部分，例如紅外線、微波、超聲波等，通過傳感器可以將這些信息進(jìn)行捕獲和處理，從而拓展了人類的視覺范圍。相對機(jī)器視覺而言，人類視覺容易受到個體狀態(tài)的影響，難以進(jìn)行長時間的觀測，在惡劣下表現(xiàn)不理想，因此，機(jī)器視覺技術(shù)常常用于長時間檢測工作和在線處理，以及人類無法工作的極端環(huán)境下。

正是因?yàn)檫@些特性，機(jī)器視覺技術(shù)被廣泛應(yīng)用于工業(yè)生產(chǎn)的各個步驟。在智能制造體系中，機(jī)器視覺的應(yīng)用主要可以歸納為四個方向：尺寸測量、物體定位、零件檢測、圖像識別。

1、 尺寸測量

隨著制造工藝的不斷提高，工業(yè)產(chǎn)品尤其是大型構(gòu)件的外形設(shè)計日趨復(fù)雜。同時，由于大型構(gòu)件的體積和重量限制，不便于經(jīng)常移動，給傳統(tǒng)的測量方式帶來了巨大的困擾。機(jī)器視覺測量技術(shù)是一種基于光學(xué)成像、數(shù)字圖像處理、計算機(jī)圖形學(xué)的無接觸的測量方式，擁有嚴(yán)密的理論基礎(chǔ)，測量范圍更廣，而且相對于傳統(tǒng)測量方式而言，擁有更高的測量精度和效率。

根據(jù)不同的光照方式和幾何關(guān)系，視覺檢測方法可以分為兩種：被動視覺探測和主動視覺檢查。被動視覺探測直接采用了原始圖像，這些在工業(yè)環(huán)境中獲取的原始圖像并沒有明顯的特征信息；而主動檢測方式能夠主動的去產(chǎn)生所需的特征信息，從而避免立體特征匹配困難，所以在工業(yè)檢測中應(yīng)用范圍更廣。

主動視覺檢測方式包括激光測距、云紋干涉法、簡單三角形法，結(jié)構(gòu)光法與時差法等方法。例如魏振忠[10]提出了一種基于結(jié)構(gòu)光視覺傳感器的物體測量方法，可用于提高大型工件的結(jié)構(gòu)光三維視覺的檢測精度。在結(jié)構(gòu)光方法的測量過程中，由于靶標(biāo)上的基準(zhǔn)坐標(biāo)點(diǎn)很難準(zhǔn)確落在結(jié)構(gòu)光平面上，導(dǎo)致空間坐標(biāo)的準(zhǔn)確獲取難以實(shí)現(xiàn)。在此測量方法中，通過一種基于雙重交比不變的結(jié)構(gòu)光視覺傳感器的標(biāo)定方法，并配合相應(yīng)的標(biāo)定靶標(biāo)，從根本上解決了此問題。

2. 物體定位

傳統(tǒng)制造業(yè)中的焊接、搬運(yùn)、裝配等固定流程正在逐步被工業(yè)機(jī)器人取代，這些步驟對于工業(yè)機(jī)器人來說，只需要生成指定的程序，然后按照程序依次執(zhí)行即可。在機(jī)器人的操作過程中，零件的初始狀態(tài)（如位置和姿態(tài)等）與機(jī)器人的相對位置并不是固定的。這導(dǎo)致工件的實(shí)際擺放位置和理想加工位置存在差距，機(jī)器人難以按照原定的程序進(jìn)行加工。隨著機(jī)器視覺技術(shù)以及更靈活的機(jī)器手臂的出現(xiàn)，這個問題得到了很好的解決，為智能制造的迅速發(fā)展提供了動力。

3、零件檢測

零件檢測是機(jī)器視覺技術(shù)在工業(yè)生產(chǎn)中最重要的應(yīng)用之一，在制造生產(chǎn)的過程中，幾乎所有的產(chǎn)品都面臨著質(zhì)量檢測。傳統(tǒng)的手工檢測存在著許多不足：首先，人工檢測的準(zhǔn)確性依賴于工人的狀態(tài)和熟練程度；其次，人工操作效率相對較低，不能很好的滿足大量生產(chǎn)檢測的要求；近年來人工成本也在逐步上升。所以，機(jī)器視覺技術(shù)被廣泛用于產(chǎn)品檢測中，主要的應(yīng)用包括：存在性檢測和缺陷檢測。

3.1存在性檢測

存在性檢測的對象包括某個部件、某個圖案或者是整個物體的存在性。在制造環(huán)節(jié)中，某些步驟的缺失或者加工缺陷會導(dǎo)致零部件的丟失，影響產(chǎn)品的品質(zhì)，需要在進(jìn)行下一步工序或出廠前分揀出來待進(jìn)一步處理。通過前期的圖像采集和處理后，需要依靠顯著目標(biāo)檢測算法來進(jìn)行識別，從而得出顯著目標(biāo)是否存在的結(jié)論。

例如李牧等提出了一種顯著目標(biāo)存在性檢測算法，利用中心周邊直方圖計算出的顯著圖，提取目標(biāo)區(qū)域與圖像中心點(diǎn)距離、目標(biāo)區(qū)域位置分布方差、目標(biāo)區(qū)域在圖像邊緣的分布、目標(biāo)區(qū) 域分布熵、圖像顯著圖的直方圖等5種特征進(jìn)行分類，并利用投票的方式最終確定輸入圖片是否包含顯著目標(biāo)。通過數(shù)據(jù)集驗(yàn)證，能夠有效識別出指定目標(biāo)的存在性。

3.2表面缺陷檢測

表面缺陷檢測的對象為二維平面上的元素，包括孔洞、污漬、劃痕、裂紋、亮點(diǎn)、暗點(diǎn)等常見的表面缺陷，這些缺陷特別是孔洞和裂紋等，可能嚴(yán)重影響產(chǎn)品質(zhì)量和使用的安全性，準(zhǔn)確識別缺陷產(chǎn)品非常重要。這方面的研究如岳文輝提出了一種CCD (Charge Coupled Device)圖像獲取系統(tǒng)，利用使用最普遍的電荷耦合器件CCD，在熒光磁粉無損檢測技術(shù)的基礎(chǔ)上，使用CCD進(jìn)行圖像采集，然后使用相關(guān)算法進(jìn)行圖像處理和模式識別，來檢測表面缺陷的類型和程度。

系統(tǒng)圖像處理和識別流程圖

零件檢測相關(guān)的工作流程一般大致如上圖所示。盡管系統(tǒng)針對于不同的對象和目的，但是其圖像處理和圖像識別內(nèi)核差異不大。圖像處理和識別都是從采集的圖像出發(fā)，經(jīng)過單色化處理、閾值處理，圖像膨脹處理，孤點(diǎn)濾波等預(yù)處理之后，對圖像的特征進(jìn)行提取并描述，最終輸出結(jié)果。

4、 圖像識別

圖像識別利用機(jī)器視覺技術(shù)中的圖像處理、分析和理解功能，準(zhǔn)確識別出一類預(yù)先設(shè)定的目標(biāo)或者物體的模型。在工業(yè)領(lǐng)域中的主要應(yīng)用有條形碼讀取、二維碼掃描識別等，以往多用NFC標(biāo)簽等載體進(jìn)行信息讀取，需要與產(chǎn)品進(jìn)行近距離接觸。而隨著工業(yè)攝像機(jī)等硬件設(shè)備的更新?lián)Q代，二維碼等標(biāo)識可以被遠(yuǎn)距離讀取和識別，而且攜帶的信息更豐富，可以將所有產(chǎn)品信息寫入二維碼，而無需聯(lián)網(wǎng)查詢信息。