什么是机器视觉？

机器视觉利用相机、图像处理和自动化硬件，在工业环境中执行检测、测量和引导任务。通过以生产速度自动分析数字图像，机器视觉系统帮助制造商提升检测一致性、过程控制能力和产量。

在典型的机器视觉工作流程中，相机捕捉沿制造流程移动的产品图像。随后软件分析图像数据，将结果与既定标准进行比对，并将检测结果或测量数据传送给控制系统。根据应用的不同，这些信息可用于对产品分拣、引导自动化设备、验证装配步骤或监控过程质量。

尽管底层工作流程在概念上简单明了，但为工业环境构建可靠的机器视觉系统，需要对光学、传感器、照明、图像处理、同步和自动化硬件进行细致的集成。系统性能在很大程度上取决于能否在不断变化的生产要求下保持稳定的成像条件和可重复的运行。

机器视觉与计算机视觉

术语计算机视觉和机器视觉有时会被互换使用，但在工业和工程领域，它们往往指代成像系统的不同方面。

计算机视觉主要关注用于解读数字图像的算法和软件。诸如人脸识别、图像分类、目标检测和场景分析等任务，通常被视为计算机视觉应用。

机器视觉侧重于在工业自动化系统中应用这些成像和分析技术。除图像处理软件外，机器视觉系统还包括相机、光学、照明、接口、同步硬件，以及与工厂设备或控制系统的集成。在工业环境中成功部署，不仅取决于分析算法，还取决于能否保持稳定且可重复的成像条件。

（如需详细了解这两个领域如何关联与区别，请阅读我们关于 [机器视觉与计算机视觉] 的完整指南。）

机器视觉系统的五大组成部分

机器视觉系统由多个相互依赖、必须可靠协同工作的组件构成。系统性能不仅取决于相机本身，还取决于照明、光学、处理硬件和软件集成。任何一个环节的局限都可能降低检测可靠性、测量精度或系统整体稳定性。

照明

在机器视觉中，照明的目标不是呈现自然外观，而是营造一致的对比度以实现可靠的图像分析。工程师采用特定的照明几何结构（如环形光、穹顶光、同轴光或结构光照明）、选定的波长（可见光、红外光或紫外光）以及偏振技术，以提升相关特征的可见性，同时减少不需要的反光或背景变化。

照明条件在很大程度上决定了哪些特征能够被可靠检测。例如，在环境光下难以察觉的划痕，在低角度照明下可能变得清晰可见；而近红外背光照明可以提升某些材料中液位或内部结构的可见性。在许多机器视觉应用中，照明设计是影响系统整体性能最重要的因素之一。

光学

镜头收集场景反射的光线，并将其聚焦到图像传感器上。它决定了视场、工作距离、景深和光学分辨率等关键成像参数。如果光学系统无法可靠地分辨细微特征，仅提高传感器分辨率可能并不会改善整体检测性能。

高分辨率图像传感器对镜头性能提出了相应更高的要求。例如，一颗 2.74 µm 像素间距的 2400 万像素传感器，需要能够以相当尺度分辨细节的光学元件。如果镜头的光学性能不足，可用的传感器分辨率便无法被充分利用。

图像传感器与相机

相机将入射光转换为数字图像数据。其核心是一颗包含数百万个独立光电二极管的 CMOS 传感器。通常有三个关键参数影响相机的选型：

The Imaging Source 的工业相机提供 2.3 MP 至 42 MP 的分辨率，配备 USB3 Vision 和 GigE Vision 接口，采用 Sony Pregius（全局快门）、Sony STARVIS（卷帘快门）以及 onsemi CMOS 传感器。

处理硬件

传感器捕获的图像数据会被传输到处理平台进行分析。最合适的架构取决于应用需求：

• 工业 PC：为复杂算法、高分辨率成像或多相机系统提供高度的处理灵活性和性能

• 嵌入式视觉板卡（NVIDIA Jetson、NXP i.MX）：在靠近传感器处进行低延迟处理，常用于机器人、ADAS 以及空间受限的嵌入式系统

• 智能相机：将图像传感器、处理硬件、软件和数字 I/O 集成在单一外壳中，从而为紧凑型检测应用降低系统整体复杂度

视觉软件

视觉软件应用图像处理算法来执行检测、测量、分类、识别或机器人引导等任务。

基于规则的方法采用预先定义的图像处理操作和测量标准，例如边缘测量、像素强度分析、代码读取或几何模式匹配。这些方法通常快速、可重复，并且在受控的工业环境中相对易于验证。许多工业机器视觉系统至今仍主要依赖基于规则的技术。

AI 和深度学习方法通常用于视觉特征高度多变、或难以仅用固定规则描述的情形。诸如纺织品检测、食品分级或复杂表面缺陷分类等应用，可能需要在带标注的图像数据集上训练神经网络。在实践中，基于 AI 的检测通常用于传统基于规则的方法不足以胜任、或难以可靠维护的场合。

工作原理：三步流水线

一旦集成到生产线中，机器视觉系统便作为持续检测工作流程的一部分运行。根据应用和处理要求的不同，从图像采集到系统响应的完整循环可能在数十毫秒内完成。

1. 采集：触发信号（例如激光传感器、编码器脉冲或 PLC 输出）表明零件已就位。照明系统随之启动，相机捕捉一张照明一致、几何稳定的图像以供分析。

2. 分析：视觉软件在图像中定位相关特征，并应用所需的检测或测量算法。典型任务可能包括尺寸验证、条码读取、缺陷检测或物体分类。

3. 执行：检测结果通过数字 I/O 或工业通信接口传送给生产系统。根据应用的不同，PLC 或自动化控制器可能会剔除有缺陷的零件、调整机器人定位、暂停传送带，或向制造流程的下一阶段发出信号。

四种应用类型：GIGI

许多工业机器视觉应用可归为四大主要类别，通常以缩写 GIGI 来概括。复杂的检测系统可能在单一工作流程中结合多个类别。

机器视觉的应用领域

机器视觉技术应用于众多行业，系统要求因应用环境和检测任务而存在显著差异：