中文字幕无码日韩专区免费,三级高清精品国产

可重構(gòu)視覺檢測理論與技術(shù)首先系統(tǒng)綜述了機器視覺檢測的發(fā)展，分析其重構(gòu)需求，介紹了視覺檢測的工作原理、可重構(gòu)體系、重構(gòu)的層次與系統(tǒng)流程，然后以硬件與軟件為主線分別討論了視覺檢測系統(tǒng)重構(gòu)。硬件可重構(gòu)主要介紹了異構(gòu)硬件環(huán)境下通用圖像獲取方法與基于FPGA 的圖像預(yù)處理重構(gòu)。軟件可重構(gòu)主要包括可重構(gòu)算法庫設(shè)計、基于配置信息的視覺檢測流程再生、面向圖像分析的特征提取與重構(gòu)、機器視覺系統(tǒng)可視化重構(gòu)平臺設(shè)計等。最后介紹了可重構(gòu)視覺檢測平臺的開發(fā)方法，并以四個不同領(lǐng)域的視覺檢測應(yīng)用實例驗證了所述的可重構(gòu)方法。

更多科學(xué)出版社服務(wù)，請掃碼獲取。

第 1章機器視覺檢測的重構(gòu)問題
在總結(jié)國內(nèi)外機器視覺研究現(xiàn)狀的基礎(chǔ)上，分析了機器視覺技術(shù)在紡織、電子、農(nóng)業(yè)、機械以及軍工等領(lǐng)域的應(yīng)用。并針對傳統(tǒng)機器視覺檢測系統(tǒng)針對性強、重復(fù)開發(fā)、效率低下等問題，引出了機器視覺檢測可重構(gòu)設(shè)計理念，并闡述了可重構(gòu)視覺檢測系統(tǒng)設(shè)計方法的意義。
1.1 機器視覺的概述
機器視覺是一門涉及人工智能、神經(jīng)生物學(xué)、心理物理學(xué)、計算機科學(xué)、圖像處理和模式識別等多個領(lǐng)域的交叉學(xué)科，它主要利用計算機來模擬人或再現(xiàn)與人類視覺有關(guān)的某些智能行為，從客觀事物的圖像中提取信息進行處理，并加以理解，昀終用于實際的檢測、測量和控制。機器視覺系統(tǒng)由光學(xué)成像設(shè)備、照明設(shè)備、攝像機、圖像采集卡、圖像處理設(shè)備及軟件等部分組成。
機器視覺是利用數(shù)字成像技術(shù)與計算機圖像處理技術(shù)替代人眼進行判斷與測量，它具有人眼所無法比擬的高精度、高效率等優(yōu)點，且易于實現(xiàn)信息集成，提高生產(chǎn)的柔性和自動化程度，是實現(xiàn)計算機集成制造的核心技術(shù)之一 [1]。另外，在一些不適合人工作業(yè)的危險環(huán)境或大批量工業(yè)自動化生產(chǎn)過程中，采用人工檢查產(chǎn)品質(zhì)量效率過低且精度不高，在這些人工視覺難以滿足要求的場合，機器視覺正在迅速取代人工視覺。
近年來，隨著計算機、多媒體、數(shù)字圖像處理、模式識別、智能控制等理論與技術(shù)的成熟，以及大規(guī)模集成電路的迅速發(fā)展，機器視覺技術(shù)憑借非接觸式、高效率、高精度、勞動強度小以及易于信息集成等優(yōu)點，被廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、醫(yī)藥、軍事、航天、交通、安全、科研等領(lǐng)域，取得了巨大的經(jīng)濟與社會效益。

1.2 國內(nèi)外機器視覺研究現(xiàn)狀
機器視覺研究的是如何讓計算機理解圖像中的一個場景或者特征，是人工智能的一個分支，融合了模式識別、統(tǒng)計學(xué)、投影幾何、圖像處理和圖論等多門學(xué)科。自 20世紀(jì) 50年代以來，應(yīng)用于二維圖像分析與識別的統(tǒng)計模式識別研究標(biāo)志著機器視覺技術(shù)的起源，當(dāng)時的研究主要集中在顯微和航空圖片的分析與理解、各種光學(xué)字符識別、工業(yè)零件表面缺陷檢測等。在其后的發(fā)展歷程中，出現(xiàn)了兩種不同的視覺理論：Roberts提出的“積木世界”理論，以及 DAvid MArr提出的 MArr視覺理論。
20世紀(jì) 60年代， Roberts研究從數(shù)字圖像中識別和提取如圓柱體、立方體等基本三維結(jié)構(gòu)，并通過描述這些基本形狀及其結(jié)構(gòu)關(guān)系，以理解復(fù)雜的客觀三維世界，從而形成了“積木世界”理論。隨后，該理論促使人們對各種幾何要素的分析與理解、輪廓特征提取算法等展開了深入研究 [2]。
20世紀(jì) 70年代中期，伴隨著實用性視覺系統(tǒng)的出現(xiàn)，麻省理工學(xué)院（ MIT）人工智能實驗室正式開設(shè)機器視覺及其相關(guān)理論的課程，由 DAvid MArr教授帶領(lǐng)的研究小組綜合神經(jīng)生理學(xué)、圖像處理以及心理物理學(xué)等研究成果，提出了計算視覺理論，從信息處理的角度出發(fā)給出了視覺系統(tǒng)研究的三個層次 [3]：
(1)
計算理論層次。確定系統(tǒng)各模塊的計算目的和策略，即明確“是什么”的問題，如各模塊的輸入、輸出分別是什么，輸入與輸出之間的約束關(guān)系是什么。

(2)
表達與算法層次。研究各模塊的信息表達以及完成計算所需要的算法，其中模塊信息包括輸入、輸出以及內(nèi)部信息。

(3)硬件實現(xiàn)層次。解決如何用硬件實現(xiàn)上述表示與算法。
機器視覺理論主要是基于 DAvid MArr的計算視覺理論框架發(fā)展而來，當(dāng)時的研究主要集中在前兩個層次，許多理論還無法進行實際應(yīng)用，但對于一些低層次處理，如濾波、邊緣提取以及簡單場景下的二維物體識別已有成熟的應(yīng)用 [4]。但是，該計算視覺理論框架的出現(xiàn)具有極大的啟發(fā)意義，推動了之后機器視覺的全球研究熱潮。
20世紀(jì) 90年代中后期，由于小波分析等現(xiàn)代數(shù)學(xué)工具的出現(xiàn)，新概念、新方法和新理論不斷涌現(xiàn)，機器視覺已經(jīng)從昀初的實驗室研究階段逐漸向?qū)嶋H應(yīng)用階段發(fā)展。尤其進入 21世紀(jì)以后，憑借非接觸、高精度、高效率、靈活性高、穩(wěn)定性好、實時性強、易于維護以及可移植性好等眾多優(yōu)點，機器視覺在工業(yè)、農(nóng)業(yè)、生物醫(yī)學(xué)、軍事與國防、機器人導(dǎo)航、交通管理、遙感圖像分析等各行各業(yè)的應(yīng)用得到了前所未有的普及與推廣。如工業(yè)中的零件定位與識別、尺寸測量，農(nóng)業(yè)中的農(nóng)產(chǎn)品質(zhì)量檢驗、分級，生物醫(yī)學(xué)中的 CT、磁共振成像，軍事國防中的導(dǎo)彈制導(dǎo)、超視距雷達、聲納成像，交通管理中的車輛、牌照識別等。其中以工業(yè)領(lǐng)域的應(yīng)用昀為普遍，借助機器視覺技術(shù)，可顯著提高工業(yè)領(lǐng)域的產(chǎn)品生產(chǎn)效率、控制產(chǎn)品品質(zhì)、對產(chǎn)品實施分類以及控制生產(chǎn)過程等。
基于圖像的視覺檢測方法將機器視覺引入檢測領(lǐng)域，利用光機電一體化的手段使機器具有視覺的功能，以實現(xiàn)各種場合下的在線高速檢測和高精度測量。在國外，視覺檢測的應(yīng)用普及主要體現(xiàn)在半導(dǎo)體及電子行業(yè)，其中大概 40%～50%集中在半導(dǎo)體行業(yè)，其他的研究應(yīng)用領(lǐng)域涉及社會生產(chǎn)的方方面面，而且應(yīng)用的深度也越來越大，從原始的在線監(jiān)視到外觀檢測再到動作和運動控制，甚至許多視覺單元都直接集成到成套生產(chǎn)設(shè)備中。如 IC封裝中的芯片檢測系統(tǒng)，印刷生產(chǎn)線上的機器視覺質(zhì)量控制系統(tǒng) [5]。國際上有名的工業(yè)視覺系統(tǒng)集成商，包括美國的 NI、COGNEX 和 PROIMAGE，瑞士的 BOBST，德國的 VMT，加拿大的 HexSight，日本的 DAC、 TOKIMEC和 KEYENCE等公司都已提供基于機器視覺的產(chǎn)品表面缺陷在線檢測系統(tǒng)，并且獲得了較好的推廣 [6]。
我國機器視覺應(yīng)用起步較晚，但隨著制造業(yè)向中國的逐步轉(zhuǎn)移，企業(yè)對高效檢測技術(shù)的需求日益增多，特別是半導(dǎo)體及電子行業(yè)對高精度在線檢測的迫切需求，推進了國外先進機器視覺技術(shù)的逐步引進。歷經(jīng)十多年的努力，國內(nèi)機器視覺技術(shù)已經(jīng)得到了長足的發(fā)展，但由于缺乏核心技術(shù)，在高精度數(shù)字相機及芯片設(shè)計制造、圖像處理算法設(shè)計等方面與國外仍存在較大差距。
目前，絕大多數(shù)工業(yè)應(yīng)用的機器視覺檢測系統(tǒng)多停留在二維檢測上，三維檢測技術(shù)仍處于理論研究和實驗階段。另外，機器視覺檢測系統(tǒng)的檢測精度和檢測速度仍有待提高。檢測精度和檢測速度是機器視覺檢測系統(tǒng)昀基本的性能指標(biāo)，同時它們之間的矛盾也是阻礙機器視覺檢測技術(shù)應(yīng)用的昀大瓶頸。首先，視覺檢測必須滿足一定的精度要求，確保獲取有意義的數(shù)據(jù)，才能保證檢測結(jié)果的可信度。然而，精度高的檢測識別算法多具有高的計算復(fù)雜度和較長的計算時間，從而影響視覺檢測速度。而且，提高檢測速度對于在線檢測和離線檢測兩類機器視覺檢測都具有重要意義。尤其是在線實時檢測，如何將機器視覺檢測系統(tǒng)嵌入到生產(chǎn)線相應(yīng)的工序中，并實現(xiàn)檢測速度與生產(chǎn)線節(jié)拍的協(xié)調(diào)，關(guān)乎該機器視覺檢測系統(tǒng)能否真正實用化的問題。因此，為了兼顧檢測精度與檢測速度，國內(nèi)外都提出了一些新的算法，但是很多仍處于實驗室階段，在復(fù)雜的工業(yè)現(xiàn)場仍存在準(zhǔn)確性、魯棒性下降等問題。
另外，機器視覺檢測系統(tǒng)的智能化程度與通用性有待提高，應(yīng)用中的大部分機器視覺檢測系統(tǒng)多是針對某一種產(chǎn)品或應(yīng)用場合的專用檢測系統(tǒng)，只能對該產(chǎn)品有限的、特定的產(chǎn)品類型進行檢測，很難直接用于或移植到其他的產(chǎn)品檢測中，無法實現(xiàn)產(chǎn)品檢測的通用化與智能化 [7]。
隨著機器視覺理論研究的不斷深入，機器視覺檢測技術(shù)將逐步在各行各業(yè)中得以廣泛應(yīng)用。在線實時檢測、高精度檢測、將檢測任務(wù)集成起來實現(xiàn)機器視覺智能檢測、適應(yīng)生產(chǎn)的柔性化檢測以及彩色圖像與多光譜圖像的處理算法研究將成為機器視覺檢測技術(shù)的發(fā)展趨勢�？傊�，隨著計算機技術(shù)和光電技術(shù)的快速發(fā)展，機器視覺檢測技術(shù)必將實現(xiàn)高精度、高效率、高適應(yīng)性、高智能，并成為產(chǎn)品自動檢測技術(shù)的重要發(fā)展方向。

1.3 機器視覺關(guān)鍵理論與技術(shù)
在機器視覺系統(tǒng)中，圖像處理與圖像理解算法研究是理論基礎(chǔ)，視覺系統(tǒng)的單元技術(shù)與系統(tǒng)集成是實現(xiàn)關(guān)鍵。其中，關(guān)鍵技術(shù)涉及光源照明技術(shù)、光學(xué)鏡頭、攝像機、圖像采集裝置、圖像處理裝置以及控制響應(yīng)機構(gòu)等 [8]。
1.3.1 機器視覺識別理論研究
機器視覺系統(tǒng)的應(yīng)用場合千差萬別，每一個系統(tǒng)都具有各自的特點與要求，對其識別理論的研究一方面要提高通用算法的適應(yīng)性，另一方面要依據(jù)所應(yīng)用的對象特點對圖像處理與識別算法做相應(yīng)的完善與改進以適應(yīng)特定的需求。
國外在機器視覺方面的研究起步早，應(yīng)用的領(lǐng)域也較廣泛。為了判斷炸薯片的質(zhì)量好壞， Lotfi等通過研究炸薯片的顯微圖像，提取圖像中色調(diào)矩陣直方圖的標(biāo)準(zhǔn)差作為特征，采用神經(jīng)網(wǎng)絡(luò)算法分類炸薯片以控制其質(zhì)量 [9]。TAouil等選取以彩色圖像 RGB分量計算出的黃色值為特征，檢測橄欖油生產(chǎn)線上灌裝后瓶塞是否漏裝[10]。葡萄牙國家工業(yè)技術(shù)及工程局( INETI)開發(fā)的基于機器視覺的工業(yè)腈綸質(zhì)量控制系統(tǒng) INFIBRA，利用視覺測量各條腈綸帶的寬度及其之間的間隙，及時發(fā)現(xiàn)腈綸帶的斷裂、分叉與纏繞等故障 [11]。CAno等提出了采用機器視覺與加速度傳感器相結(jié)合的機床彈性變形預(yù)測方法，用以標(biāo)定運行部件的振動 [12]。DergAnc等設(shè)計了基于機器視覺的軸承質(zhì)量檢測系統(tǒng)，借助 Hough變換和線性回歸檢測軸承滾針的偏心與滾針的長度，從而判定軸承質(zhì)量的好壞 [13]。為了解決參數(shù)間的耦合導(dǎo)致昀優(yōu)參數(shù)調(diào)節(jié)困難的問題， MArtin-Herrero等開發(fā)的金槍魚罐頭質(zhì)量在線視覺檢測系統(tǒng)，把感興趣區(qū)域( ROI)分塊，并參數(shù)化為特征向量，以構(gòu)建 SOFM(Self-orgAnizing FeAture MAp)神經(jīng)網(wǎng)絡(luò)模型。經(jīng)過樣本訓(xùn)練以及在線學(xué)習(xí)，使得該系統(tǒng)在每分鐘 1000罐的檢測速度下獲得與質(zhì)檢員平均意見得分一致的結(jié)果 [14]。BorAngiu等采用人工視覺引導(dǎo)機器人實施零件裝配，并在裝配的各個階段實時檢測零件材料與裝配的質(zhì)量[15]。AdAmo等開發(fā)了一個基于機器視覺的色丁玻璃在線缺陷檢測原型系統(tǒng)，它采用閾值分割實現(xiàn)邊界的檢測， CAnny算法實現(xiàn)缺陷識別，其能識別的昀小缺陷寬度為 0.52mm，每幀(玻璃尺寸為 1200×400mm)圖像的處理時間為 180s，滿足了玻璃自動生產(chǎn)線的實時性要求 [16]。KArAthAnAssi等提出的基于機器視覺的溶液制劑質(zhì)量控制系統(tǒng)包括離線標(biāo)定與在線檢測兩部分，其中在線檢測負責(zé)試劑內(nèi)容與液位的檢測[17]。
由于機器視覺的昀初應(yīng)用與普及主要體現(xiàn)在半導(dǎo)體及電子行業(yè)，而這些行業(yè)本身在國內(nèi)就屬于新興領(lǐng)域，再加之機器視覺產(chǎn)品技術(shù)的普及不夠，導(dǎo)致以上各行業(yè)的應(yīng)用一直停留在比較低端的小系統(tǒng)集成上。隨著我國配套基礎(chǔ)建設(shè)的完善，技術(shù)、資金的積累，各行各業(yè)對采用圖像和機器視覺技術(shù)的工業(yè)自動化、智能化需求大大增加，國內(nèi)有關(guān)大專院校、研究機構(gòu)以及企業(yè)近年來在圖像與機器視覺領(lǐng)域進行了大量積極的思索與大膽的嘗試。在光學(xué)字符識別、交通監(jiān)控系統(tǒng)、信封分揀系統(tǒng)、藥品檢測分裝、印刷色彩檢測等應(yīng)用領(lǐng)域取得了一定的成果。如中南大學(xué)的陽春華等借助計算機視覺測量礦物浮選泡沫的顏色與尺寸，克服了人工浮選的主觀性，使選礦過程昀優(yōu)化 [18]。四川大學(xué)尹伯彪等針對現(xiàn)場大尺寸測量難以避免的空氣擾動問題，采用波前修正的圖像恢復(fù)方法復(fù)原經(jīng)靶鏡反射后的畸變激光光斑，以提高測量精度[19]。華中科技大學(xué)針對玻璃行業(yè)設(shè)計了基于機器視覺的浮法玻璃在線質(zhì)量檢測系統(tǒng)[20]。
基于機器視覺的自動檢測流程包括圖像獲取、預(yù)處理、圖像分割、特征提取、缺陷表示與識別以及設(shè)備對缺陷的響應(yīng)等單元，其中核心內(nèi)容是特征提取、缺陷表示與識別 [21]。特征提取就是要尋找能表達這些待檢測對象的特性，如形狀、大小、顏色、紋理結(jié)構(gòu)性與周期性等，并同時區(qū)分于其他對象的一組參數(shù)，即特征集。常用的特征提取算法包括空間域和頻域兩種。
空間域提取算法采用不同方法對圖像灰度矩陣進行變換以獲得不同的特征值。常用的方法有：灰度共生矩陣法、 MArkov隨機場法、灰度直方圖統(tǒng)計法、灰度匹配法以及基于 PCNN(脈沖耦合神經(jīng)網(wǎng)絡(luò))的提取方法。灰度共生矩陣通過計算二階矩、逆差分矩和熵等特征來描述紋理，具有不受缺陷種類限制及不需要不斷更改閾值以適應(yīng)被檢圖像的優(yōu)點，但計算量大�；叶戎狈綀D統(tǒng)計法以圖像灰度直方圖的統(tǒng)計特征(如均值、方差等)為參數(shù)繪制特征波形，通過波形對比定位紋理結(jié)構(gòu)的異常位置。該識別算法原理簡單、運算速度快、可靠穩(wěn)定、適應(yīng)性強，但有些缺陷類型難以識別，且分類困難�；叶绕ヅ浞ㄍㄟ^將待檢產(chǎn)品與標(biāo)準(zhǔn)樣品進行差分，再與設(shè)定的灰度閾值比較以識別缺陷，具有原理簡單、計算量小等優(yōu)點，但對現(xiàn)場環(huán)境要求高，如光源衰減、灰塵以及生產(chǎn)工藝與流程等都會影響圖像效果，而且閾值的選取帶有主觀性，需不斷改變。神經(jīng)網(wǎng)絡(luò)模型通過對輸入樣本的學(xué)習(xí)，不斷地在誤差函數(shù)斜率下降的方向上計算網(wǎng)絡(luò)權(quán)值和偏差的變化而逐漸逼近目標(biāo)，其優(yōu)點是定位準(zhǔn)確、適應(yīng)性強，但迭代計算量大。
頻域提取算法能充分利用紋理的周期性，故提取的特征值穩(wěn)定性和適應(yīng)性都比空間域算法好。常用的頻域提取算法有快速傅里葉變換法、 GAbor變換法與小波變換法等。傅里葉變換可以在頻域中分離周期性紋理、背景信息和噪聲，具有穩(wěn)定性好、適應(yīng)性強的特點，但缺乏空間域的定位信息。 GAbor小波是一組窄帶帶通濾波器，有明顯的方向選擇和頻率選擇特性，能實現(xiàn)空間域和頻域的聯(lián)合定位；缺點是計算量較大。小波變換則具有多尺度的特點，能在時域、頻域表征信息局部特征，適合于奇異點的檢測。

1.3.2 機器視覺關(guān)鍵實現(xiàn)技術(shù)
1．光源照明技術(shù)
在機器視覺應(yīng)用系統(tǒng)中，光源與照明方案往往關(guān)乎整個視覺系統(tǒng)的成敗，并非簡單地照亮待檢物體而已。好的光源與照明方案應(yīng)盡可能地突出物體特征，使待檢物體的關(guān)鍵區(qū)域與那些不關(guān)注的區(qū)域之間盡可能地產(chǎn)生明顯區(qū)別，增加其對比度。同時，應(yīng)保證圖像具有足夠的整體亮度，并覆蓋待檢物體的整個運動區(qū)域，以確保物體位置的變化不至于影響到成像質(zhì)量。機器視覺檢測系統(tǒng)的光照方式通常分為透射光和反射光兩種。對于反射光方式，應(yīng)充分考慮光源和光學(xué)鏡頭的相對位置、物體表面的紋理、物體的幾何形狀以及背景等因素。另外，選擇光源時還應(yīng)考慮光源的幾何形狀、光照亮度、均勻度、發(fā)光的光譜特性、發(fā)光效率、使用壽命以及安裝位置等。幾種主要光源的相關(guān)特性如表 1.1所示[8]。
表 1.1常用光源的特性對比
光源顏色壽命/小時亮度特點
鹵素光白色，偏黃 5000～7000 很亮發(fā)熱多，較便宜
熒光燈白色，偏綠 5000～7000 亮較便宜
LED燈紅，黃，綠，白，藍 60000～100000 較亮發(fā)熱少，形狀可變
氙燈白色，偏藍 3000～7000 亮發(fā)熱多，持續(xù)光
電致發(fā)光管由發(fā)光頻率決定 5000～7000 較亮發(fā)熱少，較便宜

其中，LED光源因其顯色性好，光譜范圍寬，能覆蓋可見光的整個范圍，且發(fā)光強度高，穩(wěn)定時間長等優(yōu)點，成為圖像領(lǐng)域的新寵兒。雖然其價格偏高，但隨著其制造工藝和技術(shù)的成熟，必將得到越來越廣泛的應(yīng)用。另外，高頻熒光燈憑借其發(fā)光強度高、性價比好等優(yōu)勢，在某些特定場合也是不錯的選擇。
2．光學(xué)鏡頭
機器視覺系統(tǒng)中的光學(xué)鏡頭相當(dāng)于人眼的晶狀體，對待檢產(chǎn)品的成像效果具有重要的影響。一個鏡頭成像質(zhì)量的優(yōu)劣體現(xiàn)在其對像差校正的程度，主要以像差大小來衡量，常見的像差有：球差、彗差、像散、場曲、畸變、色差等六種。對于定焦鏡頭或變焦鏡頭的選擇而言，通常同一檔次的定焦鏡頭的像差會明顯比變焦鏡頭的小。由于變焦鏡頭為了保證在各種不同焦距下相對較好的成像質(zhì)量，不允許在變焦范圍內(nèi)的某個焦距下出現(xiàn)成像很差的情況，采用了折衷的考慮，故在設(shè)計機器視覺應(yīng)用系統(tǒng)時，應(yīng)根據(jù)被測目標(biāo)的狀態(tài)優(yōu)先選用定焦鏡頭。此外，還需綜合考慮圖像的放大倍率、視場大小、光圈大小、焦距、視角大小以及鏡頭與攝像機的安裝接口等因素。

你還可能感興趣

我要評論