下载掌阅APP，畅读海量书库
立即打开
机器视觉（machine vision，MV）就是用机器代替人眼来做测量和判断。当今，人工智能高速发展，用机器代替人眼进行操作的场景越来越多，机器视觉成为人工智能快速发展的一个重要分支。机器视觉是一项综合技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件技术（图像增强和分析算法、图像卡、I/O卡等）。目前该项技术在果蔬采摘、零件检测、药品检测、航天高温风洞系统、天气预测、侦查追踪、智能交通、安防监控等多个领域已经得到广泛应用，随着现代技术的快速发展、机器视觉技术的使用也逐渐成熟，成了社会发展不可缺少的一项重要技术。
由于机器视觉涉及的领域非常广泛且复杂，因此目前还没有明确统一的定义。美国制造工程师协会（society of manufacturing engineers，SME）机器视觉分会和美国机器人工业协会（robotic industries association，RA）的自动化视觉分会对机器视觉下的定义为：“机器视觉是研究如何通过光学装置和非接触式传感器自动地接收、处理真实场景的图像，以获得所需信息或用于控制机器人运动的学科。”
作为人工智能的重要分支，机器视觉技术采用场景视像处理装置或软件取代了人的视觉识别功能。人工智能发展过程中，人类大脑、四肢、感官和神经已逐渐被CPU、运动控制、传感器和网络取代，人类视觉是最后几个被取代的器官之一。
人类视觉是获知外界事物多元信息的一个重要渠道，将获得的信息传入大脑，由大脑结合人类知识经验处理分析信息，完成信息的识别。通常，机器视觉相当于机器的“眼睛”，但其功能又不仅仅局限于模拟视觉对图像或视频流信息的接收，还包括模拟大脑对相关信息的处理与判断。如表2-1所示，机器视觉与人类视觉既相似又存在诸多不同。
表2-1 人类视觉与机器视觉
截至目前，机器视觉在智能处理及识别方面与人类视觉还有较大差距，但在工业应用中已具有诸多优势。
（1）安全可靠。观测者与被观测者之间无接触，不会产生任何损伤，所以机器视觉可以广泛应用于不适合人工操作的危险环境或者是长时间恶劣的工作环境中，十分安全可靠。
（2）生产效率高，成本低。机器视觉能够更快地检测产品，并且适用于高速检测场合，大大提高了生产效率和生产的自动化程度，加上机器不需要停顿，能够连续工作，这也极大提高了生产效率。机器视觉早期投入高，但后期只需要支付机器保护、维修费用即可。随着计算机处理器价格的下降，机器视觉的性价比也越来越高，而人工和管理成本则逐年上升。从长远来看，与人工相比，机器视觉的成本会更低。
（3）精度高。机器视觉的精度能够达到千分之一英寸，且随着硬件的更新，精度会越来越高。
（4）准确性高。机器检测不受主观控制，具有相同配置的多台机器只要保证参数设置一致，即可保证相同的精度。
（5）重复性好。人工重复检测产品时，即使是同一种产品的同一特征，也可能会得到不同的结果，而机器由于检测方式的固定性，因此可以一次次地完成检测工作并且得到相同的结果，重复性强。除肉眼可见的物质外，还可以检测红外线、超声波等，扩展了视觉检测范围。
机器视觉的概念始于20世纪50—60年代，Roberts将视觉环境限制于对物体形状及空间位置关系描述的“积木世界”，而正式的视觉系统出现于20世纪70年代。到了80年代，David Marr教授视觉理论的出现促进了有关机器视觉技术新理论、新方法的研究，进而推动了新兴工业的发展。进入90年代，随着CCD电荷耦合元件、CMOS图像传感器以及数字接口技术的广泛应用，出现了小型化、轻量化和低功耗的工业视觉设备，带动了整个智能产业发展。机器视觉技术的发展经历了如下六个阶段：
（1）20世纪50年代：机器视觉的研究主要集中在二维图像的简单分析和识别上，像字符、工件、图片的分析和处理等，多用于航天、工业的制造与研究。
（2）20世纪60年代：利用计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，提出基于机器视觉的多面体零件特征提取技术，进而为识别三维物体和三维计算机视觉研究打下坚实的基础。
（3）20世纪70年代：这个时期才有人首次提出较为完整的机器视觉理论，也陆续出现了一些视觉应用系统。简单的视觉应用系统小部分地代替人工生产，让工业生产逐步向自动化方向发展。
（4）20世纪80年代：机器视觉技术在这个时期获得蓬勃发展，随着一些新概念、新方法、新理论的不断涌现。机器视觉技术也不断和其他技术相结合，产生新的生产方式应用于工业生产中，机器视觉也逐渐被人们熟知和应用，使其在工业生产中掀起新的生产浪潮。
（5）20世纪90年代：机器视觉技术开始应用于零部件的装配。同时，有人提出将机器视觉和神经网络技术相结合，实现了对机械零件表面粗糙度的非接触测量。这一技术的实现让众多机械零件表面的检测得到了应用，代替了人工检测，提高了工业生产效率，让众多工人的双手和双眼从工厂生产中解放出来。
（6）21世纪：机器视觉的发展已相对成熟，很多企业将机器视觉的优点大量应用于工业生产。现如今的时代是智能化的时代，现代工厂的生产也不断追求自动化以及机械化，倡导将传统的人工生产解放出来，越来越多的产业已经在工业生产智能化方面做得相当出色。机器视觉技术作为工业智能化生产中的关键技术，也不断地被人们改进。
由此可见，机器视觉技术一步步地发展到现阶段，已经相对成熟，并且在各个领域都大规模应用，尤其在工业领域发挥了至关重要的作用。机器视觉技术在国内外应用情况如下：
（1）国外的技术应用情况。
作为人工智能重要的一部分技术，机器视觉将是促进社会各行业进入智能时代的关键技术，因此它也被称为“工业之眼”。早在1960年就有人提出“机器视觉”的概念，一直发展到今天，很多国家已经将这项技术熟练地应用到生产生活中。全世界机器视觉专利的分布主要集中在美国、欧洲、日本等发达国家和地区，其中欧美在这一领域的研究及应用在全世界遥遥领先于其他地区的国家。行业内知名的从事机器视觉的企业主要有康耐视、基恩士、Euclid Labs公司等。
美国康耐视公司开发出了一种名为“康耐视DataMan7500”的产品，利用该产品医院可以先设置外壳器械包工具清单，然后正确地在外壳器械包内加载相应的器械。通过电化的方式，在每件器械中都采用了一个2D Data Matrix条形码。在器械包组装的时候，通过对此条形码扫描可以确保组装的准确性，并且通过该条形码还可以实现对器械的位置追踪。DataMan7500是可移动的，可以一次性在多种器械上方移动该设备，非常省时，并且器械的扫描准确度达到100%。
日本基恩士公司研发的“AI+图像”传感器可自动设定并有意识地应对光线变化，在齿轮齿数、金属部件加工是否合格、瓶盖是否锁紧、识别标签品种等都实现了稳定检测。
意大利Euclid Labs公司开发的机器人三维视觉系统和离线编程系统中的三维视觉系统主要用于上下料的机器人随机抓取、折弯钣金定位、码垛拆垛、三维位置识别和检测等，具有智能化、精度高、调试方便等特点，在国际处于领先水平。
（2）国内技术应用情况。
机器视觉在我国的起步相对比较晚，在工业领域被真正广泛应用也就十几年的时间。现在行业处于快速发展期，发展空间很大。具体体现为行业的市场容量增长快、应用领域在扩大、从业的企业数量也不断增多。机器视觉自主创新能力也在逐渐提高，在2010年机器视觉技术水平到了快速发展阶段，在全球技术发展中，我国成为最活跃的地区之一。2017年，有1 004项专利是机器视觉领域的。
海康威视研发的星光级全景网络高清智能球机，它的全景画面由8个传感器拼接而成，可实现360度的全景监控；镜头内建可自动对焦机芯，并且将云台、护罩、解码器整合的设计，用户可以在全景实时监控的同时迅速对某一点进行定位放大。另外全景球机还运用了前沿的分析和跟踪技术，可对非法入侵或可疑行为发出警报或者自动跟踪，从而实现了更智能、更安全的安保作用。
商汤科技在视觉感知、人工智能算法方面有较深的研究和应用，该公司的SenseDrive高级辅助驾驶系统就是基于以上技术开发，在汽车行驶过程中可以实现各种预警功能，给驾驶员提示和辅助决策，进而提高车内人员的安全系数。
杭州汇萃智能科技有限公司开发出了拥有自主知识产权的机器视觉算法库HCvisionLib，各项指标均达到国际先进水平，能够在多操作系统平台无缝移植。在此基础上，公司推出的机器视觉系统HCvisionSystem，具有视觉定位、几何尺寸测量、产品缺陷检测、字符识别、视觉跟踪等功能，用户可通过该视觉系统进行快速、有效的二次开发。该系统广泛应用于电子制造、汽车制造、工业机器人、智能交通、食品、生物、医疗等领域，能够极大地提升产线自动化程度以及生产与检测的效率。
从国内外机器视觉的研究现状和应用情况来看，机器视觉发展早期，主要集中在欧美和日本；直到21世纪初期，中国经济开始腾飞，世界的制造业慢慢转移到中国，机器视觉也随之在中国发展起来，并且成为全球重要的目标市场。工业是目前机器视觉应用占比最大的领域，在工业机器人视觉下游应用中，又以消费电子制造和汽车制造为主，其次是制药、食品与包装、印刷等。
机器视觉又常称计算机视觉（computer vision，CV），这门学科的发生与发展已有几十年的历史，它是一门研究通过图像或视频数据观察周围世界的学科，主要以摄像机拍摄的图像或视频为原始数据，提取出在图像或视频中能观察到的事物。这个学科要解决的问题，与人类通过眼睛观察世界的视觉感知功能十分相似。
在很多的讨论中，“计算机视觉”和“机器视觉”两个术语是不加以区分的，在很多文献中也是如此，但其实这两个术语是既有区别又有联系的。根据维基百科对二者的解释：“‘机器视觉’一词的定义各不相同，但都包括用于自动从图像中提取信息的技术和方法。”“计算机视觉是指从一张图像或一系列图像中自动提取、分析和理解有用信息。它涉及理论和算法基础的发展，以实现自动视觉理解。”
对于机器视觉来说，它与图像处理不同的是，其图像处理的输出是另一幅图像。机器视觉属于人工智能的重要分支，获取的信息可以是简单的好部分/坏部分信号，也可以是一组复杂的数据，比如图像中每个对象的ID、位置和方向。该信息可用于工业上的自动检测、机器人和过程制导、安全监控和车辆制导等应用。这一领域包括大量的技术、软件和硬件产品、综合系统、行动、方法和专门知识。在工业自动化应用中，“机器视觉”实际上是这些功能的唯一术语。
而对于计算机视觉来说，它是一个“学术研究领域”，研究如何使计算机从数字图像或视频中获得高层次的理解。从工程学的角度来看，计算机视觉试图将人类视觉系统能够完成的任务自动化。
计算机视觉扩展到与机器人和人类视觉的机器表示相关主题。机器视觉是指在工厂、装配厂和其他工业环境中使用的自动化成像“系统”。机器视觉系统是一种基于数字图像分析做出决策的计算机。正如在装配线上工作的检验人员通过目视检查零件来判断工艺质量一样，机器视觉系统也使用数码相机和图像处理软件进行类似的检查。
如果我们把机器视觉看作一个系统的主体，那么计算机视觉就是视网膜、视神经、大脑和中枢神经系统。机器视觉系统使用摄像机来查看图像，然后计算机视觉算法对图像进行处理和解释，然后指示系统中的其他组件对这些数据采取行动。
计算机视觉可以单独使用，而不需要成为大型机器系统的一部分。但是一个机器视觉系统如果没有计算机和其核心的特定软件是无法工作的。这远远超出了图像处理。在计算机视觉术语中，图像甚至不必是照片或视频；它可能是来自热或红外传感器、运动探测器或其他来源的“图像”。
因此，结合机器视觉与计算机视觉相关说明及讨论，有如下两点结论：
（1）计算机视觉涉及被用于许多领域自动化图像分析的核心技术。机器视觉通常指的是结合自动图像分析与其他方法和技术，以提供自动检测和机器人指导在工业应用中的一个过程。
（2）计算机视觉为机器视觉提供理论和算法基础，机器视觉是计算机视觉的工程实现。
机器视觉技术不断发展，其在工业、农业、交通等的发展趋势如下：
机器视觉技术的优点：可以利用机器进行非接触测量，可以利用机器实现在人无法工作和到达的区域完成对目标物的检测；机器比人眼对光更加敏感，可检测人眼看不见的红外及微弱光检测测量，解决了人眼的缺陷，扩大了人眼的视觉范围；机器不会产生疲劳，可以长时间地稳定工作，机器视觉可以进行长时间工作、分析、处理与操纵；利用了机器视觉解决方案，可以节省大量劳动力资源，有效降低企业生产成本，为现代化工业生产带来可观收益。
现在科技技术发展较迅速，机器视觉技术的应用也相对成熟，但是还是存在诸多问题。例如，当工业生产车间现场的噪声很大时，机器视觉系统往往会受到干扰，会造成设备灵敏度的降低或设备的损坏；另外工业生产现场有的处于高温，有的处于低温，这就要求机器设备要有一定的抗干扰能力和稳定性；图像的采集有时还会受光照强度的影响，当光线昏暗时，就会影响目标物图像的提取、识别及分析，进而有可能造成生产产品次品率上升，影响生产的精度及效率。如何解决这些问题并提高机器性能，进行有效的图像识别，使机器视觉技术在工业智能化生产中得到高效的利用，是当下研究的关键。
（1）研发出高效率的图像处理软件和硬件。图像采集部分的快慢主要依赖于硬件的速度，高质量的硬件可有效减轻主机的负担，提高系统对图像的分辨效率、采集效率、图像处理的速度及处理分析效率。高质量的软件也尤为重要，质量高的软件可以让机器的命令执行速度更加高速有效。
（2）开发适用性强、高效、稳定、实时的智能算法。智能、高效、稳定的智能算法可有效提高系统的分析处理速度，并且改善复杂环境下系统抗干扰能力较差的缺点，使系统有较强的即时性、鲁棒性、稳定性、抗干扰性以及环境适应性。
随着对药品以及医疗器械安全性要求的逐渐提升，许多生产厂家将机器视觉技术引进到实际生产中来，有效地提升生产效率，起到保障产品质量的目的。在医学领域主要运用在医学疾病的诊断方面，如增强X射线成像的清晰度与准确性，CT、MRI的标记与渲染处理等，通过数字图像处理技术、信息融合技术等对核磁共振图像、透视图等进行叠加，最终得出准确的综合诊断，专家会结合三维信息以及运动参数对结果进行详细解释。另外，机器视觉技术可以应用在药用玻璃瓶的缺陷检测、药剂杂质的检测以及对药品外包装泄漏的检测等，能够充分保障药物的质量安全。
随着计算机技术的不断普及，机器视觉技术在交通领域发挥很大作用，包括视频检测系统、安全保障系统、车牌识别系统等。在视频检测时，主要运用图像处理技术与计算机视觉技术，通过对图像的分析来对车辆、行人等交通目标的运动进行识别与跟踪。通过识别系统对交通行为进行理解与分析，从而完成各种交通数据的采集、交通事件的检测等。参数检测系统具有智能化与网络化的特点，能够实现远程监控。机器视觉技术在车辆安全保障方面的应用主要作用于路径识别、障碍物识别、驾驶员状态监测等。另外，车牌识别技术是实现交通管理智能化的重要环节，通过多种计算方法的全面融合，有效提高车牌识别的准确性。
在农业领域，机器视觉技术主要运用在农业植物种类识别、产品品质检测与分级等方面。在农业生产前，对种子质量进行检测；生产中对植物生长信息、田间杂草进行识别、病虫害检测等；收获时主要体现在机器人的研制与开发。通过机器视觉技术能够实现农药的精量喷洒，确定农作物与机械的相对位置，对作业机械进行控制，有效提升农业生产的自动化与机械化水平，解放劳动力。随着相关技术成熟与稳定，许多问题可以得到很好解决，机器视觉技术在农业生产中的应用会促进农业快速现代化的进程。