机器视觉需要的电脑系统,做机器视觉的硬件

2024-06-11 12:09:07

1.如何选择自己需要的机器视觉系统

2.机器视觉系统有哪些组成部分_机器视觉系统包括

3.机器视觉系统由哪几部分构成？

4.机器视觉系统都由哪几部分组成？那位高人指点下

机器视觉需要的电脑系统,做机器视觉的硬件

机器视觉系统一般包括光源、镜头、CCD照相机、图像处理单元(或图像采集卡)、图像处理软件、监视器、通讯/输入输出单元等。

光源：与视觉传感器的照明因素一样，它是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。其光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。另一方面，环境光有可能影响图像的质量，所以可采用基于PC的方案主要针对电子生产测试设备，其优点是高性能、高灵活度和高性价比，十分适合于高难度、高分辨率和高速的机器视觉应用。

所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步.

镜头：镜头选择应注意焦距，目标高度，影像高度，放大倍数，影像至目标的距离，中心点 / 节点与畸变.

相机：按照不同标准可分为标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机:线扫描CCD和面阵CCD;单色相机和彩色相机。

图象采集卡：图像采集卡只是完整的机器视觉系统的一个部件，但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口：黑白、彩色、模拟、数字等。比较典型的是PCI或AGP兼容的捕获卡，可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如，可以连接8个不同的摄像机，然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉，当采集卡抓拍图像时数字输出口就触发闸门。

视觉处理器：视觉处理器集采集卡与处理器于一体。以往计算机速度较慢时，采用视觉处理器加快视觉处理任务。现在由于采集卡可以快速传输图象到存储器，而且计算机也快多了，所以现在视觉处理器用的较少了。

工作过程：视觉系统的输出并非图像视频信号，而是经过运算处理之后的检测结果(如尺寸数据)。通常，机器视觉测试就是用机器代替肉眼来做测量和判断.首先采用CCD照相机将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号。图像系统对这些信号进行各种运算来抽取目标的特征，如：面积、长度、数量、位置等。最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格/不合格、有/无等。上位机(如PC和PLC)实时获得检测结果后，指挥运动系统或I/O系统执行相应的控制动作(如定位和分类)。

如何选择自己需要的机器视觉系统

有人会说这些年来机器视觉技术的进步一直在提高。然而，当回望过去的35年，功能上的差异是巨大的。最早的机器视觉系统需要微计算机，而且它们的功能很有限。首先认识到微处理器的潜能的其中一个公司是物体识别系统，也是我的老母校。最早的微处理器没有很大的计算能力，因此基本的模式识别算法不得不被舍弃。好消息是可以做灰度级的处理算法，但坏消息是能做灰度级的处理算法而不能在好的灰度比例变化与坏的灰度比例变化之间做出判别。因此，除非有一个全职的工程师来管理这些设置，错误拒绝的数目是紊乱的，

在那个时期的其他机器视觉系统也好不了哪里去。许多的硬件都被设计来完成更复杂的图像处理算法，但是，这些只是在少量算法下才会很好工作，对于一个应用经常没必要用最好的算法。这些早期技术在一些应用中体现出重大的进步，比如光源，相机和物体的物理排列，特别是为自身设计的光源，还有它们之间的连接。优化分段处理是减少计算大量图像处理算法的关键。

幸运地是今天机器视觉的潜在计算技术在这些年里取得了很大的进步。结果是产生出更多成功的应用。配备机器视觉的很多产品都是可用的。在10～15年以前可用的性能优于机器视觉工具包的视觉传感器在今天已是普遍使用了。在一些情况下，智能相机结合处理大多数计算任务的FPGA，DSP和微处理器则会更具有智能性。具有多种连接性的数字摄像机能将一台个人电脑变成一个机器视觉系统。在这里电脑可能需要配备更智能的帧采集器，它可以插在电脑上，处理大多数图像处理任务。

在这些产品中内在的计算能力的不断提高，基于拥有权设计的机器视觉硬件在下滑。越来越多的特殊应用机器视觉系统能由一个或另一个配备的机器视觉排列来处理。

对这篇文章作出贡献的个人有下面这些：

Rene Voorwinden：Technical Director－Arvoo

Ben Dawson：Director of Strategic Development －DALSA (ipd)

Stephane Francois：Executive Vice President － Leutron Vision, Inc.

William Munroe：Director of Marketing－Microvision

Dr. Lutz Kreutzer：Marketing Manager －MVTec

Karl Gunnarsson：Vision Manager - SICK

Endre Toth：Director Business Development－Vision Components

您在已经在机器视觉中使用的可配置的视觉产品（智能相机，嵌入式视觉处理器，基于PC的引擎，帧采集器等等）中预见到什么发展趋势？

[Rene]在我看来，Arvoo在图像处理硬件的一个主要趋势是相机与处理器的集成。主要供应商中的许多只提供智能相机或集成的视觉处理器，其他的是集成了一些CCD或CMOS设备。我们相信紧凑方案有市场，尽管它主要是低级的应用市场。除此之外，终端用户的学习是非常重要的，基于智能相机的DSP或FPGA对于那些无经验的编程者来说可以充分发挥应用开发时间的优势。考虑到开发时间投入市场时间，用知名的操作系统，比如Linux，RT Linux，QNX或Ecos的方案通常是首选的。

来自在一个操作系统上运行的智能相机的主要问题是大多数都在一个基本用途的处理器上运行，比如Pentium Mobile，Power PC等等。这些处理器有较高的发热性，导致在相机内部有很高的温度。众所周知，温度会影响图像处理的许多功能，这将导致损失精度和产生许多随机噪声。

针对高端终端应用，ARVOO将图像获取（比如：帧采集器）和图像处理集成到一个视频处理器中。这个视频处理器被图像处理设备分离（比如：相机）。在这个架构下，我们在允许的产热量（大约20W）没有影响图像处理过程的条件下提供一个高处理能力。机架固定方案能够很好地应用于多个相机应用，二维和三维图像处理。在一个系统中通过千兆以太网连接多个单元，但只允许在个宽范围内安装它们。

[Ben]机器视觉将继续从降低成本和增加处理器，内存和其他组件的性能中获利。在IPD，我们看到机器视觉中有三个发展趋势。第一，机器视觉系统的用户接口会引起越来越多的关注。用户接口通常是最后考虑的，这需要从算法设计者不断贡献中来建立。结果可能对设计者有意义，但对于用户来说需要较长的时间去学习。在IPD，我们从接口开始，并通过可接受的人为因素来使得我们的视觉系统易于使用的方法来建立。

第二个趋势是使机器视觉工具成为使用简单的专用工具。与一个复杂的多功能的基本视觉系统相反，我们的工具针对于一类问题。这个在特定知识领域上建立，会极大地减少需要使用一个机器视觉工具的专家知识。举个例子，一个传统机器视觉系统有许多不同的你可能用于检测一个零件的边缘检测算子。如果你知道你正在做的，这个弹性就很好，但是让大多数用户不知道从哪里开始。与此相反，我们提供知道那些需要去做和为测量选择算法的尺度检测工具。我们把视觉专家知识生成一个工具包，以便用户只是专注于他们的任务而不是变成一个视觉专家。

第三个趋势是增加视觉系统的智能以使它能克服更多的环境变化。比如，与让用户去装置一个零件到一个特殊的位置不同，我们使用视觉搜索去寻找视场里的部件。或者再比如，我们使用能不受亮度变化影响的算法，以使部件照明简化。结合趋势二与三，我们有为专门应用而设计的视觉系统，比如监测标签。在这样的情况下，视觉系统理解最终任务，使用熟悉且适用于这个任务的接口。视觉商家必须平衡易于使用与市场大小，还有携带多个产品的成本。

[Stephane]技术趋势有包含PCIe和FPGA的帧采集器，多个GigE视觉相机，图像转化可靠性。GigE视觉（和USB2.0）要求新的设计。市场对解决特殊应用，不论是具有诸多功能的（用于不止一个系统），还是针对特殊应用的（对单个系统易于集成），都是有需求的。对于更多特征，价格总是会继续下降。

[Bill] 在过去的许多年里，机器视觉和条形码读取技术已经聚合到一个我们提到的智能相机或码图像机的新空间中。在这个新的集中技术空间中，有许多趋向涌现出，它们很可能在接下来的几年中推动工业的发展。其中之一就是消费群中使用数字相机的增加。今天你能用手机，PDA或小于一张商业卡的超薄相机就能很容易的获得高质量的图像。这会刺激消费者接受数字相机，我期望在商用视觉群中看到波动。

视觉技术将变得越来越能干，甚至易于使用且低价格。这跟在25年前紧凑显示器出现一样，当成千上万的消费者开始买基于激光二级管技术的CD播放器时，结果是可靠性在提高，激光二级管价格的急剧下降使得生产条码扫描设备的生产商逐渐增多，昂贵的氦氖激光管比便宜的二极管的小许多。就在CD播放器使用仅仅几年之后，大多数条码扫描器使用二级管。在今天看来，我期望看到商业视觉系统尺寸越来越小，高分辨率和更低成本。作为做基层和系统的工程师来说，看到这些新视觉系统的价格下降，机器视觉应用就应当打开。

第二个技术趋势可能是会更重要，即大力提高图像处理软件工具。图像处理能力和速度的增长一直以来由硬件上的提高来驱动，因此更好的开发工具会使得软件开发者开发更容易且更快，让他们开发出对于一个给定应用的需求，只需要个别修改的图像处理方案。

跟建立一个新的工业视觉系统一起的我们遇到的更多的物理复杂性可能由易于使用的软件控制选择所替代。这对做基层的工程师有利，会帮助打开智能相机和条码图像机的新的应用。

[Lutz] 我们看到与潜在技术相关的一些趋向包括：双核－对于使用并行软件64 CPU/64 Bit XP来说是基本需求，全面支持64Bit的增长速度，更多处理空间，更大的图像。

机器视觉系统有哪些组成部分_机器视觉系统包括

选择自己需要的机器视觉系统可以根据以下几个步骤进行：

1. 确定目标和需求：首先，明确你希望机器视觉系统能够实现的功能和目标。例如，你可能希望系统能够进行物体识别、检测或者跟踪。

2. 研究可用的技术和算法：了解机器视觉系统的不同技术和算法，包括图像处理、模式识别、深度学习等。这样可以帮助你更好地理解机器视觉系统的原理和能力。

3. 评估性能指标：考虑机器视觉系统的性能指标，如准确率、处理速度、稳定性等。这些指标将直接影响系统的实际应用效果。

4. 考虑硬件需求：确定你需要的硬件设备，如摄像头、传感器等，并确保系统可以与这些设备兼容。

5. 选择合的开发工具和平台：根据你的技术水平和需求，选择适合的机器视觉开发工具和平台。常见的开发工具包括OpenCV、TensorFlow等，而开发平台则可以是PC、嵌入式设备或者云服务等。

6. 进行实际测试和评估：在选择机器视觉系统之前，可以进行一些实际测试和评估，以验证系统的性能和适用性。这可以包括使用示例数据集进行训练和测试，或者进行小规模的实际应用测试。

值得注意的是，选择合适的机器视觉系统可能需要一定的专业知识和经验。如果你不确定如何选择，可以考虑咨询专业人士或者参考相关的研究和案例。