什么是机器视觉光学？
机器视觉光学系统的定义
机器视觉光学系统包括光学元件和光学部件，例如照明器、透镜、反射镜和棱镜，这些元件的设计和制造旨在支持机器进行自动视觉检测。几乎所有工业生产的产品都会经过视觉检测，该过程主要针对目标物体的状态或状况进行多方面的检查。
已检查元素的示例包括：
- 形状、尺寸、尺寸稳定性
- 空间中的正确位置和方向
- 光学特性，例如颜色和外观
- 缺陷的存在与否
- 预期组件是否齐全（例如，在电路板组件中）
有关机器视觉光学系统的更多信息，请参阅参考文献[1]。
目录
机器视觉光学是如何工作的？它能解决什么问题？
机器视觉光学系统通过利用光源、透镜和传感器，采集与计算机执行任务相关的信息。其功能极为广泛，例如癌症检测、肿瘤体积估算、水果分级、生产线上的合格/不合格检测、农作物成熟度判定等，不一而足。
此外，工业检测利用机器视觉技术测量待测对象的具体尺寸和规格，以检查产品质量。这省去了手动测量每个零件的步骤，而在批量生产环境中，手动测量尤其耗时。
图1. 制药厂中的机器人 视觉传感器摄像系统
机器视觉光学适用于哪些行业和应用？
机器视觉及自动检测技术能够满足众多行业、需求和应用场景，因此几乎所有从事产品生产和市场供应的制造商都能从产品品质的视觉检测中获益。
回收中心利用光谱分析技术按种类对塑料进行分类，并将每种塑料分别放入不同的回收箱中。
农业供应链可以利用机器视觉技术，例如，从传送带上正在移动的深绿色生菜中筛选出浅绿色品种，然后将它们分别包装。
医疗分销、制药、汽车零部件和电气供应、消费电子产品批量生产、航空、航空电子设备等行业，以及支撑这些行业的供应链，均采用机器视觉技术进行生产检测。
图2. 食品工厂寿司工业生产线传送带上的条码 机器视觉技术。
如何开发和建模机器视觉的光学系统？
要开发和建模用于机器视觉的光学系统，第一步是明确需求，通常涉及成像系统中使用的特定焦平面以及所需的灵敏度。这会影响照明系统的设计，包括光源的选择、所需功率以及集光效率。特别是被检表面的反射率——即有多少光进入成像路径——会直接影响照明要求。
在成像系统方面，关键因素包括：
- 被检零件上需分辨的特征尺寸
- 实现分辨率、景深和信号水平所需的数值孔径
- 被检件与镜头之间的工作距离
- 待检测部件的成像区域（视场）
- 物体的偏振特性
此外，可能还存在一些系统级指标，用于衡量系统性能的更普遍方面。例如：
- 对高信噪比的要求，包括对高速摄像机功能和曝光的要求
- 针对被测单元侧壁，采用超中心成像技术可在保持可接受畸变的同时提供大视角，这会产生独特的照明要求
- 针对超大（或超窄）零件尺寸的特殊要求
- 探测器阵列的特性，如像素间距和主光线角限制（这是判断同心性的一个因素）
- 需满足同轴性要求，以确保焦距变化不会改变物体尺寸
- 光谱范围、样本波长和波长权重
- 放大倍率
- 允许的失真
- 包络约束
- 重量限制
- 生产数量
- 成本目标
机器视觉系统利用图像信号处理（ISP）来执行视觉检测。ISP 程序的设计需考虑以下因素：
- 对待识别对象的先验知识。这有助于系统设计和训练，从而使检测算法针对特定的对象集合得到优化
- 了解成像系统的特性（如分辨率和视场）以及图像传感器的特性（包括像素阵列尺寸和像素尺寸）
- 场景的照明条件
- 图像处理技术，例如边缘检测和分割
- 物体或特征检测方法
就整个系统而言，其他问题还包括总体预算和成本。
设计光学系统时，关键在于尽可能多地捕获与任务相关的信息，同时要了解图像处理方法如何改变或提升系统性能。设计参数可能包括结构化照明、光源的相干性、反射率、吸收、散射、光谱响应、相位对比、偏振特性、辐射测量等。
为了助力机器视觉系统的开发，是德科技提供了用于照明设计的LightTools、用于光学系统设计的CODEV，以及作为平台的ImSym——该平台可提供系统的端到端模型，涵盖镜头系统、探测器特性及图像信号处理方法。
参考文献
[1] 《机器视觉：自动化视觉检测：理论、实践与应用》，Beyerer、Puente Leon、Frese 著，Springer Verlag 出版社，2016年。
浏览相关博客
需要帮助或有疑问吗？