一、机器视觉系统
机器视觉系统是指利用机器替代人眼做出各种测量和判断。机器视觉是工程领域和科学领域中的一个非常重要的研究领域，它是一门涉及光学、机械、计算机、模式识别、图像处理、人工智能、信号处理以及光电一体化等多个领域的综合性学科。
其应用范围随着工业自动化的发展逐渐完善和推广，其中母子图像传感器、CMOS和CCD摄像机、DSP、ARM嵌入式技术、图像处理和模式识别等技术的快速发展，有力地推动了机器视觉的发展。
机器视觉是一种比较复杂的系统。因为大多数系统监控对象都是运动物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。
在某些应用领域，例如机器人、飞行物体导致等，对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。
机器视觉系统的构成和工作过程
一个完整的机器视觉系统包括：照明光源、光学镜头、 CCD 摄相机、图像采集卡、图像检测软件、监视器、通讯单元等。
工业机器视觉系统工作流程:
1、当传感器探测到被检测物体接近运动至摄像机的拍摄中心，将触发脉冲发送给图像采集卡；
2、图像采集卡根据已设定的程序和延时，将启动脉冲分别发送给照明系统和摄像机；
3、一个启动脉冲送给摄像机，摄像机结束当前的拍照，重新开始一副新的拍照，或者在启动脉冲到来前摄像机处于等待状态，检测到启动脉冲后启动，在开始新的一副拍照前摄像机打开曝光构件（曝光时间事先设定好）；另一个启动脉冲送给光源，光源的打开时间需要与摄像机的曝光时间匹配；摄像机扫描和输出一幅图像；
4、图像采集卡接收信号并通过A/D转换将模拟信号数字化，或者是直接接收摄像机数字化后的数字视频数据；
5、图像采集卡将数字图像存储在计算机的内存中；
6、计算机对图像进行处理、分析和识别，获得检测结果；
7、处理结果控制流水线的动作、进行定位、纠正运动的误差等。
二、机器视觉相关技术
1、图像采集技术——机器视觉的基础
图像采集部分一般由光源、镜头、数字摄像机和图像采集卡构成。采集过程可简单描述为在光源提供照明的条件下，数字摄像机拍摄目标物体并将其转化为图像信号，最后通过图像采集卡传输给图像处理部分。
在设计图像采集部分时，要考虑到多方面的问题，主要是关于数字摄像机、图像采集卡和光源方面的问题。
（1）光源照明：
照明是影响机器视觉系统输入的重要因素，其直接影响输入数据的质量和应用效果。到目前为止，还未有哪种机器视觉照明设备能通用各种应用，因此在实际应用中，需针对应用选择相应的照明设备以满足特定需求。
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，背向照明是指将被测物放在光源和摄像机之间，以提高图像的对比度。前向照明是光源和摄像机位于被测物的同侧，其优点是便于安装。
结构光照明是将光栅或线光源等投射到被测物上，并根据其产生的畸变，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。
（2）光学摄像头
光学摄像头的任务就是进行光学成像，一般在测量领域都又专门的用于测量的摄像镜头，因为其对成像质量有着关键性的作用。
摄像头需要注意的一个问题是畸变。这个就需要使用相应的畸变校正方法，目前也开发出了很多自动畸变自动校正系统。
（3）CDD摄像机及图像采集卡
CCD( Charge Coupled Device) 摄像机及图像采集卡共同完成对目标图像的采集与数字化。目前 CCD，CMOS等固体器件的应用技术，线阵图型敏感器件，像元尺寸不断减小，阵列像元数量不断增加，像元电荷传输速率也得到大幅提高。
在基于PC机的机器视觉系统中，图像采集卡是控制摄像机拍照来完成图像的采集与数字化，并协调整个系统的重要设备。
图像采集卡直接决定了摄像头的接口为：黑白、彩色、模拟、数字等形式。
三、机器视觉的应用与优势
1、机器视觉技术的应用范围
（1） 在工业检测方面
近几十年来，在工业检测中利用视觉系统的非接触、速度快、精度合适、现场抗干扰能力强等突出的优点，使机器视觉技术得到了广泛的应用，取得了巨大的经济与社会效益。自动视觉识别检测目前已经用于产品外形和表面缺陷检验，如木材加工检测、金属表面视觉检测、二极管基片检查、印刷电路板缺陷检查、焊缝缺陷自动识别等。
这些检测识别系统属于二维机器视觉，技术已经较为成熟，其基本流程是用一个摄像机获取图像，对所获取的图像进行处理及模式识别，检测出所需的内容。
（2）在医学方面
在医学领域，机器视觉主要用于医学辅助诊断。首先采集核磁共振、超声波、激光、Ｘ射线、γ射线等对人体检查记录的图像，再利用数字图像处理技术、信息融合技术对这些医学图像进行分析、描述和识别，最后得出相关信息，对辅助医生诊断人体病源大小、形状和异常，并进行有效治疗发挥了重要的作用。
不同医学影像设备得到的是不同特性的生物组织图像，如Ｘ射线反映的是骨骼组织，核磁共振影像反映的是有机组织图像，而医生往往需要考虑骨骼有机组织的关系，因而需要利用数字图像处理技术将两种图像适当地叠加起来，以便于医学分析。
2、机器视觉技术的优势
针对量大面广的混凝土梁体
1、效率：工业自动化的快速发展，使生产效率大幅提升，从而对检测效率提出了更高的要求。人工检测效率是在一个固定区间，无法大幅提升，而在流水线重复且机械化的检测过程中，检察人员很容易出现疲劳而导致检测效率降低;而机器视觉能够更快的检测产品，特别是在生产线检测高速运动的物体时，机器能够提高检测效率，速度甚至能够到达人工10-20倍；
2、精度：由于人员有物理条件的限制，即使是依靠放大镜或显微镜来检测产品，也会受到主观性方面的影响，精度无法得到保证，而且不同的检测人员的标准也会存在有差异；在精确性上机器有明显的优点，它的精度能够达到千分之一英寸。而且机器不受主观控制，只要参数设置没有差异，相同配置的多台机器均能保持相同精度
3、客观性：人工检测难免会出现疲劳，同时有一个致命缺陷，就是情绪带来的主观性，检测结果会随检察人员心情的好坏产生变化；而机器没有喜怒哀乐，它所带来的检测结果自然更加客观可靠。
4、重复性：机器可以以相同的方法一次一次的完成检测工作而不会感到疲倦；与此相反，人工长期重复性检测肯定会产生疲劳，同时每次检测产品时都会有细微的不同，即使产品是完全相同。
5、环境：机器视觉是通过即图像摄取装置将目标转换成图像信号，传送给专用的图像处理系统，在测量工件过程中，无需与工件进行接触，因此能够适应恶劣危险生产环境，同时也不会对工件造成接触性损伤；而人工则需要与工件进行接触性检测，因为无法应对恶劣环境，且在检查过程中不可避免的会对工件造成接触性损伤；
6、成本机器视觉前期投入会比较多，但属于一次性投入，长期产出，由于机器视觉的发展越来越迅速，价格也会逐渐降低；而人工检测则需要长期投入，且人工管理成本会呈不断上升的趋势。由于机器比人工的检测效率高很多，因此长期来看，机器视觉成本会更低；
7、信息集成：机器视觉可以通过多工位检测方法，一次性完成待检产品的轮廓、尺寸、外观缺陷、产品高度等多技术参数的测量；而人工检测在面对不同的检测内容时，只能通过多工位合作协调完成，而不同员工检测标准不一，极容易出现误检的情况；
机器视觉未来发展趋势
机器视觉可以说是人工智能的最下层的基础设施层， 在人工智能产业行业应用最主要几个应用领域中，机器视觉的应用领域非常深、非常多，从整个产业链的全景图来讲，中国的人工智能产业处在快速的生态的构建期。
从整个机器视觉的领域来讲，它是处在快速的重构期，通过市场分析来看，机器视觉并不是特别新兴的领域，这从最早图像处理衍生到现在，市场上有很多大的厂商对智能安防和交通做了很久的深耕，他们最开始不是做机器视觉、人脸识别起家的，在这几个行业中很多厂商都处于并驾齐驱、快速发展阶段。
赛迪顾问预测到2018年中国人工智能市场规模会超过406亿，这个复合增长率会达到25.8%，增速是快于全球的整个增长率的。在市场结构上来讲，也是存在着整体的情况。投资规模来讲，在去年一年，从投资的整个额度包括投资笔数都呈快速增加的态势，而且很多从事人工智能和机器视觉的企业数量也在快速地增加。
未来，通过人工智能方面利好的政策，在这四个领域会有比较大的机遇，安防、交通，金融，消费电子这是机器视觉领域重点关注的应用行业方向。
第一是现在巨头做机器视觉，包括人工智能演进，他们都是呈开元化，这在中国来讲比如华为，对他们来说开源的思路，到底开源怎么用，有很多理念上跟国外还是有一定的差距，很多开源做完代码自己封装自己用了，其实从整个思路来讲，国外开源理念上是更先进的。当然有其背后的原因，很多企业基本上在提交人工智能代码上走着开源化部署道路。
整个产业的演进方向，目前处在快速回报期。整个产业和产品技术演进会存在周期的波动，机器视觉领域以及计算机视觉，仍是处在快速的回报期，也就是说它的技术已经得到成熟，市场关注度也在快速地回升，它是未来能够得到快速回报的重点产品和领域。
最后就是在目前中国整个市场发展，包括政府的规划中，智慧城市这个话题又重新火热起来了，很多年前建设了很多，但是发展都不是特别顺利，现在随着人工智能整个产业发展，这个动力和热潮，主要原因就是技术实力能够解决真正的刚需和真正的问题，在数据方面我们预测今年中国智慧城市建设数量超过500个，在整个智慧城市的产业定义上来讲，机器视觉领域需求量特别大的，很多的包括智慧城市的定义就是说，什么叫智慧城市，就是摄象头数量多少个，这是一个很刚性的标准，对智能，包括具备人脸识别功能摄象头需求量未来是非常大的。
