智慧工厂机器视觉感知技术综述
发布日期：2021-01-18 15:20:53来源：未知浏览次数：
智慧工厂是一个复杂的生产系统，应用方向十分独特，需要机器视觉感知控制技术所具有的高精准度、即时性及可再现性，在这种情况下可以发展智慧工厂机器视觉感知控制的系统化方案，依托实际生产需要，按照顺序设计出智能视觉成像系统以及全自动图像获取部分，这部分主要是针对对象的图像进行收集；而后对获得的清晰高质量图像进行第二步处理，即以去噪点、分割、拼接等方式对图像进行改善和完备，进一步提升图像质量和清晰度；接下来利用目标定位和分割法等，对图像内容进行判断并根据预先设置好的信息库加以分类甄别，完成对检测对象的识别、检查、测算等。在对图像进行处理中所获得的信息，可以进行恰当的优化控制。
工业成像系统的关键技术工业成像系统主要由光学、成像和处理组成的对物体进行成像的流程和步骤，在这个过程中，光学系统构成可分成光源和光学部件两个方面，光源的作用在于对物体进行照射产生光场，使其可以被成像系统接受到，所应用的光源可以是发光二极管或是结构光，而光学系统的作用在于对光路进行调整，使光信号得以聚焦并在规定的平面上成像。成像部分是传感器，通过光学部分成像而来的光信号在传感器的作用下变成可被识别的电信号，而后以比例放大、数值调整等方式得出数字图像。处理，是以通信电路和图像处理器为基础，以处理算法为主体形成的图像处理流程，数字图像在通信电路的传输下到达图像处理器，利用规定的处理算法完成即时性的数据处理，最终成为智能制造以及控制需要的信息。
自动获取图像的关键技术要达到自动获取图像的目标，就离不开精密成像机构的存在，不仅能实现对图像的成像位置的改变，还能调整图像的视角、清晰度、质量和数量，保证了成像信息的准确度。为满足对不同机械设备进行成像的不同需求，目前应用的自动化图像获取方法十分多样化，如位置触发成像、显微成像、眼手图像获取、全方位图像获取等。
图像预处理的关键技术图像的预处理，是对获取图像的简单处理和预先处理，主要包括对图像的噪点进行处理、对对比度和色度进行调整、对不同角度的不同视角的图像进行拼接等，经过预处理后的图像质量会有明显提升，智能化系统在进行识别的时候更加容易，且能更快的找到其应在的分类，在提升检测控制的准确度基础上，大大提升了工作效率。其中图像去噪的作用，它能将成像而来的高斯等噪声处理掉，利用特征点进行判断找到对比度的最合适数值，对边界模糊和运动模糊的问题进行处理，可以利用空间域滤波方法、变换域滤波方法等完成去噪处理。而对图像进行增强的手段则更加多样化，如图像锐化、图像校正等都是极具代表性的操作手段。在进行图像配准时，多源图像经过特征点检索、归类、变化、二次采样以及处理之后，能够明确检测目标物与图像之间的关系，而后以变换模型为基础完成图像的空间处理，最终得到准确的图像。
图像定位分割的关键技术在进行成像的时候，因为运动控制手段和机械电气可能存在的误差，很多时候目标的位置是不固定的，需通过目标定位和区域分割的方式进行成像，这样精准度比较高。在对象的背景不复杂、特征较为突出的前提下，可选择目标边界或是几何特征对物体进行定位和提取。但在一些特殊情况下，目标物体的背景非常复杂，很难进行定位和识别，物体本身也不具有较为明显的特征点，在这种情况下可以选择图像分割定位技术，如区域生长法、分水岭割算法等分割手段完成定位分割，其准确度和定位效率都比较高。
图像识别检测的关键技术利用图像识别检测技术，能够顺利且高效的完成对目标物的识别和分类、检验与测算等工序，确保智慧工厂生产过程中对目标物生产信息的多方面需求，图像识别检测技术的应用是建立在图像定位分割的基础上的，在图像分割完成后，对图像的特征点进行检验，利用模式匹配等手段完成识别和检测。通常需要进行识别的图像目标，大都是纹理均匀的封闭区域，根据目标物体的轮廓这种极为精准的特征，对其形状、大小、纹理等信息进行匹配和处理，根据特征点对分割后的图像进行处理就可以完成图像的识别。
在模式匹配识别手段中，模式一般可以以轮廓、点集的形式呈现，而进行匹配的时候也不是静置不变的，应选取匹配程度最高的作为匹配结果。根据不同的识别检测需求，目前已经研究出多种特征分析手段，可以分成以纹理为基础的检测手段、以局部特征为匹配对象的检测手段、以模板匹配为方式的检测方法等。
图像分类，是保证图像识别检测技术准确程度的基础，分类是否足够准确决定着最终的识别结果是否精准。对于图像分类能够采用的方法有很多种，最具代表性、应用最广的有模糊方法、神经网络方法等，正在发挥着不可替代的重要作用，但是现阶段对于一些多维数据以及比较复杂的数据信息，如何才能保证建模的准确性，还有待进一步进行探索和发展。
视觉伺服与优化控制的关键技术
（1）智慧工厂是一个复杂的系统工程，利用视觉检测识别出来的结果以及定位和姿态判定的结果作为参照，能够控制机器人准确的完成定位、拿取、分类等十分复杂的工作，视觉伺服运动控制的原理比较复杂，视觉控制率以视觉误差为界定确认控制量，并且控制机器人进行运动，进而做到规定的工作任务。
（2）视觉误差，可以理解为，是给定特征向量和视觉信息反馈二者的差异，在信息回馈这部分，利用成像信息等数据和内容，把现阶段图像的特征点的情况变成给定向量的测量值，以特征向量种类的不同，可以分成混合视觉伺服和直接视觉伺服等若干种视觉伺服。而基于位置的视觉伺服主要是利用机器人末端的位置情况作为参照信息，而混合视觉伺服在运行过程中则是利用图像特征点的坐标进行参照。
