机器视觉，又称计算机视觉，涵盖单目、双目（立体）与多目视觉，其核心目标就是让计算机像人眼一样“感知”世界——通过图像数据构建或还原现实世界的视觉模型，从而理解我们所处的物理环境。

机器视觉的应用

机器视觉的实际落地场景，主要可以归纳为两大类：检测与机器人视觉。

先说检测领域。这里又分为两种情形：一种是需要高精度定量测量的场景，例如显微镜下对细胞进行分类、机械零部件的尺寸与位置精密测量；另一种是不依赖精确量具的定性或半定量检测，典型应用包括产品外观检查、装配线上的零部件识别与定位、缺陷检测以及装配完整性校验。这类场景通常依赖“视觉判断”，但质量要求极为严格。

再来看机器人视觉。它的作用是引导机器人在较大空间范围内完成操作与移动。举个例子：从一堆杂乱堆放的工件中准确抓取一个，并按特定方向放置到传送带上——这就是经典的“料斗拣取”问题。在更精细的操作范围内，往往还需要结合触觉传感技术来协同完成。

从行业分布来看，制药、包装、电子、汽车制造、半导体、纺织、烟草、交通、物流……几乎所有领域都在用机器视觉替代人工。这样做的好处非常直观：提升生产效率，同时保障产品质量。以物流行业为例，快递分拣采用机器视觉，既能大幅减少暴力分拣导致的货物损坏，又能提高分拣速度，减轻繁重的人工劳动负担。

机器视觉的特点

一套成熟的机器视觉系统，在工程层面通常具备以下特性：

• 摄像机的拍照速度可自动匹配被测物的运动速度，确保拍摄出理想的图像；
• 零件尺寸范围可从2.4mm到12mm，厚度也能够灵活调整；
• 操作者可根据不同尺寸的工件，调用对应的视觉程序进行检测，并输出检测结果；
• 针对不同零件，排序与输送装置能精确调整料道宽度，确保零件在固定路径上稳定运动并完成检测；
• 系统分辨率达到2448×2048，动态检测精度可达0.02mm；
• 废品漏检率直接归零；
• 可通过显示图像实时监控检测过程，界面上的数据也能动态呈现检测结果；
• 一旦发现错误工件，系统能及时发出剔除控制信号，准确执行剔除动作；
• 系统还能自检主要设备的工作状态是否正常，配备状态指示灯，同时支持设置不同操作权限——维护人员与使用者各司其职；
• 实时显示检测画面，中文界面，可回看不合格品的图像，并具备存储与查看错误工件图像的功能；
• 能生成包含对应错误图像的错误结果信息文件，并支持打印输出。

机器视觉系统的组成

从字面上看，“机器视觉”三个词就清晰拆解了系统构成：机器负责机械运动与控制，视觉依靠光源、工业镜头、工业相机、图像采集卡等硬件实现，而系统则主要指向软件——或者说整套设备的核心灵魂。

如果按功能模块来划分：

• 图像获取：光源、镜头、相机、采集卡、机械平台；
• 图像处理与分析：工控主机、图像处理分析软件、图形交互界面；
• 判决执行：电传单元、机械单元。

至于机器视觉的输入装置，主要包括两大组成部分：

• 成像设备——也就是对景物进行探测成像的硬件；
• 数字化设备——把成像设备输出的模拟信号转换成二维或三维的数字化图像。

常见的成像设备有：CCD彩色/黑白摄像机、数字扫描仪、超声成像探测仪、CT成像设备、红外成像系统、激光成像系统、计算成像系统等。观测系统选用的光波段，会根据探测对象的物理介质、材料与状态不同，从可见光延伸到红外、X射线、微波、超声甚至γ射线。观测对象也多种多样：静止的、运动的、平面的、立体的，高清图像均可实现。

机器视觉的工作原理

机器视觉检测系统的工作流程其实相当直观：用CCD相机将待检测目标转换成图像信号，然后传输给专用的图像处理系统。图像信号根据像素分布、亮度与颜色等信息，被转变成数字化信号。接下来，图像处理系统对这些信号进行各类运算，提取目标的特征——例如面积、数量、灰度等，再根据预设的允许度与其他条件，最终输出结果：尺寸、角度、个数、合格还是不合格、有还是没有，等等。这样一来，自动识别功能便得以实现。

机器视觉系统的最大特征

机器视觉系统最突出的优势在于“会思考”——它能够综合利用多种知识，包括特征模型、成像模型、物体模型、物体之间的关系等，在视觉处理的各个阶段尽可能地进行自动运算。系统应使用那些可以被明确表达的知识，这样不仅能提高适应性与鲁棒性，还能有效解决机器视觉中那些公认的棘手难题。简而言之，就是让机器不仅“看得见”，更要“看得懂”。