机器视觉是计算机感知环境的能力。一个或多个摄像机用于模数转换和数字信号处理。图像数据被发送到计算机或机器人的控制器上。人眼对390到770纳米的电磁波有反应，而摄像机可以感应到比这更宽的波长范围，有些机器视觉系统可以在红外线、紫外线或X射线波段工作。

   机器视觉通常与计算机的视觉能力相联系。“计算机视觉”是指计算机数字化图像、处理数据并采取某种行动的技术。

   机器视觉系统使用机器人中的传感器在计算机的帮助下观察和识别物体。机器视觉应用于各种工业过程，如材料检验、物体识别、模式识别、电子元件分析，以及签名、光学字符和货币的识别。

   除了材料检测，机器视觉系统还有其他一些应用。用于可视化库存控制和管理的系统，如条形码读取和计数，通常使用机器视觉系统。工业产品运行使用机器视觉系统来评估产品在不同阶段的过程。甚至食品和饮料制造商也应用机器视觉系统来监控质量。在医学领域，机器视觉系统被用于医学成像和检查程序。

机器视觉系统

   机器人的视觉系统由许多基本部件组成，其中包括捕捉图像的摄像机，以及提供和传递结果的处理机制。为了使任何机器视觉系统可靠地工作并产生可重复的结果，这些重要的组成部分如何相互作用是很重要的。

   照明对机器视觉非常重要，因为它照亮要查看的零件，从而使相机能够清晰地看到。镜头捕捉图像并以光的形式与传感器通信。机器视觉相机中的传感器将这些光转换成数字图像，然后传输到处理器进行分析。

   视觉处理采用的算法审查图像，提取所需信息，运行所需的检查，并作出决定。最后，通信通过离散的I/O信号或通过串行连接传输到正在记录或使用信息的设备的数据来完成。

RobotWorx-3D视觉

   根据物体的颜色，机器人的视觉系统分为三大类。分别是（1）二值图像，由黑白图像组成；（2）灰色图像；（3）基于红色、绿色或蓝色的图像。电子图像是用分为这三类的像素建立起来的。如果图像不属于这些类别中的任何一个，则选择最接近该图像的类别。

人工智能推动协作移动机器人的进步

   灵敏度和分辨率是任何视觉系统的重要指标。灵敏度是机器在微光条件下观察的能力，或是在不可见波长下发现不可察觉的脉冲。分辨率允许机器区分物体。灵敏度和分辨率是相互依赖的。如果所有其他因素保持不变，增加灵敏度会降低分辨率，而增加分辨率则会降低灵敏度。

   工业机器人的发展从根本上提高了生产效率。虽然员工仍在按照计划改变夹具或设置，校准系统，并在开始生产前进行测试和修改，但视觉引导机器人作为一种消除这种耗时工作的方法一直受到关注。

   大多数工业机器人制造商都有自己的控制程序。如果您正在寻找一个机器人，请确保您的图像处理系统与机器人的控制程序兼容。即使使用兼容的系统，安装也可能需要大量的时间和人力。引入视觉引导机器人的目的是提高生产效率或降低成本。因此，如果系统设置需要额外的时间和人力，那么配置是另一个需要考虑的方面。

   如果没有视觉导航系统，机器人将会失明，无法正确处理物体。用视觉引导的机器人，可以使用最少的劳动力，工作效率达到最大。它们可以被编程，例如拾取、放置和夹点校正。您可以按照相机分辨率和灵敏度设置的说明来完成设置，然后选择要连接的机器人、校准、搜索设置。

   机器视觉已经为制造业做出了重要贡献，主要是通过提供作为质量控制程序一部分的自动化检测能力。然而，自动化的世界变得越来越复杂。工业4.0、物联网（IoT）、云计算、人工智能、机器学习等许多技术给视觉系统的用户和开发者在为各自的应用选择理想的系统时面临着巨大的挑战。

前景

   随着成像技术、CMOS传感器、嵌入式视觉、机器和深度学习、机器人接口、数据传输标准和图像处理能力等许多不同领域的快速发展，视觉技术可以在许多不同的层面为制造业带来好处。新的成像技术提供了新的应用机会。例如，高光谱成像可以提供被成像材料的化学成分的信息。

   机器成像允许一系列的图像以不同的方式组合起来，以揭示使用传统成像技术无法看到的细节。偏振成像可以显示材料中的应力模式。机器视觉技术的其他发展也促进了制造业的性能、集成和自动化。集成度可以从手动装配辅助到完全集成到OEM设备，并满足工业4.0的要求。工业4.0要求所有传感器类型都有一个通用的通信协议，以便进行数据传输和共享。

辅助手动装配

   仍然有大量的产品是手工组装的，而“人工辅助”摄像头可以用来帮助防止此类操作中的错误。操作员遵循一套安装在摄像机上并显示在监视器上的装配说明。每次操作后，系统会将结果与正确存储的图像进行比较，以确保操作员进入下一步之前已正确且完整地执行了该操作。如果操作不完整或出现错误，则会向操作员显示，以便更正。完成的每一步都可以被验证和记录，以提供可用于装配工作分析和可追溯性的数据。

用于post的图像为生产线增加视觉效果

   在生产线或包装线上使用视觉检查是一种公认的做法。系统范围从执行检查任务并向控制系统提供通过/失败结果的单点独立智能摄像头，到可能具有多个摄像头和/或多个检测站的基于PC的系统。视觉系统可以改装成现有线路或设计成新线路。视觉检查还可以与统计过程控制方法结合使用，不仅可以检查关键测量值，还可以分析这些测量值的趋势。通过这种方式，可以在生产任何超差产品之前进行干预以调整工艺。这可能是最接近工业4.0要求的先驱。

视觉引导机器人

   工业机器人已经得到了广泛的应用，随着协作机器人的出现和3D图像处理技术的迅速发展，它们的组合使用越来越多，尤其是视觉引导机器人。视觉系统识别物体的精确位置，并将这些坐标传递给机器人。视觉机器人界面的巨大进步使这一过程更加容易。三维机器人视觉最流行的应用就是在拾取和放置。

嵌入式视觉机器人

   通常基于ARM体系结构的小型嵌入式处理板的可用性为开发嵌入到其他设备和制造过程中的视觉系统提供了巨大的潜力。许多领先的图像处理库和工具包现在可以移植到这些平台上，以这种格式提供更广泛的视觉解决方案。将这些处理能力与低成本相机（包括板级摄像机）相结合，意味着视觉系统可以以相对较小的成本被整合到各种产品和工艺中。

  机器视觉中的深度学习已经被应用到很多方面，它使用CNNs通过识别从一组训练图像中学习的特征来执行分类任务。然而，在工业应用中，可用的训练图像数量非常有限，而工具、训练时间和处理器资源需要量也很高。其他的机器学习方法正在迅速被更便宜、更简单的实现人工智能的方法取代。