机器视觉使测量变得容易

机器视觉系统可以解决测量距离 ，直径和其他尺寸等问题 。

在机器视觉测量 ，相机拍摄的图片的一部分 ，然后处理来提取所需的测量 。

机器视觉系统提供的精度 ，在许多测量应用的精度和可重复性 。一个典型的机器视觉系统 。包括机械定位和测量 ，相机可以拍照的部分照明 。然后 ，该图片被处理 ，以提取所需的测量 。

机器视觉系统可以每秒数千测量 。它可以测量的属性 ，如圆形或表面标记 ，是很难靠计量或光学系统来处理 。由于机器视觉非接触式 ，部件没有损坏 。机器视觉计量通常盲目深度 ，当用结构化的光相结合 ，或当两个或多个照相机被用于提供立体视觉除外 。

在过去，机器视觉系统计量非常昂贵和难以成立 。新的预集成的机器视觉系统更具成本效益和更容易使用 ，使机器视觉量具任何制造商的可行选择 。有些系统可以很方便和直观的界面和集成的智能软件中的测量 ，建立一个以分钟为计量解决方案 。

在大多数情况下 ，机器视觉计量可以替代接触计量 。它会更快和更精确 ，并且不会损坏部件。一些计量应用仍然使用更好的接触计量 ，因为联系方式是廉价的还是因为部分需要深度测量的机器视觉计量不能提供服务 。某些计量应用要求的精确度和可重复性 ，只有一个光学计量系统提供的 ，但最终用户将支付更多的采集和光学计量系统的维护 。

 

性能特点

所有的测量解决方案 ，需要有三个重要特点 ：重复性 、准确度和精密度。

重复性是指在一起重复测量是如何的 ，或测量的方差 。准确性是如何接近测量值的真正价值 。认为准确度的重复测量和真正的价值之间的平均差异 。精度是测量计可以读取的数字的数量 。

该测量系统达到良好的性能需要所有这三个特征 。一些机器视觉系统能够高精度高达六或七位数字 。然而 ，如果系统不能达到规定的精度和可重复性水平 ，高水平的精度是没有意义的 。在线联系计量方法 ，相反的是真实的 ：通常是在测量精度的限制因素 。

不管什么方法接触 ，光或机器视觉应用，有任何的测量解决方案的三个重要特征 ：重复性 、准确度和精密度 。

 

影响因素

在任何机器视觉测量系统中 ，影响精度 、重复性和精度的几个因素 。

照明 ：选择照明（照明） ，这样系统就可以看到需要测量的部分“边缘” 。良好的照明将放大的兴趣的边缘 ，并减少不相关的边缘 。坏的照明可以使任何测量不可能 。

定位 ：被测量的部分必须放置在相机的视野 。更确切地说 ，该对象可以被定位在视图中 ，更有效地和有效地机器视觉系统将工作 。

光学（镜头） ：一个机器视觉测量系统只和它所处理的图像一样好 。镜头中的扭曲会导致测量误差 。选择合适的镜头也是重要的 ，在最大限度地提高感兴趣的功能的可见性 ，以提供更精确的测量 。

相机 ：相机必须专门设计用于机器视觉测量 。这包括广场（1:1比例）像素，顺序读出的像素和低抖动时的像素强度值数字化 。此外 ，机器视觉测量系统必须将能够触发相机拍摄照片时部分或被巡视地区直接放置在它前面。触发和相机往往与照明协调 ，光是打开的还是选通时 ，部分地方 。相机必须有一个快速的快门速度 ，以便它可以防止模糊 ，因为部分运动（例如 ，在传送带上） 。快门必须是同步的（一次）或定时的部分的运动 ，否则 ，测量的部分的形状和强度可能会出现扭曲 。

算法 ：一个算法是一个精确指定的方法来执行一个特定的任务 。在机器视觉测量 ，测量距离的一种重要算法是一个像素的一部分（像素）之间的边缘或表面图像上出现的标记 。在测量其他重要算法包括搜索（在视野定位部分的能力）和校准（翻译成像素为实际测量和补偿图像失真的镜头介绍的能力） 。

适当的考虑和实施所有这些因素的照明 ，定位 ，光学 ，相机和算法是重要的 ，以获得质量测量 。

要注意的一个重要项目 ：一些机器视觉测量系统提供理论规范与测量性能的供应商 。因此 ，规范“测量1/40像素”可以被引用 ，但它不可能在实践中达到这个精度和可重复性 。这些数字看起来很好的一个规范表 ，但不会提供所需的信息 ，切实评估系统的性能 。而不是理论规格 ，寻找系统 ，提供测量的性能值的基础上真正的测试 。

从每个孔的圆度和中心 ，机器视觉测量可以发现每个洞就在部分参考点的位置 。

 

机器视觉测量系统的工作方式

选择一个镜头和工作距离 ，这是从镜头到被测量的部分的距离 ，提供了一个很好的视野 。一个很好的视野 ，包括要测量的部分区域 ，再加上一点 ，以允许部分运动和对齐 ，但没有更多的 ；

正确定位在相机的字段中测量的部分

提供清晰地显示被测量的边缘和标记的光 ；

确保视觉系统提供的准确度和可重复性与测量任务是适当的 。

机器视觉测量系统在图像测量之间的边缘 。“边缘”是一个强度的突然变化 ，它也可以被认为是亮度 ，往往 ，但并不总是 ，对应于一个物理边缘的一部分 。除了物理边缘 ，打印 ，标记 ，划痕和阴影可以被看作是边缘 。这些非物理边缘的一些是罚款用于测量，但其他人 ，如阴影 ，可以是太多的可靠的测量变量 。光滑或低对比度的边缘 ，如模糊的斑点 ，是很难或不可能准确测量 。

 

应用实例

一个标准的应用 ，可以通过机器视觉解决的一个例子是测量孔的圆度和中心 ，和孔之间的距离 ；例如，钻孔或盖在孔上的金属部分 。从每个孔的圆度和中心 ，机器视觉测量可以发现每个洞就在部分参考点的位置 。寻找一个接触片圆度是一个缓慢而艰难的过程 ，特别是如果有许多孔的测量 ，和一个光学系统不会以及机器视觉测量执行这项任务 。

有了适当的照明 ，镜头和定位 ，机器视觉系统可以执行这些措施在一小部分的第二 。这些结果可以进行分析 ，以通过或拒绝的部分和收集的统计数据 ，可能表明 ，例如，过度的刀具磨损 。这种非接触测量不能损坏部分 ，并转换到不同的部分类型可以迅速地进行 。

另一个例子 ，机器视觉测量是测量零件尺寸和表面标记的位置 ；例如 ，条纹在色谱或嵌入材料的位置 ，如在塑料基体金属棒 。在这些案件中 ，有一个接触测量系统“触摸”和用于测量光学系统没有三维结构 ，所以一个机器视觉系统是唯一的选择 。再次 ，灯光、镜头和定位提供了一个良好的 ，高对比度的图像 ，机器视觉测量定位和测量对象的边缘 。

机器视觉不再是一个解决方案 ，以前只有那些有无限预算的公司可以实现 。现在在具有成本效益的范围 ，在高性能和易于使用的系统的今天 ，任何制造商都可以解决使用机器视觉测量测量的应用 。

 

技术提示

机器视觉系统在许多应用中提供精密度 ，准确度和可重复性 。

典型的机器视觉系统包括机械定位和测量 ，相机可以拍一部照明 。然后 ，该图片被处理 ，以提取所需的测量。