工业相机镜头computer 视频监控系统摄像机镜头的主要参数及选用

视频监控系统摄像机镜头的主要参数及选用

摄像机镜头是视频监视系统的关键设备，它相当于我们眼睛中的晶状体结构，负责把外面的景象影射到一个平面上。如果没有晶状体，人眼看不到任何物体;如果没有镜头，那么摄像头所输出的图像，就是白茫茫的一片，没有清晰的图像输出。与近视眼或远视眼同理，摄像头与镜头的配合也有类似现象，当镜头的成像平面不能正好位于摄像头的CCD芯片上时，图像就会变得不清楚。

由此可见，镜头在闭路监控系统中的作用是非常重要的。工程设计人员和施工人员都要经常与镜头打交道：设计人员要根据物距、成像大小计算镜头焦距，施工人员经常进行现场调试，其中一部分就是把镜头调整到最佳状态。

一、摄像机镜头的分类

视频监控系统摄像机镜头品种繁多，从焦距上可分为短焦镜头、中焦镜头，长焦镜头;从视场大小分有广角、标准，远摄镜头;结构上分有固定光圈定焦镜头，手动光圈定焦镜头，自动光圈定焦镜头，手动变焦镜头、自动变焦镜头，自动光圈电动变焦镜头，电动三可变(光圈、焦距、聚焦均可变)镜头等。

二、摄像机镜头的主要参数

1.焦距

我们知道，平行光纤通过凸透镜会汇聚于一个焦点，这个焦点离透镜中心位置的长度就是焦距。现有镜头一般都可以看成凸透镜组，对于焦距固定的镜头，即定焦镜头;焦距可以调节变化的镜头，就是变焦镜头。

焦距的大小决定着视场角的大小，焦距数值小，视场角大，所观察的范围也大，但距离远的物体分辨不很清楚;焦距数值大，视场角小，观察范围小，只要焦距选择合适，即便距离很远的物体也可以看得清清楚楚。由于焦距和视场角是一一对应的，一个确定的焦距就意味着一个确定的视场角，所以在选择镜头焦距时，应该充分考虑是观测细节重要，还是有一个大的观测范围重要，如果要看细节，就选择长焦距镜头;如果看近距离大场面，就选择小焦距的广角镜头。

焦距的大小不但决定着视场角的大小，也在一定程度上影响着图像的景深。对景深的理解我们可以从“对焦”说起，在调节摄像机时，我们通过调节相机镜头，使距离摄像机一定距离的景物清晰成像的过程，叫做对焦。那个景物所在的点，称为对焦点。景深就是保证对焦点前后景物成像清晰的范围的总和，就叫做景深，意思是只要在这个范围之内的景物，都能清楚地拍摄到。景深的大小，首先与镜头焦距有关，焦距长的镜头，景深小，焦距短的镜头景深大。其次，景深与光圈有关，光圈越小，景深就越大;光圈越大景深就越小。一般来说，前景深小于后后景深，也就是说，精确对焦之后，对焦点前面只有很短一点距离内的景物能清晰成像，而对焦点后面很长一段距离内的景物，都是清晰的。

(1)基于焦距的分类及应用

依据镜头的焦距是否可变，支持哪种变化方式，我们可以将摄像机镜头分为定焦镜头、手动变焦镜头和电动变焦镜头。定焦和变焦镜头的选用一般取决于监视景物的特点和经济性。对于监视比较固定的地点，比如文物展台、收费窗口，使用定焦镜头具有一定的经济性，毕竟，定焦镜头比变焦镜头便宜。

我们无法确定具体哪个位置为最佳的对焦点时，比如一些狭长的通道或区域，采用变焦镜头有更大的灵活性，可以依据现场情况来确定定位于何种焦距是最合适的。至于变焦的范围，则可以根据监视范围的长度来确定，常用的规格有2.8～13mm，3.5～8mm几种。

电动变焦镜头用于监控很大的场面时，通常要配合电动镜头和云台使用。电动镜头的好处是变焦范围大，既可以看大范围的情况，也可以聚焦某个细节，再加上云台可以上下左右的转动，可视范围就非常大了。电动镜头有6倍、10倍、15倍、20倍等多种倍率，如果知道基准焦距，就可以确定镜头焦距的可变范围。例如一个6倍电动镜头，基准焦距为8.5毫米，那么其变焦范围就是8.5到51毫米连续可调，视场角为31.3到5.5度。电动镜头的控制电压一般是直流8V～16V，最大电流为30毫安。所以在选控制器时，要充分考虑传输线缆长度，如果距离太远，线路产生的电压下降会导致镜头无法控制，必须提高输入控制电压或更换视频矩阵主机配合解码器控制。

摄像机镜头焦距的长短与其视场角是密切相关的。镜头视场角可分为图像水平视场角以及图像垂直视场角，且图像水平视场角大于图像垂直视场角，通常我们所讲的视场角一般是指镜头的图像水平视场角。

依据摄像机镜头水平视场角的大小，可以将摄像机镜头分为标准镜头(或称中焦镜头、)、广角镜头(或称短焦镜头)、远摄镜头。

标准镜头：视角30度左右，在1/2英寸CCD摄象机中，标准镜头焦距定为12mm，在1/3英寸CCD摄像机中，标准镜头焦距定为8mm，一般用于走道及小区周界等场所。

广角镜头：视角90度以上，焦距可小于几毫米，可提供较宽广的视景。

远摄镜头：视角20度以内，焦距可达几米甚至几十米，此镜头可在远距离情况下将拍摄的物体影响放大，但使观察范围变小。

2.光阑系数

光阑系数即光圈指数，用F表示，以镜头焦距f和通光孔径D的比值来衡量。每个镜头上都标有最大F值，例如6mm/P1.4代表最大孔径为4.29毫米。光通量与F值的平方成反比关系，F值越小，光通量越大。镜头上光圈指数序列的标值为1.4，2，2.8，4，5.6，8，11，16，22等，其规律是前一个标值时的曝光量正好是后一个标值对应曝光量的2倍。也就是说镜头的通光孔径分别是1/1.4，1/2，1/2.8，1/4，1/5.6，1/8，1/11，1/16，1/22，前一数值是后一数值的根号2倍，因此光圈指数越小，则通光孔径越大，成像靶面上的照度也就越大。

视频监控系统的摄像机镜头光圈有手动和自动光圈之分。手动光圈适合亮度变化不大的场合，它的进光量通过镜头上的光圈环调节，一次性调整合适为止。自动光圈镜头会随着光线的变化而自动调整通光孔径，保证进入摄像机的亮度相对稳定，用于室外、人口等光线变化大且频繁的场合。

自动光圈镜头目前分为两类：一类称为视频驱动型，镜头本身包含放大器电路，用以将摄像头传来的视频幅度信号转换成对光圈马达的控制。

另一类称为直流(DC)驱动型，利用摄像头上的直流电压来直接控制光圈。这种镜头只包含电流计式光圈马达，要求摄像头内有放大器电路。对于各类自动光圈镜头，通常还有两项可调整旋钮，一是ALC调节(测光调节)，有以峰值测光和根据目标发光条件平均测光两种选择，一般取平均测光档;另一个是LEVEL调节(灵敏度)，可将输出图像变得明亮或者暗淡。

自动光圈镜头上的ALC(自动镜头控制)调整用于设定测光系统，可以整个画面的平均亮度，也可以画面中最亮部分(峰值)来设定基准信号强度，供给自动光圈调整使用。一般而言，ALC已在出厂时经过设定，可不作调整，但是对于拍摄景物中包含有一个亮度极高的目标时，明亮目标物之影像可能会造成“白电平削波”现象，而使得全部屏幕变成白色，此时可以调节ALC来变换画面。

(1)镜头的分辨率

描述镜头成像质量的内在指标是镜头的光学传递函数与畸变，但对用户而言，需要了解的仅仅是镜头的空间分辨率，以每毫米能够分辨的黑白条纹数为计量单位，计算公式为：镜头分辨率N二180/画幅格式的高度。由于摄像机CCD靶面大小已经标准化，如1/2英寸摄像机，其靶面为宽6.4mm*高4.8mn，1/3英寸摄象机为宽4.8mm×高3.6mm。因此对1/2英寸格式的CCD靶面，镜头的最低分辨率应为38对线/mm，对1/3英寸格式摄像机，镜头的分辨率应大于50对线，摄像机的靶面越小，对镜头的分辨率越高。

(2)红外感应能力

由于玻璃对不同波长光线的折射率不同，故聚焦点的位置会有所差别，目前市面上的普通镜头可以做到把相差250nm左右波长的光线聚集到同一平面上，即430～650nm或者650～900nm范围内的光可以聚焦成功，呈现出清晰的图像，这就是为什么普通镜头白天调清晰了，夜视模糊，或者夜视调清晰了，白天模糊的原因。

专业感红外的镜头采用特殊的镜片(超低色散)，能做到把430～900nm甚至更长波段范围的光线都聚集到同一平面上，所以不管白天还是夜视都是清晰的。

专业感红外的镜头由于镜片材料特殊，所以造价是很高的，为了降低价格，有些厂商采用镀膜的方式，利用特种材料对光线进行修正，也能部分达到红外感应镜头的效果，但是不好的镀膜技术很容易脱落和蒸发的，反而会影响镜头原本成像的清晰度。

3.摄像机镜头的正确使用

设备选型必须结合现场环境需求，并考虑到一定的经济性，下面就以使用环境的不同谈如何正确选用摄像机镜头。

(1)镜头焦距的选用

摄像机镜头焦距的选用一般采用计算法，依据摄像机成像靶面尺寸(宽w，高h)，需要监视范围的尺寸(宽W或高H)，监视点距离摄像机的距离(L)，通过下述公式，计算出镜头需要的焦距。

公式一：f=W*L/w(W，L单位M，f，w单位mm)

公式二：f=H*L/h(H，L单位M，f，h单位mm)

举例：当选用1/2″镜头时，图像尺寸为u=4.8mm，h=6.4mm。

镜头至景物距离D=3500mm，景物的实际高度为U=2500mm(景物的实际宽度可由下式算出H=1.333这种关系由摄像机取景器CCD片决定)。

将以上参数代入公式一中，可得f=4.8

3500/2500=6.72mm，故选用6mm定焦镜头即可。(2)镜头C和CS接口的选择

所有的摄象机镜头均是螺纹口的，CCD摄象机的镜头安装接口有两种工业标准，即C安装座和CS安装座。两者螺纹部分相同，但两者从镜头到感光表面的距离不同。

C安装座：从镜头安装基准面到焦点的距离是17.526mm。

CS安装座：特种C安装，其镜头安装基准面到焦点的距离是12.5mm。

在选型时，一定要注意摄像机和镜头安装方式的匹配，即镜头和摄像机的安装座应该一致。基于C安装座的螺纹深度比CS要大，CS的镜头是无法安装到C安装座的摄像机上的，但是可以将一个C安装座镜头安装到一个CS安装座摄象机上时，则需要使用镜头转换器(增加深度的垫片)。

4.镜头与CCD尺寸的匹配性

那么为何在镜头的选用中考虑CCD靶面的尺寸呢?为了从1/3″与1/2″CCD摄像机中获取同样的视角，1/3″CCD摄像机镜头焦距必须缩短;相反如果在1/3″CCD与1/2″CCD摄像机中采用相同焦距的镜头，情况又如何呢?1/3″CCD摄像机视角将比1/2″CCD摄像机明显地减小，同时1/3″CCD摄像机的图像在监视器上将比1/2″CCD的图像放大，产生了使用长焦距镜头的效果。

另外我们在选择镜头时还要注意这样一个原则：即小尺寸靶面的CCD可使用大尺寸靶面CCD摄像机的镜头，反之则不行。原因是：如1/2″CCD摄像机采用1/3″镜头，则进光量会变小，色彩会变差，甚至图像也会缺损;反之，则进光量会变大，色彩会变好，图像效果肯定会变好。当然，综合各种因素，摄像机最好还是选择与其相匹配的镜头。

(1)手动、自动光圈镜头的选用

手动、自动光圈镜头的选用取决于使用环境的照度是否恒定。

对于在环境照度恒定的情况下，如电梯轿箱内、封闭走廊里、无阳光直射的房间内，均可选用手动光圈镜头，这样可在系统初装调试中根据环境的实际照度，一次性整定镜头光圈大小，获得满意亮度画面即可。

对于环境照度处于经常变化的情况，如随日照时间而照度变化较大的门厅、窗口及大堂内等，均需选用自动光圈镜头(必须配以带有自动光圈镜头插座的摄像机)，这样便可以实现画面亮度的自动调节，获得良好的较为恒定亮度的监视画面。

对于自动光圈镜头的控制信号又可分为DC及VIDEO控制两种，即直流电压控制及视频信号控制。这在自动光圈镜头的类型选用上，摄像机自动光圈镜头插座的连接方式上，以及选择自动光圈镜头的驱动方式开关上，三者注意协调配合好即可。

(2)定焦、变焦镜头的选用

定焦、变焦镜头的选用取决于被监视场景范围的大小，以及所要求被监视场景画面的清晰程度。

镜头规格(镜头规格一般分为1/3″、1/2″和2/3″等)一定的情况下，镜头焦距与镜头视场角的关系为：镜头焦距越长，其镜头的视场角就越小;在镜头焦距一定的情况下，镜头规格与镜头视场角的关系为：镜头规格越大，其镜头的视场角也越大。所以由以上关系可知：在镜头物距一定的情况下，随着镜头焦距的变大，在系统末端监视器上所看到的被监视场景的画面范围就越小，但画面细节越来越清晰;而随着镜头规格的增大，在系统末端监视器上所看到的被监视场景的画面范围就增大，但其画面细节越来越模糊。

在狭小的被监视环境中如电梯轿箱内，狭小房间均应采用短焦距广角或超广角定焦镜头，如选用镜头规格为1/2″，CS型接口，镜头焦距为3.6mm或2.6mm镜头，这些镜头视场角均不小于99°或127°，这对于摄像机在狭小空间里一般标高为2.5m左右时，其镜头的视场角范围足以覆盖整个近距离狭小被监视空间。也可根据现场实际情况选用手动变焦镜头如日产ComputerT2Z2814CS-2镜头，这种镜头为1/3″CS型接口手动光圈镜头，其焦距2倍可调(手动调焦)。调焦范围为2.8～6.0mm，视场角变化范围为96°～47.2°，这种镜头非常适合在狭小的被监视环境中使用，在使用时可方便地根据实际需要，灵活实现对被监视场景的“点”或“面”的监视效果。

(3)电动变焦镜头的使用

对于一般变焦(倍)镜头而言，由于其最小焦距通常为6.0mm左右，故其变焦(倍)镜头的最大视场角为45°左右，如将此种镜头用于这种狭小的被监视环境中，其监视死角必然增大，虽然可通过对前端云台进行操作控制，以减少这种监视死角，但这样必将会增加系统的工程造价(系统需增加前端解码器、云台、防护罩等)，以及系统操控的复杂性，所以在这种环境中，不宜采用变焦(倍)镜头。

在开阔的被监视环境中，首先应根据被监视环境的开阔程度，用户要求在系统末端监视器上所看到的被监视场景画面的清晰程度，以及被监视场景的中心点到摄像机镜头之间的直线距离为参考依据，在直线距离一定且满足覆盖整个被监视场景画面的前提下，应尽量考虑选用长焦距镜头，这样可以在系统末端监视器上获得一幅具有较清晰细节的被监视场景画面。在这种环境中也可考虑选用变焦(倍)镜头(电动三可变镜头)，这可根据系统的设计要求以及系统的性能价格比决定，在选用时也应考虑两点：在调节至最短焦距时(看全景)应能满足覆盖主要被监视场景画面的要求;

在调节至最长焦距时(看细节)应能满足观察被监视场景画面细节的要求。

通常情况下，在室内的仓库、车间、厂房等环境中一般选用6倍或者10倍镜头即可满足要求，而在室外的库区、码头、广场、车站等环境中，可根据实际要求选用10倍、16倍或20倍镜头即可(一般情况下，镜头倍数越大，价格越高，可在综合考虑系统造价允许的前提下，适当选用高倍数变焦镜头，或者快球)。

机器视觉技术在自动化领域应用的研究与展望

作为不断融合发展的前沿技术，机器视觉可帮助各类机器采集视觉数据并分析、执行特定的任务，在各行业的自动化发展及转型升级中都发挥着重要作用。本文在对机器视觉及相关概念进行辨析的基础上，全面介绍了国内外机器视觉技术的研究与应用情况，并对机器视觉技术的发展趋势进行了分析与展望。

机器视觉及相关概念辨析

1.机器视觉的定义与历史沿革

自人类文明诞生以来，便不断发明行之有效的技术，来记录、复制与拓展人眼所看到的景象。从15世纪作为艺术家绘画辅助工具的暗箱，到今天能精确定位测量物体的面阵相机，以及集成图像采集、处理与通讯的智能相机，用“机器之眼”代替人眼来做测量和判断的技术正愈发成熟。并且，机器视觉已不局限于让机器像人一样“看”到世界，而是让机器去“看”并“理解”与“执行”，实现甚至超越人类运用双眼接收、处理并反馈信息的整个流程。

如今，机器视觉系统已发展为一门跨学科的综合技术，成为人工智能领域的重要分支，广泛应用于制造业（特别是3C电子制造、汽车制造、光伏锂电等细分领域），在物流、交通、农业、烟草、医疗等领域都有落地应用。作为不断融合发展的前沿技术，机器视觉的内涵与外延也随之拓展。机器视觉技术涉及计算机视觉、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域[1]，目前学术界和业界并无对机器视觉的统一定义，本文搜集了几种较有代表性的定义以供参考。

例如，章炜在《机器视觉技术发展及其工业应用》 一文中认为，机器视觉指计算机模仿人的视觉功能，从观测物体中获取诸如色彩、大小等视觉信息，再进一步对信息进行数字化处理，最终用于检测、控制的一门学科[2]。

美国推进自动化协会（Association for Advancing Automation，简称A3）给出的定义是：机器视觉包括所有工业和非工业应用，通过将硬件和软件相结合，根据对图像的捕捉和处理，为设备执行功能提供操作指导。

全球机器视觉行业龙头企业康耐视认为，机器视觉是数字系统与现实世界交互的重要组成部分，能让自动化系统看到部件、产品、图案、代码或其他物体，并利用这些信息做出决策。

另一家机器视觉行业龙头企业基恩士认为，机器视觉系统结合了工业相机、镜头和照明设备，可自动对成品进行视觉检测。视觉系统应用广泛，例如缺陷检测、装配检查、字符和代码读取以及工业机器人定位。

2.机器视觉与计算机视觉

随着各领域对高精度和效率的要求提升，人工智能与视觉系统之间的协同作用显得尤为重要。人工智能以其数据驱动的洞察力和预测能力，增强了机器视觉（Machine vision）和计算机视觉（Computer Vision）的能力。机器视觉与计算机视觉同属于人工智能领域，两者之间既有重叠又有差异，经常被交替使用，对其进行辨析有助于本文论述的进一步展开。

机器视觉偏向系统工程，由软件与硬件共同组合而成，其主要目的在于帮助各类机器采集视觉数据并分析、执行特定的任务，主要应用于工业领域，对于硬件的要求高。机器视觉面对的环境场景较为简单，是受控环境，无论是照明、物体类型、摄像头角度均较为单一，机器视觉系统有助于提高生产效率和产品质量，可执行识别、检测、测量、机器人引导（辅助智能装配与分拣）等任务。

计算机视觉则偏向计算机科学，以软件为核心，是由算法和模型主导的，其主要目的是模拟人类对于视觉世界的解释和理解，让机器根据视觉数据做出决策。计算机视觉不需要执行物理任务，应用领域相对于机器视觉更加广泛，如人脸识别、虚拟现实、增强现实等等，其面对的环境挑战性更强，光线、环境都不可控。

3.机器视觉系统结构

从上述定义和辨析中，我们可以提炼出机器视觉系统构成的三个关键，即图像采集、成像分析处理、决策执行。一个典型的机器视觉系统由硬件设备和软件系统两部分构成，其软件部分即为图像处理系统，与计算机视觉存在大量交叠；其硬件一般包括照明系统、成像系统和视觉信息处理系统，具体包括光源设备、镜头、工业相机（CCD/CMOS）、图像采集卡、工业主机、图像处理器、PLC等。

（1）照明系统： 机器视觉系统的主要光源包括卤素灯、荧光灯、氙灯、LED、激光、红外、X射线等。

（2）成像系统： 机器视觉系统采用镜头、工业相机与图像采集卡等相关设备获取被观测目标的高质量图像，并传送到处理系统中。

（3）视觉信息处理系统： 对采集的图像进行处理分析，实现对特定目标的检测、分析与识别，并做出相应决策。

国内外机器视觉技术的研究与应用

1.国外机器视觉领域的研究与应用

机器视觉的研究，起源于对“视觉”的研究。20世纪50年代，美国生物学家David·Hubel与瑞典生物学家Torsten ·Wiesel利用动物实验，发现并分析了从视网膜到大脑感觉和运动中心的神经脉冲传导[3]，为视觉神经系统研究奠定基础，开启了人类对“视觉”领域的深度探索。在1957年，世界上第一张数字图像（PDF）诞生（见图1），“像素”的发明者罗素·基尔希将自己儿子的照片安装在一个扫描仪上，通过光电管向机器传输1和0来对图像进行数字化处理[4]，自此处理数字图像开始成为可能。随后，各方对二维图像的统计模式识别研究，开启了机器视觉作为一门应用工程的“启航之旅”。

图1“像素”之父罗素·基尔希手持世界上第一张数字图像---张76x76像素的照片

1963年，Roberts, L.G发表题目为《机器感知三维实体》[5]的博士毕业论文，在文中提出如何从二维图片中推导三维信息的过程（见图2），其研究为计算机视觉计算领域带来极大启发。同年，Morrison发布可计算传感器，这是一种可以利用光导效应测定光斑位置的结构，成为CMOS图像传感器发展的开端。1969年，CCD传感器（电荷耦合元件）在贝尔实验室被W.S. Boyle与G.E.Smith发明，这一图像采集重要硬件能将一种将光子转化为电脉冲，能完成高质量的数字图像采集任务，被应用于工业相机传感器中。

图2 《机器感知三维实体》论文中从二维图片推导三维信息的过程图

在20世纪70年代，麻省理工学院人工智能实验室正式开设“机器视觉”课程，这一时期诸多学者开始参与机器视觉的理论、算法、系统设计的研究，著名的Marr视觉理论便诞生在这一时期。1982年，刚刚成立的康耐视制造出世界上第一个视觉系统DataMan。DataMan是能够读取、验证和确认零件和组件上直接标记的字母、数字和符号的工业光学字符识别 (OCR) 系统[6]。在此之后，机器视觉系统开始被应用于自动化领域，机器视觉在全球范围内掀起研究热潮。

2006年，随着深度学习概念的提出，卷积神经网络、循环神经网络等算法的推广应用，机器可以通过训练自主建立识别逻辑，图像识别准确率大幅提升，机器视觉发展进入一个新的阶段[7]。现在以“Machine Vision”为关键词在Science Direct进行搜索，相关的论文、专著总量超过15万篇，并以每年超过1万篇的幅度在增加。其下游应用领域也不断拓宽，从原本的工业、农业拓展至物流、食品饮料、军事、医疗等领域，成为各行业自动化及转型升级的首选“利器”。

2.国内机器视觉领域的研究与应用

我国机器视觉领域的研究起步于20世纪80年代末期，当时学术领域一方面开始引进介绍国外机器视觉相关技术，另一方面我国研究团队也开始零散地在各行业领域开展机器视觉与计算机视觉相关的应用研究。

这一时期我国对利用机器视觉实现自动化的研究，主要集中在农业领域，包括动植物生长检测、农产品质量检测、农产品收获加工自动化、农业机器人视觉导航等，在工业领域和交通领域的研究较少。

在21世纪之前，我国对机器视觉的应用研究一直处于不温不火的状态；2004～2014年相关研究数量开始增多，每年发表研究篇数超过100篇，进入起步阶段；2014年后则迎来爆发式增长，高峰时期每年发表数量超过800篇（见图3）。（注：实际上大量国内学者尤其是理工科学者，会选择在影响力更高的国际杂志刊物上发表英文论文，此处数据仅为在中国知网收集来的中文论文数量统计。从市场角度来看，国内外产品技术差距并没有中英文论文成果数量差距大。）

图3 我国机器视觉领域科研论文发表数量统计(数据来源:中国知网

在2004～2014年，国内机器视觉市场也处于发展的早期阶段，虽取得一定阶段性成果，但市场发育程度与研究成果应用落地情况均与发达国家市场存在较大差距。在科研领域，机器视觉的相关研究主要集中在缺陷检测和识别方面，研究设计的领域从农业工程逐渐拓宽至工业通用设备、化学金属学、电子学、汽车工业、电力工业、交通运输、航空航天等领域，产生了一批可落地应用的学术成果。

例如，凌云研究了静态和动态两种情况下的谷物外观品质检测技术，以此设计和开发了一套适合于我国谷物外观品质分析的检测装置[8]；许巧游开发了用于零件识别或缺陷检测的机器视觉系统[9]；毕昕与丁汉针对液晶显示器制程中Mura缺陷检测的重要性和人工检测的弊端，建立了Mura缺陷自动检测流程[10]；王磊以扣式电池为对象，研究了正负两极面的表面外观缺陷检测方法[11]；桂卫华等人将机器视觉技术应用到矿物浮选过程的监控中[12]。

此外，在利用机器视觉技术进行机器人辅助分拣方面也取得了一些创新成果。如，刘振宇等人完成了基于机器视觉的工业机器人分拣系统平台搭建[13]；晏祖根等人针对我国食品生产行业需求，设计了运动食品分级与定位的机器视觉硬件系统[14]。

在2014年后，大量本土机器视觉领域供应商和集成商开始涌现，相关研究也已经渗透到各行业的各方面，科研成果迎来爆发式增长，综述性研究增多，如汤勃等人对工业领域机器视觉表面缺陷检测做了综述性研究[15]；朱云等人系统总结了机器视觉技术的关键技术、应用领域、面临挑战和发展趋势[16]，等等。此时，计算机视觉领域深度学习算法的推广应用，也带动了机器视觉系统的创新。例如，天津大学精密测试技术与仪器国家重点实验室系统总结了机器视觉技术在现代汽车制造领域在视觉测量、视觉引导、视觉检测三方面的应用成果[17]；王耀南等人为满足智能制造装备产业对机器视觉技术的巨大需求，结合装备技术特点和特殊应用环境，提出了通用的机器视觉检测控制技术体系[18]；汤勃等人对工业领域机器视觉表面缺陷检测做了综述性研究[19]；朱云等人系统总结了机器视觉技术的关键技术、应用领域、面临挑战和发展趋势[20]。

我国机器视觉市场的发展，与科研领域的研究是基本同步的。2014年前后，科研领域在自动化工业、农业自动化领域的机器视觉应用成果爆发式增长。而在2013年前后，我国机器视觉行业也成为继美国、日本之后的第三大机器视觉市场，本土厂商的技术不断突破，机器视觉在汽车、电子、半导体等工业领域的渗透率也达到较高水平[21]。

机器视觉技术发展趋势与展望

一般来说，主流市场对技术产品的接受应用程度，与科研机构的理论研究、技术研发存在“时差”，机器视觉技术也不例外。机器视觉作为一门科学在20世纪70年代成立，第一个正式落地的机器视觉系统在十年后才诞生，20世纪90年代机器视觉产业才正式形成，而全球机器视觉市场百亿美元大关[22]则是在2020年突破的。

机器视觉技术的发展与两方面市场需求的上升息息相关：一是传统产业因成本过高和劳动力不足（尤其是疫情期间）导致原因寻求转型，对自动化技术的需求激增；二是新兴产业在发展中因自身需求，天然地利用机器视觉技术提高精确度和工作效率，实现自动化。在智能制造升级、机器人技术提升、图像处理理论革新等因素的影响下，机器视觉技术也将向3D化、集成化、智能化的趋势发展。

1.3D机器视觉

从黑白到彩色、低分辨率到高分辨率、静态图像到动态影像，这些行业技术革新始终围绕着2D机器视觉进行。不过，将三维空间压缩至二维平面始终有弊端。例如，测量精度受到光照和颜色变化影响大，在复杂环境中物体识别处理能力不足，2D机器视觉无法充分满足实际应用场景中对于物体形状、体积、厚度、位置的精确测量。

随着双目视觉、点云处理、结构光三维测量、三维重建、机器学习等算法和理论应用的不断优化，能捕捉物体空间信息的3D机器视觉将会成为未来有发展前景的方向之一。例如，机器人/机械臂很难处理的无序分拣、料箱拣选、拆/码垛作业，就可以通过3D机器视觉系统识别抓取位置的空间坐标并合理规划路径，从而顺利完成。

2.嵌入式视觉应用

目前传统的PC（或板卡）式机器视觉系统和嵌入式视觉系统在市场中并存，PC式机器视觉为主导。但随着机器视觉应用领域不断拓宽，嵌入式视觉系统也将迎来发展。PC式机器视觉系统属于传统视觉系统结构，结构复杂、尺寸大、开发周期长，但是在精度和速度方面较为理想，在工业自动化、农业自动化领域能提供支持。嵌入式视觉系统则是一种新型的将“嵌入式系统”与“机器视觉”结合而成的系统，其优势在于易于集成、小型化、低成本。嵌入式视觉系统是机器视觉“走出”工厂车间的重要一环，未来在安防、军事领域大有可为。

3.机器视觉产品智能化

目前，机器视觉系统中采用AI的趋势已经开始显现。人类花费了几十年时间让机器“看见”并据此“解读”平面世界，而AI与3D机器视觉的结合，则让机器有了“理解”真实世界的可能。在AI技术的加持下，机器视觉将具有超越现有解决方案的智能能力，能拥有自适应性，可自主感知环境，能从收集到的视觉信息中提取关键特征，根据深度学习算法快速作出判断。机器视觉产品若想要进一步拓展自己在现有市场中的接受程度，软件算法具有自适应能力，根据需求量身定制和系统操作方便、不需要专门的工程师维护，都缺一不可。在这两个目标下，AI的引入就显得尤为重要。AI能提供更高的系统柔性和操作灵活性，进一步满足制造业对于产品检验和质量控制的需求，以及仓储物流业对于智能协作机器人的需求。

参考文献:

[1]成文.基于机器视觉技术的机械制造自动化技术应用研究[J].科技展望,2017,27(4): 260.

[2]章炜.机器视觉技术发展及其工业应用[J], 2006, (02): 11-17

[3]Britannica, T. Editors of Encyclopaedia (2024, April 16). Torsten Wiesel. Encyclopedia Britannica. https://www.britannica.com/biography/Torsten-Wiesel

[4]Russell Kirsch: Pixel Pioneer And The Father Of Digital Imaging | Hackaday

[5]Roberts, L.G. (1963). Machine Perception of Three-Dimensional Solids. Outstanding Dissertations in the Computer Sciences.

[6]https://www.cognex.cn/zh-cn/company/history

[7]宋春华,彭泫知.机器视觉研究与发展综述[J].装备制造技术,2019,(06):213-216.

[8]凌云.基于机器视觉的谷物外观品质检测技术研究[D].中国农业大学,2004.

[9]许巧游.基于机器视觉系统的零件识别与检测的研究[D].南京航空航天大学,2006.

[10]毕昕,丁汉.TFT-LCD Mura缺陷机器视觉检测方法[J].机械工程学报,2010,46(12):13-19.

[11]王磊.基于机器视觉的电池表面缺陷检测技术研究[D].中国科学技术大学,2011.

[12]桂卫华,阳春华,徐德刚,等.基于机器视觉的矿物浮选过程监控技术研究进展[J].自动化学报,2013,39(11):1879-1888.

[13]刘振宇,李中生,赵雪,等.基于机器视觉的工业机器人分拣技术研究[J].制造业自动化,2013,35(17):25-30.

[14]晏祖根,李明,徐克非,等.高速机器人分拣系统机器视觉技术的研究[J].包装与食品机械,2014,32(01):28-31.

[15]汤勃,孔建益,伍世虔.机器视觉表面缺陷检测综述[J].中国图象图形学报,2017,22(12):1640-1663.

[16]朱云,凌志刚,张雨强.机器视觉技术研究进展及展望[J].图学学报,2020,41(06):871-890.

[17]尹仕斌,任永杰,刘涛,等.机器视觉技术在现代汽车制造中的应用综述[J].光学学报,2018,38(08):11-22.

[18]王耀南,陈铁健,贺振东,等.智能制造装备视觉检测控制方法综述[J].控制理论与应用,2015,32(03):273-286.

[19]汤勃,孔建益,伍世虔.机器视觉表面缺陷检测综述[J].中国图象图形学报,2017,22(12):1640-1663.

[20]朱云,凌志刚,张雨强.机器视觉技术研究进展及展望[J].图学学报,2020,41(06):871-890.

[21]前瞻产业研究院，《2023年中国机器视觉行业全景图谱》

[22]市场调研机构markets&markets，Machine Vision Market Size, Share, Industry Trends and Top Companies Growth- [2032] (marketsandmarkets.com)

相关问答

[回答]technology是技术technoledge是科技

1)IPC(Inter-ProcessCommunication,进程间通信)IPC(InstructionperClock及CPU每一时钟周期内所执行的指令多少)IPC代表了一款处理器...

[最佳回答]TIFF:TaggedImageFileFormat标签图像文件格式MPEG:MotionPictureExpertsGroup动态影像压缩标准IEEE:InstituteofEle...

1、CAM即计算机辅助制造ComputerAidedManufacturing。到目前为止,CAM有狭义和广义的两个概念。2、CAM最初的狭义概念指的是从产品设计到加工制造之间的一切...

我是济南网安培训的老师,cad主要是计算机辅助设计,cam主要是计算机辅助教学。...是计算机辅助设计制图...给你看两个文章你就知道啦:CAD的...计算...

计算机一般由主板、内存、硬盘组成。主板是微机最基本的也是最重要的部件之一,可分为商用主板和工业主板两类。计算机(computer)俗称电脑,是现代一...计算机...

计算机辅助制造(CAM)主要是指:利用计算机辅助完成从生产准备到产品制造整个过程的活动,即通过直接或间接地把计算机与制造过程和生产设备相联系,用...

这种计算机称为多媒体计算机。多媒体计算机中使用最广泛的是多媒体个人计算机(MultimediaPersonalComputer,MPC)MPC同时也是一种工业标准,所以,人们经常所...

工控机IndustrialPersonalComputer—IPC)就是专门为工业自动化控制而设计、制造的PC计算机。区别于办公、个人电脑的是:它需要在恶劣的使用环境下,更加稳定的...

technology的中文意是科技,工艺,工程技术;技术学,工艺学;技术性机器或设备。Technology有狭义和广义两种意思:狭义的technology是特指高科技、科学技术,...