视觉科学

北京时间2月21日报道，据英国《新科学家》杂志报道，由《科学》杂志和美国国家科学基金会评选的2009年度“科学与工程视觉挑战”奖 (Science and Engineering Visualization Challenge)评选结果出炉，分别揭晓了图片类，图解类，信息绘图类，交互式和非交互式媒体类的五个奖项的冠军。以下就是这些获奖图片。 　　1. 盘枝错节的力量网络　　 盘枝错节的力量网络 　　这张照片拍摄的是一个4米高、5米宽、2.5米深的立体模型，代表了肺的内皮细胞在形成血管时所产生的力量网络。目前，这一模型在奥地利展出，参观者可以近距离参观，甚至在其中穿行。 　　这一模型是根据肺部血管的细胞生物学实验和电脑模拟制成的。这一模型是由位于美国费城的宾夕法尼亚大学科学家开发的，旨在探究生命系统中的基本过程及其在生物医学和建筑领域内的应用。 　　这一作品赢得图解类第一名。 　　2. 聚合物螺旋抓紧小球　　 聚合物螺旋抓紧小球 　　去年，哈佛大学一个工程师团队发现，将聚合物毛浸没在液体中，随后液体蒸发，聚合物毛就会呈现螺旋结构。这张经过数字处理增色的图片显示，聚合物毛形成的螺旋结构直径尽管只有250微米，甚至能够紧紧抓住小球体，需要时也可以将之释放。 　　这一研究展现了控制聚合物毛的新方法。这张图片是科研人员利用扫描电子显微镜制得的，赢得了图片类第一名。 　　3. 花朵的力量　　 花朵的力量 　　这张图片是通过扫描电子显微镜获得的，事实上每个“花朵”是由一束10微米高的微小柱体所组成，这些柱体的成分是一种被称为聚二甲硅氧烷的聚合物。这种原始状态下为液态的聚合物被倒入模具中，聚合物链之间的交联作用使它转变成为柔软、有弹性的固体。 　　从它们的模具中分离这些微小的柱体是相当困难的，常常会导致单独的柱体坍塌为一束。这张图片正是捕捉了柱体们倒塌的瞬间。 　　这些柱体被用于测量果蝇细胞中的收缩力，这是一种细胞在分裂和运动时对外界环境所施加的作用力。 　　这张图片赢得图片类提名。 　　4. 微生物与矿物质：沙漠里的生死较量　　 微生物与矿物质：沙漠里的生死较量 　　这张图片中的金属盐样品是美国威斯康辛大学史蒂芬角分校的化学家迈克尔扎克在一次前往位于加利福尼亚死亡峡谷国家公园的旅行中收集的。 　　当他把水加入这些样品时，休眠于此的微生物们苏醒过来，在背景中纷纷蠕动。当水分蒸发完毕后，扎克拍摄了这张照片，捕捉到了光线在新生成晶体上的反射。 　　这种微生物分泌一种化学物质，能够阻止金属盐晶体的形成，从而保证自己在高盐、酸性环境的生存。 　　5. 自体受精　　 自体受精 　　拟南芥常常被用于植物生物学研究，而且它也是国际上第一个完成全部基因组序列测定的高等植物。目前，利用其作为模式植物进行植物功能基因组学的研究在世界各国开展得如火如荼。 　　在这张图片中，花粉颗粒、子房和花粉管都被染成墨绿色。由于特殊成像技术的应用，背景呈蓝色，花瓣和萼片呈现黄色。 　　图片显示了拟南芥的自体受精。小黑点代表了花粉，它们掉落在花中心的柱头上，然后开始生成花粉管。花粉在花粉管内移动，给胚珠授精。 　　这张图片赢得了优秀图片奖提名。 　　6. 跟着金钱走：人类流动和有效的社区　　 跟着金钱走：人类流动和有效的社区 　　跟着金钱走是由位于伊利诺伊州的西北大学复杂系统研究(Research on Complex Systems)小组的两名学生制作的视频作品。这一作品通过金钱的流动揭示了人类的迁徙。创作人员借助美元跟踪网站Where's George?(美元上有美国首任总统乔治华盛顿头像George Washington)的信息，创作出出美国人员迁徙的图画。 　　这一视频作品使他们赢得了非交互式媒体类冠军。 　　7. 基因数字实验室：细胞生物学　 　基因数字实验室：细胞生物学 　　一家名为Spongelab Interactive的公司设计出一系列互动游戏、动画，学生、老师和家长可以借助它们探究细胞世界。该公司擅长教学工具的研发。 　　如图所示的这一模块，赢得了交互式媒体类冠军。用户可以控制细胞内参与能量循环过程中的生化系统，探索光合作用和植物呼吸的机制。

人眼由 200 多万个部件组成，其复杂程度仅次于大脑。今天，当我驾车行驶在路上时，风景中的色彩提醒了我为什么喜欢每年的这个时候。在我所在的地区，树木开始变成明亮的金黄色和橘红色。每天，我都会为人类眼睛对色彩的惊人视觉评估能力而惊叹不已。秋天也是让我关注当地商店货架上色彩的季节，因为我在考虑下一个秋天的衣橱、装饰品或令人舒心的炖锅大餐。色彩的视觉评估再一次刺激了我的感官......也刺激了我的购物欲。01 神奇的人眼眼睛是人体最重要、最复杂的部分之一。它由 200 多万个工作部件组成，其复杂程度仅次于大脑。这也就不难理解为什么视觉对我们的身份和感知世界的方式如此重要。我们的视觉评估指导着我们的感受、我们对服装的选择、我们吃的食物以及我们购买的产品。我们每天都在用视觉来做决定和选择，尽管每个人的视觉评估都不尽相同，但它仍然比我们的味觉或嗅觉更加一致。我们能够解读多达 500 种灰色和 1 000 多万种不同的颜色组合，难怪科学家和制造商都想更多地了解颜色是如何影响人们的。02 视觉感知的缺陷毫无疑问，人眼是一种神奇的工具，无论其主观行为如何，在许多行业中，人眼仍被用于评估色彩标准。视觉评估是生产过程中的重要工具，但它也有不足之处。尽管眼睛能够分辨出如此多不同的色彩模式，但它仍然缺乏色彩记忆，很难回忆起之前看过的物体的准确色调。仅这一点就可能存在问题，但这还没有考虑到有 8%的人眼睛存在生理功能障碍，导致他们对颜色的感知与大多数人大相径庭。因此，视觉评估的一致性可能成为生产和制造过程中色彩评估的噩梦。当眼睛出现疲劳时，即使是资质最高、训练有素的眼睛也会变得不可靠。每天都必须使使用其眼睛观测的人经常成为视觉疲劳和慢性疲劳综合症 （CFS） 的牺牲品。 这类疲劳的症状包括视力模糊、不耐光和头痛。这不仅会影响个人的视觉评估能力，而且会产生长期影响，并已证明会造成永久性损害。03 人眼技术的优势科学家对视觉评估的研究已有 100 多年的历史，但在 20 世纪初，科学家们才率先用新的色彩分析技术取代了存在问题的人眼。这种新仪器在科学、政府和工业之间建立了联系。利用色彩的复杂性，仪器色彩评估取代了肉眼评估。现在，色彩匹配已成为一门科学，可以准确地重复和量化，以满足制造和科学的需求。随着技术的发展，科学家们能够利用色彩的复杂性，创造出超越视觉评估的新型色彩分析仪器。04 真实世界的应用今天，色彩技术比以往任何时候都更加重要。比色技术的飞速发展扩大了仪器色彩评估和分光色度仪在各种工业环境中对物体色彩评估和管理的应用。色彩分析被广泛用于评估质量和产品安全，现代技术在提高效率的同时，还确保减少许多行业的产品浪费。选择合适的色彩测量工具可能是一项挑战，因此，寻找一家具有悠久历史、丰富经验和无与伦比的客户支持的公司非常重要。要找最好的公司，HunterLab 是不二之选。我们拥有 60 多年的经验，在瞬息万变的全球市场中不断寻找满足客户需求的方法。现在就联系 HunterLab，看看我们为什么是色彩测量领域真正的领导者。

机器视觉与AI的机会近年来，传统科技公司和新创公司竞相将机器视觉与人工智能/机器学习结合，使其能够超越传感器像素数据，从而在各种应用中开创新的机会。这一结合的潜力巨大，相关的新创公司在交通运输、制造业、医疗保健和零售等各个市场中筹集了数十亿美元的资金。然而，要充分实现其潜力，这项技术需要应对许多挑战，包括提高性能和安全性，以及设计灵活性。从根本上讲，机器视觉系统是软件和硬件的结合，可以以数字像素的形式捕捉和处理信息。这些系统可以分析图像，并根据其编程和训练来采取相应的行动。典型的视觉系统包括图像传感器（摄像头和镜头）、图像和视觉处理组件（视觉算法）以及SoCs（片上系统）和网络/通信组件。无论是静态图像还是视频数字相机，都包含图像传感器。汽车感测器（如激光雷达、雷达、超声波）也能以数字像素形式提供图像，尽管分辨率可能不同。尽管大多数人对这些类型的图像都很熟悉，但机器也能够“看见”热和音频信号数据，并分析这些数据以创建多维图像。Synopsys公司的战略市场经理Ron Lowman表示：“在过去几年中，CMOS图像传感器取得了显著的改进。传感器的带宽不再优化用于人类视觉，而是用于提供人工智能的价值。例如，主导视觉传感器接口的MIPI CSI不仅提高了带宽，还增加了智能ROI（Region of Interest）和更高的颜色深度等人工智能功能。虽然这些颜色深度增加对人眼来说无法察觉，但对于机器视觉来说，它可以大大提高服务的价值。”机器视觉系统的基本组成机器视觉系统由软件和硬件组成，其中关键的组件是图像传感器。在过去几年中，CMOS图像传感器取得了显著的改进，这使得传感器的带宽不再仅仅优化于人类视觉，而是为了提供人工智能的价值。MIPI CSI作为主要的视觉传感器接口，不仅增加了带宽，还增加了智能ROI（Smart Region of Interest）和更高的颜色深度等人工智能功能。虽然这些颜色深度的增加对人眼而言无法察觉，但对于机器视觉来说，它可以大大提高服务的价值。除了图像传感器外，机器视觉系统还包括图像和视觉处理组件以及片上系统和网络/通信组件。这些组件协同工作，使机器能够理解和解释图像数据。图像和视觉处理组件包括视觉算法，它们能够分析图像并根据其训练和编程进行相应的处理。此外，片上系统和网络/通信组件则负责数据处理和传输，以实现机器视觉系统的功能。图 1：机器视觉系统包括用于执行图像处理和分析的硬件、软件和芯片。 AI 通常是解决方案的一部分，并且 MV 通常连接到云。 来源：Arcturus 网络机器视觉与计算机视觉的区别机器视觉是计算机视觉的一个子集，两者在很大程度上依赖于对图像数据的观察来推断信息。然而，机器视觉更加强调在工业或工厂环境中的“检测类型”应用。Cadence公司的Tensilica Vision and AI DSPs的产品管理、市场营销和业务拓展总监Amol Borkar指出，机器视觉在感测方面高度依赖摄像头。然而，“摄像头”这个词是个负面词，因为我们通常熟悉的是一个能够产生RGB图像并在可见光谱范围内运作的图像传感器。不过，根据应用的不同，这些传感器可以在红外线下运作，包括短波、中波、长波红外线或热成像等多种变体。最近还引入了对运动非常敏感的事件相机。在装配线上，线扫描相机是与典型的快门相机略有不同的一种变体。当前的汽车、监控和医疗等大多数应用都依赖于这些传感器中的一个或多个，通常结合使用以实现比单个摄像头或传感器更好的感测融合结果。机器视觉的优势机器视觉相较于人类有着更出色的视觉能力，这使得机器视觉在制造业中能够提高生产力和品质，降低生产成本。与自动驾驶辅助系统（ADAS）结合使用时，机器视觉能够接管部分驾驶功能。此外，搭配人工智能，机器视觉能够协助分析医学影像。应用机器视觉的好处包括更高的可靠性和一致性，以及更大的精确度和准确度（取决于摄像头的分辨率）。而且，与人类不同，机器在获得例行维护的前提下不会感到疲劳。视觉系统的数据可以在本地或云端存储，需要时进行实时分析。此外，机器视觉通过检测和筛选出有缺陷的零件，降低生产成本。同时，通过OCR（光学字符识别）和条码扫描读取，提高了库存控制的效率，从而降低整体制造成本。如今，机器视觉通常与人工智能结合使用，大大增强了数据分析的能力。在现代工厂中，自动化设备，包括机器人，与机器视觉和人工智能结合，以提高生产力。机器视觉（MV）和人工智能（AI）是密切相关的领域，它们通常以各种方式进行交互。机器视觉利用摄像头、传感器和其他设备捕捉图像或其他附加数据，然后将其进行处理和分析，以提取有用的信息，而人工智能则使用算法和统计模型来识别模式并基于大量数据进行预测。AI/ML与MV的交互作用这还可以包括深度学习技术。Arteris IP公司的产品市场副总裁AndyNightingale表示：“深度学习是人工智能的一个子集，它涉及使用大量数据对复杂的神经网络进行训练，以识别模式并进行预测。”机器视觉系统可以使用深度学习算法来提高其在图像或视频中检测和分类对象的能力。机器视觉和人工智能之间的另一种交互方式是通过使用计算机视觉算法。计算机视觉是机器视觉的一个超集，它使用算法和技术从图像和视频中提取信息。人工智能算法可以分析这些信息并预测场景中正在发生的事情。例如，计算机视觉系统可以使用人工智能算法分析交通模式并预测何时某个十字路口可能会拥堵。机器视觉和人工智能还可以在自主系统（如自动驾驶汽车或无人机）中进行交互。在这些应用中，机器视觉系统用于捕捉和处理来自传感器的数据，而人工智能算法则解释这些数据并对环境进行导航等决策。AI/ML在自动驾驶中的应用人工智能在现代车辆中扮演着越来越多的角色，但其中两个主要的角色是感知和决策制定。Siemens Digital Industries Software公司的混合和虚拟系统副总裁David Fritz表示：“感知是通过车辆内部和外部的感测器阵列来理解周围环境的过程。决策制定首先需要理解周围环境的状态和目标，例如向目的地移动。然后，人工智能根据控制方向盘、制动、加速等车辆内部致动器的方式来决定最安全、最有效的路线。”这两个关键角色涉及到非常不同的问题。从摄像头或其他感测器获得的原始数据，AI算法将使用这些数据进行目标检测。一旦检测到目标，感知系统将对目标进行分类，例如该目标是否是汽车、人或动物。训练过程非常冗长，需要大量的训练集来展示不同角度的目标。在训练完成后，AI网络可以加载到数字孪生体或实体车辆中。一旦检测到并分类了目标，另一个训练有素的AI网络可以进行决策，控制方向盘、制动和加速等。使用高保真度的数字孪生体来虚拟验证这个过程已被证明比纯粹使用实地测试更安全、更有效。开发人员经常问到需要多少AI/ML。在现代工厂的情况下，机器视觉可以仅用于在装配线上检测和筛选出有缺陷的零件，或者用于组装汽车等工序。后者需要更高级的智能和更复杂的设计，以确保装配过程中的时机、精确度、运动和距离的计算等。Flex Logix公司的首席执行官Geoff Tate观察到：“机器视觉和机器人在现代工厂中提高了生产力，许多应用中使用了人工智能。一个简单的应用，例如检测标签是否正确贴上，不需要太多智能。另一方面，进行复杂、精密的三维运动的机器人手臂需要更多的GPU算力。在第一个应用中，一个AI IP的核心将足够，而在第二个应用中可能需要多个核心。拥有灵活且可扩展的AI IP将使机器视觉和机器人的设计更加容易。机器视觉的应用机器视觉的应用几乎没有限制，只受想象力的限制。只要需要视觉和图像处理的工业和商业领域，机器视觉都可以应用其中。以下是部分应用领域的例子：交通领域（自动驾驶、车内监控、交通流量分析、违规行为和事故检测）；制造和自动化领域（生产力分析、质量管理）；监控领域（运动和入侵检测）；医疗领域（影像学、癌症和肿瘤检测、细胞分类）；农业领域（农场自动化、植物病害和昆虫检测）；零售领域（顾客追踪、货架缺货检测、盗窃检测）；保险领域（通过图像进行事故现场分析）。还有许多其他应用。以饮用水或软饮料瓶装为例。机器视觉系统可以用于检查填充水平，这通常由高效的机器人完成。但是机器人偶尔会犯错。机器视觉可以确保填充水平一致，并确保标签正确贴上。检测任何偏离测量规范限制的机器零部件也是机器视觉的一项工作。一旦机器视觉根据规范进行了训练，它可以检测出超出规范限制的零部件。机器视觉可以检测均匀的形状，如正方形或圆形，以及奇形怪状的零部件，因此它可以用于识别、检测、测量、计数，并与机器人一起进行抓取和放置。最后，通过结合人工智能，机器视觉可以实现轮胎组装的精确和高效。如今，原始设备制造商（OEM）使用机器人自动化车辆组装的过程之一是安装四个轮胎。利用机器视觉，机器人手臂可以检测正确的距离，并施加适当的压力，以防止任何损坏的发生。机器视觉的类型机器视觉技术根据处理的图像维度可以分为一维（1D）、二维（2D）和三维（3D）。这些不同的类型在应用中具有各自的特点和优势。一维机器视觉系统主要用于条形码和二维码的识别和读取。它们通常使用扫描设备，按行扫描产品上的条形码或二维码，并从中提取信息。这种技术被广泛应用于零售行业、物流和运输领域，以实现快速且准确的产品识别和追踪。二维机器视觉系统可以用于更复杂的图像处理任务。它们使用摄像头逐行扫描物体，形成一个区域或二维图像。这种技术可以应用于图像分类、目标检测、人脸识别等各种任务。在工业自动化中，二维机器视觉系统可以用于检测和验证产品的外观特征，确保产品符合设计和质量要求。三维机器视觉系统通常使用多个摄像头或激光传感器来捕捉物体的三维形状和结构。这种技术可以实现对物体的精确定位和测量，对于需要进行三维分析和处理的应用非常重要。例如，在机器人导航和自动化领域，三维机器视觉系统可以用于对环境进行三维建模和障碍物检测，实现更精确和安全的运动控制。除了以上提到的类型，还有其他形式的机器视觉技术，如超光谱影像和热像仪等。超光谱影像可以捕捉物体的不同光谱特征，拥有更丰富的信息，广泛应用于农业、食品安全和医疗诊断等领域。热像仪则可以检测物体的热能分布，用于温度监测、火灾检测等应用。每种机器视觉类型都有其特定的应用场景和优势。根据不同的需求，选择适合的机器视觉类型可以提高系统的性能和效果，实现更准确、高效和可靠的图像处理和分析。MV设计的挑战训练机器视觉系统仍然存在一些挑战。MV的准确性和性能取决于其训练程度，因此需要大量的标注数据和强大的计算能力。MV设计所面临的挑战包括：首先，检测的范围可能涵盖方位、表面变化、污染程度以及直径、厚度和间隙等精度容限。当检测到化妆品和服务变化效应时，3D系统通常比1D或2D系统表现更好。然而，在遇到不寻常的情况时，人类可以借助其他领域的知识，而机器视觉和人工智能可能无法具备这种能力。其次，数据流管理和控制是当今的关键挑战之一，特别是在具有实时延迟要求（例如汽车应用）的情况下，同时需要保持带宽的最小化。在基于摄像头的系统中，图像质量（IQ）至关重要。这要求硬件设计支持超宽动态范围和局部色调映射，同时还需要进行IQ调整，传统上需要由人类专家进行主观评估，使得开发过程冗长且成本高昂。然而，对于机器视觉而言，这种专业知识可能不一定能获得最佳系统性能，因为感知引擎可能会根据任务的不同而更喜欢以不同于人类和其他机器之间的方式看待图像。此外，确保机器视觉的安全性也是一个重要问题。随着网络攻击不断增加，确保产能不受干扰或遭受来自威胁行为者的干扰至关重要。尤其在关键应用中，如自动驾驶等，保证机器视觉的安全性至关重要。"安全对于确保机器视觉技术的输出不受破坏至关重要，" Arm的Zyazin表示。"汽车应用是展示硬件和软件安全性重要性的一个很好的例子。例如，从机器中处理和提取的信息会影响到制动或车道保持辅助等决策，如果处理不当，可能对车辆内部的乘客构成风险。"总结来说，训练机器视觉系统的过程面临着一些挑战。为了提高准确性和性能，需要丰富的标注数据和强大的计算能力。同时，确保机器视觉的安全性也是一个重要问题，特别是在关键应用如自动驾驶中。这些挑战需要在系统设计和实施中得到充分考虑，以实现可靠和高效的机器视觉应用。新兴的MV创业公司和创新新兴的机器视觉（MV）创业公司和创新技术正推动着机器视觉的应用和发展。像是Airobotics、Arcturus Networks、Deep Vision AI、Hawk-Eye Innovations、Instrumental、lending AI、kinara、Mech-Mind、Megvii、NAUTO、SenseTime、Tractable、ViSenze、Viso等公司，正在开发新的机器视觉解决方案，其中一些已成功筹集了超过10亿美元的资金。在运输领域，保险公司可以利用机器视觉来分析事故场景的照片和视频，进行财务损害评估。基于人工智能的机器视觉还可以用于安全平台，分析驾驶行为，提升道路安全性。在软件领域，创业公司正在开发无需编程知识的计算机视觉平台，使更多人能够使用机器视觉技术。机器视觉身份验证软件也是市场上的一个创新解决方案。体育产业也在探索人工智能、视觉和数据分析的潜力，以向教练提供有关选手在比赛中的决策过程的洞察。此外，有一家创业公司通过将人工智能和机器视觉结合到无人机设计中，提出了一种节省成本的监视方案。机器视觉和人工智能都在快速发展，其性能，包括准确度和精确度，不断提高。高性能GPU和机器学习能力的成本也有望降低，推动新的机器视觉应用的应用。Arteris公司的Nightingale表示，随着硬件（如传感器、摄像头和处理器）的进步以及算法和机器学习模型的改进，机器视觉系统的准确性和速度将得到进一步提高。深度学习算法尤其在近年来推动机器视觉技术的进步方面发挥了重要作用，并有望在未来扮演更重要的角色。这些算法能够自动学习数据的特征和模式，从而提高准确性和性能。机器视觉系统将具有更强大的能力，能够快速而准确地处理和分析大量的数据，从而开展更为复杂和智能的应用。此外，预计机器视觉和人工智能将与其他技术相结合，提供更多高性能、实时的应用。Nightingale指出，机器视觉技术已经与机器人技术和自动化等其他技术整合，这一趋势有望持续发展，我们可能会看到更多机器视觉在医疗保健、交通和安全等领域的应用。此外，对于需要实时处理的应用，机器视觉技术已经被广泛应用，例如人脸识别和物体追踪。未来，我们可能会看到更多需要实时处理的应用，例如自动驾驶汽车和无人机。结论机器视觉（MV）的设计涉及芯片（处理器、存储器、安全芯片）、IP核、模块、固件、硬件和软件的结合。芯片组件和多芯片封装的推出将使这些系统能够更容易、更快速地进行组合，添加新功能，提高系统的整体效率和能力。Winbond的DRAM经理Tetsu Ho表示：“已知良好晶片（KGD）解决方案可以提供成本和空间效率高于有限接触点和线材的封装产品的替代方案。”这有助于提高设计效率，提供增强的硬件安全性能，特别是产品上市的时间。这些晶片经过100%热激测试，测试程度与离散部件相同。 需要KGD 2.0来确保2.5D/3D组件和2.5D/3D多芯片设备的末端良率，以实现带宽性能、功耗效率和面积等PPA的改进，这是由边缘计算和人工智能等技术爆炸所推动的迷你化趋势。这将为机器视觉在新旧市场中开拓新的选择。它将用于在自动驾驶中协助人类，帮助机器在制造业中实现精确高效，并通过无人机进行监控。 此外，机器视觉将能够探索对人类而言危险的地方，并为保险、体育、交通、国防、医疗等众多领域提供数据输入和分析。随着技术的不断发展和应用的扩大，机器视觉将继续成为推动自动化、智能化和数字化革新的关键技术之一。机器视觉系统的进一步提升和创新将为我们的生活和工作带来更多的便利和效益。无论是在工业生产、医疗保健、交通运输还是其他领域，机器视觉的应用都将继续拓展，为未来的科技发展带来更多的可能性。

引言随着我国工业持续发展，工业主导地位不断提高，我国的工业生产结构产业结构从劳动密集型逐渐转向技术、知识密集型，产业发展的动能也逐渐从要素驱动转向效率驱动和创新驱动。与此同时，随着5G网络时代的到来，人民的生产生活将愈来愈智能化。为建设现代化强国，提高工业生产的作业效率和经济效益，实现国家经济增长再创新的高度。我国工业生产的智能化水平仍然是工业领域的一个重要的研究点，未来工业智能化的发展尤为重要。近年来，随着工业智能化的迅速发展，具有便捷性、精确性、迅速性、智能化等优点的机器视觉技术被广泛应用于工业生产各领域，其作为一种现代化检测手段，越来越受到人们的重视。机器视觉技术涉及计算机科学、人工智能、信号处理、图像处理、机器学习、光学、自动化等多个领域。机器视觉通过光学设备和传感器获取到目标物体的图像信息，然后将图像信息转化成数字化信息，进而通过计算机分析数据显示在电子屏幕上或者通过控制单元指导机器完成任务。机器视觉偏重于信息技术工程化和自动化，但又构建在计算机技术视觉效果方法论的基础上，它的重点是感知目标物体的位置信息、大小形态、颜色信息及存在状态等数据信息。本文主要通过论述机器视觉技术在工业生产智能化中的应用，分析机器视觉的优点及现如今存在的问题，并针对问题提出解决性的方法，进而剖析机器视觉技术在工业智能化生产上的发展趋势及方向，期望能为现代化的智能工业生产的发展提供借鉴。1 机器视觉的研究与发展机器视觉的概念始于20世纪50年代，最先应用于“机器人”的研制。通过机器视觉传感器采集图像信息并处理，进而通过计算估计下一步的位置来控制机器人运动。20世纪50年代：机器视觉的研究主要集中在二维图像的简单分析和识别上，像字符，工件、图片的分析和处理等，多用于航天、工业的制造与研究。20世纪60年代：利用计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，提出基于机器视觉的多面体零件特征提取技术，进而为识别三维物体和三维计算机视觉研究打下坚实的基础。20世纪70年代：这个时期才有人首次提出较为完整的机器视觉理论，也陆续出现了一些视觉应用系统．简单的视觉应用系统小部分的代替人工生产，让工业生产逐步向自动化方向发展。20世纪80年代：机器视觉技术在这个时期获得蓬勃发展，随着一些新概念、新方法、新理论的不断涌现。机器视觉技术也不断和其他技术相结合，产生新的生产方式应用于工业生产中，机器视觉也逐渐被人们熟知和应用，使其工业生产中掀起新的生产浪潮。20世纪90年代：机器视觉技术开始应用于零部件的装配。同时，这一时期有人提出将机器视觉和神经网络技术相结合，实现了对机械零件表面粗糙度的非接触测量。这一技术的实现让众多机械零件表面的检测得到了应用，代替了人工检测，提高了工业生产效率，让众多工人的双手和双眼从工厂生产中解放出来。21世纪：现如今，机器视觉的发展已相对成熟，很多企业借助机器视觉的优点将其大量应用于工业生产中。现如今的时代是智能化的时代，现代工厂的生产也不断追求自动化以及机械化，倡导将传统的人工生产解放出来，越来越多的产业已经在工业生产智能化方面做的相当出色。机器视觉技术作为工业智能化生产中的关键技术，也不断的被人们改进。由此可见，机器视觉技术一步步地发展到现阶段，已经相对成熟，并且在各个领域都大规模是使用，尤其在工业领域发挥了至关重要的作用。但是国内的机器视觉技术相对起步较晚，相比国外还有一定的差距，还需要在技术、算法等方面努力跟进。2 机器视觉在工业机器人中的应用工业机器人是现代科技的主要代表技术，工业机器人以其方便精确，省时省力，而被广泛应用于家电、电子、服装、汽车、食品、等行业。随着现代科技的高速发展，高标准、高效率已经成为众多企业追求的目标，在这种发展背景下，工业机器人应运而生。其中让笔者印象深刻的就是京东自动化机器人仓库，硕大的仓库里面成千上万的机器人不停地在货架之间来回运动，将物品分类、投放、运输。在工业机器人领域中机器视觉具有如下功能。（1）定位和控制。现代工厂生产要求机器视觉系统能够快速，准确地找到目标物并确认其位置。然后使用机器视觉进行定位，并引导机械手臂去准确地抓取。（2）识别。主要利用机器视觉获取图像，然后对图像进行处理、分析和理解，以识别各种状态的目标和对象，用于跟踪和收集数据。一般的机器识别系统借助照相机完成。（3）检测。检测生产线上产品的质量，这也是取代人工最多的环节。在工业领域，主要检查包括尺寸大小检测，瓶子外观缺陷检测，瓶口缺陷检测，残次品检测等。（4）高精度检查。在工业生产中，一些精密的电子设备零件需要较高的精度，例如计算机、手机上高度集成的电子电路板，有些可达到精度0.01mm甚至μm级，人眼无法识别这些小的元器件，因此必须使用机器来完成。（5）分拣与搬运。现代工业生产与运转过程中，不可避免都会有一些分拣的工作，而传统利用人力进行分拣工作的方式存在较大局限，但视觉机器人的应用可以极大地提高工业生产的效率及工作精确度，进而解放了人们的双手。机器视觉系技术在机器人的应用中起到一个核心内容的作用。机器视觉中最关键的一项就是：怎样让机器人对运动目标物进行准确识别。视觉系统技术可以解决这一难题，加入视觉系统技术，可以使机器人对目标物进行实时的运动跟踪与检测，进而准确的确定目标物的位置与方向，确保机器人对其的准确定位。机器人视觉系统的工作主要分为4个部分：相机定位、图像分析与处理、目标物状态识别及机器人的动作操控。先利用相机定位对目标物建立运动坐标系，获取物体坐标；然后将获取的目标物分图像进行分析和处理；状态识别以图像分析为基础，对目标物的状态进行分析和处理，从而根据图像处理与分析的结果操控机器人的动作行为。工业机器人的使用是现代工业相对于传统工业的伟大进步与发展，其解决了传统工业成本高、效率低、耗时长等缺点，将人们双手解放出来，让现代化的工业生产更加自动化、智能化。3 机器视觉在工业控制领域的应用现代化的工业生产大多倾向机械一体化，例如，薯片的生产，从土豆的清洗，到最后薯片的装袋、封口，都不需要人为参与。当然有的人要说这样生产出来的东西没有人情味，但是我想说机械一体化的生产方式或许将是未来所有工业生产的大趋所示，其优点不在赘述。那么，怎么才能控制机械化生产呢？这就要用到机器视觉技术来控制机器生产。机器视觉控制器，因其具备出色的处理能力，可在10s以内高速完成最多128个点的检测，强大的处理能力可以直接影响可运行的算法以及视觉系统做出决策的速度。为了减少图像处理的时间，一些工厂现在使用同构处理来运行视觉算法。另外，现在的一些机器视觉控制器还具有用于网络连接的专用以太网端口以及用于连接外部数据存储器的端口。通过工厂连接功能，工作人员可以实现在办公室检测产品生产，查看图像，还可以实时回放，极大的方便了工厂的生产。这种直接进行工业一体化生产的方式在慢慢的取代传统生产方式，相信在未来的工业发展中，一大部分工厂将利用机器视觉控制实现工厂一体化生产。4 机器视觉在工业质量检测中的应用在现代化工业生产过程中，目标检测多种多样，市场需求相对较大。比如，检测机械零件大小是否达标、辨别条形码或包装条码、测试商品的外表缺陷、瓶口缺陷、打印缺陷等等。这些应用均需大批量测试，并且都是高精度的测试，人眼识别在这些检测中处于劣势，如果仅仅通过人工，耗时可想而知。在啤酒瓶的生产过程中，瓶子大小以及外观是否有缺陷等这些都需要经过质量检测。一些工厂一天就会生产成千上万的啤酒瓶，如果都利用人工来处理，是让人无法胜任的。而且一般人眼一直盯着同样的物体检测，时间长了，会造成视觉疲劳，进而导致残次品率高，工作效率低下。不仅如此，一些工厂还要花费大量成本聘请人力检测，这种落后的生产方式已经不再适合现代化生产。利用机器视觉技术可以有效的解决这一问题，用机器检测代替了传统的人工，大批量检测可以快速完成，加快了工厂的产品生产速度；另外，减少了工厂的生产成本，提高了产品的生产效率。机器视觉技术的应用，使工业生产不在受限于人眼识别的缺陷，提高了工业检测的精度和效率，使工业生产更加的自动化和智能化。5 机器视觉中的关键技术通俗来说，机器视觉的作用是代替了人眼来做测量和判断，机器视觉系统利用照相机和照明设备获取图像信息，然后传送给图像处理系统，图像处理系统将图片进行颜色、亮度处理，然后将图像信息转换成数字信号，最后通过计算机进行处理、分析。机器视觉中的两大关键技术：图像采集和图像分析与处理。（1）图像采集图像的获取是机器视觉技术中至关重要的一步，他是后续图像处理的保障。利用摄像头进行图像捕捉，摄像头的选择因功能而异；有时，图像的质量优劣还与光线强度有关，因此，会添加照明功能辅助图像采集。图像采集工作涉及到图像传感器的使用，一般灵敏度高、像素大、动态范围大、功耗低的图像传感器较受人们欢迎。目前市场上普遍使用的传感器是CCD，其灵敏度高、读取噪声低，因此在图像传感器占据一定的市场。日常生活中常见的图像采集有数码相机、手机、各式各样的摄像头、多媒体等，图像采集的速度、质量直接影响到后面图像的处理以及机器的控制。（2）图像分析与处理图像分析一般利用数学模型对图像的色彩、透明度、色差进行分析，进而提取出有用的图像信息。主要包括图像信息识别与读取、图像的存储、图像数据变换、图像分割、模型匹配以及解释。图像分析步骤如图1所示。图1 图像分析步骤对于分析好的图像信息，下一步就需要进行处理。一般的图像处理方法是数字处理，主要技术和方法包括去噪、增强、复原、提取特征等。图像处理所需的硬件有数字图像采集器以及图像处理计算机，主要的图像处理操作，还是要通过图像处理软件来完成。涉及的算法有傅里叶变换、正余弦变换、沃尔什变换，微分计算、滤波处理等。图像是机器获取和信息交流的主要来源。通过图像的获取、分析与处理，将外界信息转化成可供计算机分析的数字信号，进而通过分析系统传输给控制系统，发出下一条动作的指令，控制机器完成任务。6 机器视觉技术在工业应用中的发展趋势机器视觉技术的优点：可以利用机器进行非接触测量，可以利用机器实现在人无法工作和到达的区域完成对目标物的检测；机器比人眼对光更加敏感，可检测人眼看不见的红外及微弱光检测测量，解决了人眼的缺陷，扩大了人眼的视觉范围；机器不会产生疲劳，可以长时间的稳定工作，机器视觉可以进行长时间工作、分析、处理与操纵；利用了机器视觉解决方案，可以节省大量劳动力资源，有效降低企业生产成本，为现代化工业生产带来可观利益。现在科技技术发展较迅速，机器视觉技术的应用也相对成熟，但是还是存在诸多问题：当工业生产车间现场的噪声很大时，机器视觉系统往往会受到干扰，会造成设备灵敏度的降低或设备的损坏；另外工业生产现场有的处于高温，有的处于低温，这就要求机器设备要有一定的抗干扰能力和稳定性。图像的采集有时还会受光照强度的影响，当光线昏暗时，就会影响目标物图像的提取、识别及分析，进而有可能造成生产产品次品率上升，影响生产的精度及效率。如何解决这些问题并提高机器性能，进行有效的图像识别，使机器视觉技术在工业智能化生产中得到高效的利用，是当下研究的关键。（1）研发出高效率的图像处理软件和硬件。图像采集部分的快慢主要依赖于硬件的速度，高质量的硬件可有效减轻主机的负担，提高系统的对图像的分辨效率、采集效率、图像处理的速度及处理分析效率。高质量的软件也尤为重要，质量高的软件可以让机器的命令执行速度更加高速有效。（2）开发适用性强、高效、稳定、实时的智能算法。智能、高效、稳定化的智能算法可有效提高系统的分析处理速度，并且改善复杂环境下系统抗干扰能力较差的缺点，使系统有较强的即时性、鲁棒性、稳定性、抗干扰性以及环境适应性。7 结语由此可见，机器视觉技术在工业制造有着广泛的需求，在工业领域有着较大的发展空间。机器视觉技术的利用可有效的降低生产成本，节约劳动力，提高生产效率，降低产品次品率；另外，还可以实现非接触测量。机器视觉技术的优点如此之多，因此，对制造业领域智能化的发展也具有较大的影响。但是，现在的机器视觉技术还有待提高，许多技术难题还亟待解决，当下任务应着力解决机器视觉技术在工业生产上的智能化、自动化应用，以便以后全面投入工业领域生产，进而为我国的现代化强国建设做出贡献。本文作者：北京信息科技大学信息与通信工程学院 孙郑芬 吴韶波

随着现代工业的发展和进步，特别是在一些高精度加工产业，传统的检测手段已远远不能满足生产的需要。机器视觉测量技术是一种基于光学成像、数字图像处理、计算机图形学的无接触的测量方式，测量范围更广，测量精度和效率更高，成为先进制造中的宠儿。机器视觉系统核心功能包括识别、测量、定位、检测等，能够自动测量产品的外观尺寸，比如外形轮廓、孔径、高度、面积等尺寸的测量；还可用于外观缺陷检测，例如汽车零部件、新能源动力电池表面缺陷检测等。据了解，全球机器视觉市场规模约122亿美元，国内机器视觉市场规模约164亿元；中国正成为世界机器视觉发展最活跃的地区之一，应用范围几乎涵盖国民经济各个领域，其中工业领域是机器视觉应用比重最大的领域。为帮助广大工业用户了解国内机器视觉检测技术发展与应用现状，仪器信息网将于2022年10月20-21日举办首届“精密测量与先进制造”主题网络研讨会，特邀天津大学精密仪器及光电子工程学院邾继贵院长、合肥工业大学卢荣胜教授分享主题报告。点击图片直达会议页面天津大学精密仪器及光电子工程学院 邾继贵院长《工业视觉技术进展及装备应用》（点击报名）邾继贵，博士，天津大学教授，博士生导师，国家杰出青年基金获得者，教育部长江学者特聘教授，精密测试技术及仪器国家重点实验室主任。 一直从事计量测试技术及仪器专业的科研教学工作，创新性地研究了基于激光技术、计算机视觉和精密测量理论的新型测量原理、方法及其工程应用，在流水线制造在线测量、大型装备制造现场测量领域研发了高性能测量系统及装备，成功解决了一些重点行业领域内测量新难题。 获得国家技术发明二等奖2项、教育部技术发明一等奖1项、天津市科技进步特等奖1项、天津市技术发明一等奖1项，发表学术论文100余篇。报告摘要：视觉信息作为一种大容量、高冗余的信息类型在工业制造领域发挥着重要作用。视觉检测技术是实现制造过程在线测量的最重要方法，随着制造工艺技术的不断发展，在线测量参数类型愈加丰富，测量精度不断提升，视觉检测技术也在不断演化发展过程中。报告分析了视觉检测新技术方法及趋势，结合汽车制造新工艺需求，展示了最新的工业视觉检测装备及其体系化应用。合肥工业大学 卢荣胜教授《视觉在线测量与检测技术》（点击报名）卢荣胜，博士，合肥工业大学教授，博士生导师，获国务院政府特殊津贴专家称号。现任无锡维度机器视觉产业技术研究院院长、董事长，安徽省计量测试学会理事长。1998年获合肥工业大学精密仪器专业博士学位，1998-2000天津大学精密测试技术与仪器国家重点实验室博士后流动站博士后，三维机器视觉技术研究。2001-2006年在香港城市大学、英国Imperial College London、University of Huddersfield从事机器视觉与光学测量技术研究工作。2006年5月回合肥工业大学任教。主要研究方向：机器视觉与光学精密测量技术。主持国家重大科学仪器应用与开发专项、重点研发计划、国家科技支撑计划、国家863专项、国家自然科学基金等项目10余项。已表发表论文200余篇，专著2本，获发明专利20余项，培养硕士和博士研究生100余人。报告摘要：机器视觉在线测量与检测技术在先进制造领域具有广阔的应用前景。在先进制造过程中，机器视觉技术能够取代人工，快速高效地执行测量、检测、识别、定位与引导等任务，如对产线上的零部件进行视觉定位，实现产品外形轮廓三维测量和表面缺陷检测，字符、条码读取，产品分类和分组，引导机械手进行无序抓取、焊接、装配、码垛和拆垛等。 本报告以先进制造领域产品零部件在线三维测量与缺陷检测为应用背景，系统性地介绍视觉在线测量与检测技术的基本原理、系统组成架构、系统集成中的共性关键技术，如视觉照明、高分辨率成像、分布式并行图像处理等技术。并以外观缺陷在线检测和三维视觉引导机械手无序抓取为例，阐述机器视觉在线测量与检测技术的实现过程。 报告还展示了近十几年来，我们在国家重大科学仪器设备开发与应用专项、国家重点研发计划等项目的资助下的研究与开发成果。此外，摄影测量是一门通过分析记录在胶片或电子载体上的影像来确定被测物体的位置、外形和尺寸的科学，属于测绘学的分支学科。数字摄影测量能在较短时间内获得被测物体关键点的三维信息，从而实现物体的三维数字化建模，尤其适用于大型繁杂工件的三维检测，具有非接触、自动处理等特点，为传统工业测量提供了新方法和新技术，尤其是在智能化、自动化发展的大趋势下，应用前景越来越广阔。本届“精密测量与先进制造”主题网络研讨会特邀武汉大学郑顺义分享《工业摄影测量技术研究及应用》主题报告。武汉大学 郑顺义教授《工业摄影测量技术研究及应用》（点击报名）郑顺义，工学博士，二级教授，博士生导师。任职于武汉大学遥感学院，长期从事数字摄影测量、计算机视觉、虚拟现实等方面研究，成果突出。授权专利100多项，发表论文120多篇，指导博士硕士研究生100多人。先后获得国家测绘科技进步奖一等奖，美国摄影测量与遥感协会戴维森主席奖和波音奖等奖励。报告摘要：在制造业朝着自动化、柔性化、智能化发展的潮流中，传统的工业测量技术难以同时胜任高精度、高效率、高便捷性的要求，本报告提出以工业摄影测量技术为基础的测量系统，其具有实时性、便捷性、自动化和智能化的特点，获取的高质量的三维数据，可用于逆向工程、质量检测、辅助智能制造等典型工业应用场景。同时介绍了该测量系统的技术路线，从硬件设计、算法优化等方面提出了见解。扫码报名抢位指导单位：中国计量测试学会主办单位：仪器信息网协办单位：上海大学会议日程报告时间报告主题报告人单位职务10月20日上午09:30-10:00工业视觉技术进展及装备应用邾继贵天津大学精密仪器及光电子工程学院院长10:00-10:30激光跟踪仪精密测量技术与应用周维虎中国科学院微电子研究所主任/研究员10:30-11:00激光回馈精密测量技术新进展张书练清华大学教授11:00-11:30待定胡鹏程哈尔滨工业大学长聘教授10月20日下午14:00-14:3020年来齿轮测量技术的发展石照耀北京工业大学长江学者特聘教授14:30-15:00基于波长移相技术的光学平行平板轮廓和厚度信息测量技术于瀛洁上海大学机电工程与自动化学院院长15:00-15:30视觉在线测量与检测技术卢荣胜合肥工业大学教授15:30-16:00面向智能制造的全过程、全样本、全场景测量李明上海大学教授10月21日上午09:00-09:30工业摄影测量技术研究及应用郑顺义武汉大学教授09:30-10:00装备空间运动误差被动跟踪测量方法与仪器娄志峰大连理工大学副教授10:00-10:30差分珐珀激光干涉微位移计量及应用研究崔建军中国计量科学研究院课题组长/副研究员10:30-11:00面向先进制造过程的在线计量技术研究赵子越中国航空工业集团公司北京长城计量测试技术研究所高级工程师

人类获取的信息83%都来自视觉，由听觉、触觉和其他的渠道获取信息的占比仅有17%，所以视觉对于人类的重要性溢于言表。而机器视觉作为机器人的“高精密眼睛”，其之于机器人的作用就像视觉之于人类一样重要。近日，中国工程院院士王耀南在2022世界VR产业大会关键共性技术主题论坛上围绕“高光谱机器视觉感知技术应用及发展趋势”发表演讲。他指出，高光谱机器视觉技术正在迅速普及，在制药行业的产品检测、食品生产的安全识别、建筑材料的质量控制、医学成像等场景中广泛应用，但距离真正实现“高精准、看得清、更好用”仍面临挑战。智能机器人的“高精密眼睛”在日常生活中，人们通常是通过视觉器官（眼睛）获取信息，再通过大脑来分析、处理这些信息，从而识别出物体。而高光谱成像的目标是获得包括从可见光到长波、红外光谱的精细光谱“指纹”，精确反映物质独特的光谱特性。作为智能机器人的“高精密眼睛”，高光谱机器视觉的发展对机器人的控制具有重要作用。受不同生物的感光细胞具有差异启发，高光谱成像与感知可将丰富的、不同波段的图像信号映射到数字世界，是机器智能的重要支撑技术。“高光谱图像能够精准反应出物质特征的光谱信息，这是它最大的优势，”王耀南表示，“近几年，高光谱的发展非常迅速。过去高光谱主要是在遥感应用里面，今天我们把高光谱用到机器视觉，使机器人装上了明亮精准的眼睛，可以感知到可见光、红外光。”据了解，机器人的高光谱视觉研究主要包含两部分内容，一部分是成像感知，另一部分是自动的光谱信息分析。成像技术实质上是感光元件把光信息转化为数字图像信息，最早的光谱成像来自感光设备，目前低成本、小体积、高速率、低功耗的感光元件成为发展趋势。近年来高光谱机器视觉的发展态势从感知智能进入到了认知智能，从过去的 RGB 图像变成今天的光谱图像，已然进入到一个计算智能成像的时代。目前高光谱相机及其相关技术已成为智能机器视觉领域研究的前沿方向。高光谱机器视觉仍面临挑战分析与认知能力是机器人能否对环境中的有效信息加以处理与理解的重要标志，是智能化发展的必经途径。王耀南认为，高光谱机器视觉分析与认知面临着三大挑战，主要涉及图像特征提取、语义知识理解和自主适应学习。“首先要突破图像特征的提取，过去我们主要是像素特征的提取，今天扩展至边缘、纹理、光谱等空间几何等方面；第二，它已经走向了图像的推理，涉及语义知识的理解、语义的描述、高维的图像特征等技术的突破。第三，要突破自适应的学习，传感器要具有学习性、能感知，还要能理解、能分析，让人工智能真正融入到机器视觉里。”王耀南说道。近年来，通过大量研究，高光谱视觉传感器的发展突破了两项关键技术。第一项技术面向成像系统，成像系统围绕复杂的目标，能够解决在多空间、大尺度下的成像问题，可以同时捕捉三维空间和光谱维度的成像。第二项技术面向三维光谱数据分析，比如空间-光谱联合分析、大数据分析和处理等。快速突破这两项关键技术，有助于实现高光谱机器视觉技术的广泛应用。“高光谱广泛装载在机器视觉以后，不仅能应用到工业、农业，还能应用到无人驾驶、机器人、新药研发、新产品质量检测等领域。”王耀南表示。比如为了加速工业检测速度，我们开发了高光谱图像处理的硬件系统，研制了工业高光谱仪器，包括高光谱的成像，成像仪器的处理特征识别等。再比如，高光谱机器视觉也被用在异物检测方面，应用于疫苗生产的柔性智能化工厂。而不同的应用场景对高光谱成像的复杂性、多样性提出了更大的挑战。未来首先要解决数据传输与处理问题王耀南指出：“随着科学技术的进步，未来高光谱机器视觉的发展首先需要解决的，也是最重要的一个问题，就是数据传输与处理。”比如，高光谱仪器是联网的，如此庞大规模的光谱图像信息怎么同时传输，这就是一个需要解决的难题。第二是光谱成像高分辨率问题。高光谱最大的弱点就是分辨率比较低，不像可见光成像的分辨率比较高。合成孔径雷达图像的分辨率也比较低，但是它的探测精度比较高。每一种传感器都有优点和缺点，因此未来一个重要的研究方向就是新的成像方法和机理探索。第三个是所有的高光谱成像仪器都向小型化和高可靠性转变，要能够装载在不同的设备上，从单一的传感器进入到多传感器信息融合，从数据处理方面到光谱数据处理，从模型驱动向数据驱动、知识驱动的方向发展。

为了更好地观察周围的世界，动物总是在运动。灵长类动物和人类使用复杂的眼球运动来集中视觉（比如人类在阅读时所做的）；鸟类、昆虫和啮齿动物通过移动头部来实现同样的效果，甚至可以用这种方式估计距离。然而，这些运动是如何在大脑用来“看见”的神经元的复杂电路中发挥作用的，在很大程度上是未知的。这可能是一个潜在的问题领域，因为科学家们创建了人工神经网络来模拟自动驾驶汽车的视觉工作原理。为了更好地理解运动和视觉之间的关系，哈佛大学的一个研究小组研究了当动物可以自由地自由漫游时，大脑中用来分析图像的主要区域之一发生了什么。周二发表在《Neuron》杂志上的这项研究结果表明，初级视觉皮层的图像处理电路不仅在动物移动时更活跃，而且它们接收来自大脑运动控制区域的信号，该区域独立于处理动物所看到的东西的区域。事实上，研究人员描述了视觉皮层中两组与运动相关的模式，它们是基于头部的运动以及动物是在光明还是黑暗中。这项与运动有关的发现出乎意料，因为视觉往往被认为是一种前馈计算系统，视觉信息通过视网膜进入，在单向运行的神经回路上传播，逐块处理信息。研究人员在这里看到的更多证据表明，视觉系统有更多的反馈组件，其中信息可以以相反的方向传播，这比我们想象的要多。这些结果提供了一个微妙的一瞥，神经活动如何在大脑的感觉区域工作，并重写了教科书中的大脑视觉模型。哈佛医学院神经生物学系博士后研究员、该研究的主要作者Grigori Guitchounts说：“在视觉皮层中看到这种（与运动有关的）信息真的令人惊讶，因为传统上人们认为视觉皮层只处理图像。”“大脑在某种程度上需要协调感知和行动，”Guitchounts说。“你需要知道什么时候感觉输入是由你自己的行为引起的，而不是由世界上其他事物引起的。”在这项研究中，Guitchounts与前分子和细胞生物学系教授David Cox，博士后研究员Steffen B.E.Wolff合作进行了这项研究。这项工作于2017年开始，2019年结束，当时Guitchounts是Cox实验室的研究生。该论文的预印本于1月出版。过去视觉实验的典型设置是这样工作的：给小鼠或猴子等动物注射镇静剂，将它们的头固定在固定的位置，然后给予视觉刺激，比如照片，这样研究人员就可以看到大脑中哪些神经元有反应。这种方法是由哈佛大学的科学家David H. Hubel和Torsten N. Wiesel在20世纪60年代首创的，1981年他们因此获得了诺贝尔医学奖。自那以后，许多实验都遵循了他们的模型，但没有阐明运动是如何影响分析神经元的。在这项最新的实验中，研究人员想探索这一点，于是他们观察了10只小鼠。科学家们把每只鼠放在一个围栏里，这个围栏是它的家的两倍，并连续记录它们的头部运动。通过植入电极，他们测量了小鼠移动时初级视觉皮层的大脑活动。一半的录像是在灯亮的情况下拍摄的。另一半被记录在完全黑暗中。研究人员想比较有视觉输入时和没有视觉输入时视觉皮层的活动。为了确保房间漆黑一片，他们用胶带封住了任何能让光线进来的缝隙，因为老鼠在晚上的视力是出了名的好。数据显示，平均来说，在黑暗中，小鼠运动时视觉皮质的神经元比休息时更活跃。这让研究人员措手不及：在一个漆黑的房间里，没有视觉数据可供处理。这意味着活动来自运动皮层，而不是外部图像。研究小组还注意到，在运动过程中，视觉皮层的神经模式在黑暗和光明中是不同的，这意味着它们没有直接的联系。一些在黑暗中准备激活的神经元在光线下处于一种睡眠模式。研究人员使用机器学习算法对两种模式进行编码。这样他们不仅可以通过观察小鼠视觉皮层的神经活动来判断小鼠头部的运动方式，而且还可以在小鼠移动之前的几百毫秒内预测出这种运动。研究人员证实，这些运动信号来自大脑的运动区域，主要集中在第二运动皮层。他们在几只小鼠身上进行了手术破坏，然后再次进行实验。大脑这一区域受损的小鼠不再在视觉皮层发出信号。然而，研究人员无法确定信号是否来自第二运动皮层。他们说，可能只有在它经过的地方。此外，科学家们指出了他们发现的一些局限性。例如，他们只测量头部的运动，而不测量眼睛的运动。这项研究也以夜间活动的啮齿动物为基础。它们的视觉系统与人类和灵长类动物有相似之处，但复杂性不同。尽管如此，这篇论文增加了新的研究思路，而且这一发现有可能应用于控制机器视觉的神经网络，比如自动驾驶汽车。“这一切都是为了更好地理解视觉是如何工作的，”Guitchounts说。“神经科学正在进入一个新的时代，在这个时代里，我们明白感知和行动是相互交织的循环… … 没有知觉就没有行动，没有行动就没有知觉。我们现在有技术来衡量这一点。”

近日，厦门思泰克智能科技股份有限公司(以下简称“思泰克”或公司)更新了上市招股书，公司拟在深交所创业板上市，将于11月18日上会。此次IPO，公司拟发行2582万股，计划募集资金4亿元，主要用于思泰克科技园项目、研发中心建设项目与营销服务中心建设项目，以及补充流动资金。据了解，思泰克主营业务为机器视觉检测设备的研发、生产、销售及增值服务，公司是一家具备自主研发和创新能力的国家高新技术企业。公司主要产品包括3D锡膏印刷检测设备及3D自动光学检测设备，产品主要应用于SMT生产线中，并广泛运用于消费电子、汽车电子、半导体、通信设备等电子信息制造业领域。专注机器视觉检测设备 主营产品应用行业广泛自设立以来，思泰克深耕于机器视觉检测设备领域，通过在 3D 光源技术、图像处理底层及应用层算法、AI人工智能算法、高精密三轴机械平台等机电光一体化技术领域不断的自主研发及技术创新，在机器视觉领域构建了领先的技术储备。思泰克以成为视觉人工智能领导者为愿景，持续深耕机器视觉领域, 紧密围绕公司产品涉及的计算机科学、图像处理、精密制造、人工智能等领域的最前沿发展方向和电子制造的最新发展需求，坚持自主创新，对现有技术产品不断迭代更新，并在相关领域取得了多项技术成果，形成45项授权专利和21项软件著作权。公司将可编程结构光栅投影技术，CPU 和 GPU 混合的三维表面轮廓测量算法、红绿蓝(RGB)三色 LED 光源算法、高低曝光技术、SMT 生产线数据互联及分析技术、基于三点照合技术的产品品质控制体系、AI 人工智能算法、10 微米级别的 XYZ 三轴移动精密平台等软、硬件核心技术进行有机结合，实现了机电光技术一体化。领先的产品力为公司积累了极为丰富和亮眼的客户资源。目前，公司直销及终端客户包括富士康、海康威视、弘信电子、大华股份、臻鼎科技、立讯精密、德赛电池、欣旺达、珠海紫翔、VIVO等行业知名企业或其代工厂商，优质客户的加持也进一步巩固了思泰克的行业领先地位。同时，公司产品已出口至中国台湾、越南、印度、马来西亚等地。机器视觉行业内企业的发展速度取决于下游客户的质量，优质客户持续的技术迭代有助于思泰克保持领先行业的技术优势和地位。营收净利连年增长 经营质量明显提升“十四五”时期，我国已转向高质量发展阶段，将进一步深化产业结构调整，推进制造水平提升，由“制造大国”向“制造强国”转型。随着工业自动化、智能化转型的深入以及民用产品对智能化需求的不断提升，机器视觉作为工业自动化、智能化转型的核心技术，有望形成更具规模化的产业，未来发展空间广阔。机器视觉检测设备在电子制造业的应用逐步由选配走向标配。一方面，制造业竞争加剧、人工成本高企不下，迫使下游企业陆续采用机器替人策略。另一方面，机器视觉技术也极大提高了下游企业生产的柔性和智能化，极大提高了生产效率，减少生产过程中的错误，就生产管理和质量管理而言，都大有裨益，也是下游企业实施机器替人的内在驱动使然。随着技术的快速发展，我国机器视觉迎来高速发展时期，机器下游领域不断拓展，逐渐渗透到3C电子、汽车、半导体、锂电、包装、食品、医药等多个行业。思泰克生产的3D SPI 及 3D AOI等3D检测设备提供了较2D检测设备更为智能、精准及多样化的检测内容及检测效果，响应下游客户对提高良品率，降低生产成本的需求，并形成具有企业特色的品牌效应，促进了传统制造业与新技术、新产业、新业态、新模式深度融合。花香蝶自来，梧高凤必至，凭借优秀的产品质量及服务优势，思泰克在行业内已树立良好的品牌形象，形成广泛的客户基础，并取得较高的市场地位。招股书显示，2019年至2022年上半年，思泰克各期营收分别为22648.91万元、25304.20万元、35614.79万元、19128.95万元，年均复合增长率达25.81%。公司主业的盈利水平也长期保持较高水平。上述同期，公司主营业务毛利率分别为55.35%、55.37%、55.84%和54.19%，其中主要收入来源于3D SPI产品，占主营业务收入的比重均在90%以上。在公司核心业务持续增长之下，其研发投入力度却有增无减。上述同期，公司研发费用分别为1008.77万元、1383.44万元、1986.06万元和758.65万元，研发投入呈现稳步增长。同期，公司研发费用率分别为4.45%、5.47%、5.58%和3.97%，总体保持较高水平。募资提升企业竞争力 加速迈入发展快车道根据前瞻产业研究院调研数据，2015 年至 2020 年我国机器视觉市场规模由 26 亿元增长至 79 亿元，年均复合增长率达到 24.89%。未来随着国内企业自主研发水平的提高及下游应用领域的进一步拓展，我国机器视觉行业规模将持续增长。此次IPO正是思泰克高瞻远瞩的战略性举措。近年来，国家对于智能制造和高端装备制造业发布了多项利好政策。随着思泰克业务规模的扩大，增强新产品研发、丰富产品结构、扩大产能已经成为其加速发展的迫切需求。技术创新是人类社会永恒的主题，是时代进步的重要标尺，未来，思泰克将继续把握电子信息制造业产业升级、工业互联网建设、5G 建设等行业发展机遇，专注于机器视觉检测领域，围绕客户需求，不断加大公司在产品所涉及的各项科技领域的投入，保持公司现有产品的持续技术竞争力。同时，公司将以现有核心技术为中心，围绕 SMT 生产线机器视觉检测领域，持续完善 3D SPI 及 3D AOI 等现有产品，并积极研发 X-Ray 检测设备等新产品，为客户提供 SMT 生产线检测领域的整体解决方案，推动业务的多元化和高质量发展。

2021年11月2日，由中国科学技术协会、河南省人民政府主办，中国仪器仪表学会、河南省科学技术厅、智汇工业、OPC基金会承办的2021世界传感器大会分场活动之机器视觉与传感技术专场活动在郑州国际会展中心轩辕堂顺利举办。机器视觉与传感技术专场活动现场本次会议围绕国内外机器视觉产业发展情况、在智能制造中关键技术，图像获取、图像预处理、图像分割、图像识别、检测、视觉图像技术等关键技术与产品；机器视觉的发展问题与市场机会，以及机器视觉在智能制造中的应用解决方案等。邀请来自高校、科研院所专家与企业代表近两百余人共同分享全球的机器视觉标准的最新发展和应用。会议主持人河南工业大学石庆升教授会议在河南工业大学教授石庆升的主持下正式开始，来自河南省科学技术厅二级巡视员郭遂臣为本次论坛进行了致辞。河南省科学技术厅二级巡视员郭遂臣致辞河南省科学技术厅二级巡视员郭遂臣出席会议并致辞，他表示河南省科学技术厅认真贯彻落实中央和省委省政府的部署，全面贯彻新发展理念，落实高质量发展要求，深入实施创新驱动发展的战略。中国工程院院士、中国科学院上海技术物理研究所研究员方家熊团队研究员刘大福中国工程院院士，中国科学院上海技术物理研究所研究员方家熊团队刘大福代表方院士带来了《短波红外焦平面探测器应用技术》。他认为，短波红外辐射自身的特点决定了其在成像领域有着不可替代的重要作用。经过多年的研究探索，短波红外焦平面探测器作为先进的短波红外成像器件逐步发展壮大，在越来越多的领域得以实际应用。随着短波红外探测器材料研究的进展和短波红外焦平面探测器制备工艺的不断改进和创新，短波红外焦平面探测器将向更大面阵规模、更宽的光谱响应范围发展，将会在更多的领域得到重视和应用。大英帝国佐勋章获得者、英国皇家工程院院士 肯尼斯格拉坦大英帝国佐勋章获得者、英国皇家工程院院士肯尼斯格拉坦教授以VCR形式带来《基于光纤的可持续传感技术》。他聚焦在光纤传感器并分析它们如何成为这一领域的驱动因素。他认为光纤传感器技将对实现零排放、保护社区和自然栖息地等目标的实现发挥关键的作用，关于可持续未来的关键是需要我们共同努力实现的目标。河南工业大学机电工程学院副院长、博士生导师曹毅教授河南工业大学机电工程学院副院长、博士生导师曹毅教授分享了《智能制造中的机器视觉技术发展及应用》。他认为，智能制造是全球工业的终极目标，工厂都可以实现智能自动化。作为人工智能技术发展的重要分支，机器视觉是通过图像传感器接收和处理真实物体的图像，以获得所需信息或控制机器人运动的技术。随着工业自动化技术向着智能化方向演进，工业场景对机器视觉技术的需求持续推进着工业机器视觉技术的发展。杭州海康机器人技术有限公司业务经理 刁栋柱杭州海康机器人技术有限公司业务经理刁栋柱作了《机器视觉与移动机器人技术助力智能制造》主题报告。他提到，从工业相机到算法平台，机器视觉产品为智能设备赋予“慧眼”，大幅提升工作效率及准确率，在智造变革之际重塑企业的生产力。从仓储物流到生产物流，移动机器人系统将为厂内物流化繁为简、降本增效，用智慧领航内物流变革。百度智能云河南服务中心解决方案工程师 班海旭百度智能云河南服务中心解决方案工程师班海旭带来了《云智一体在机器视觉中的应用》。他讲到，百度“云智一体”的战略，对“云”和“智”进行了充分融合与特殊调优，进而满足中小企业转型的所有需求；云智一体核心在于：帮助中小企业实现数字化转型与智能化升级的一步到位，并给出了“云为底座，飞桨为核，生态为翼”的系统性方法论，以百度智能云工业互联网“开物”在内的平台。福禄克测试仪器（上海）有限公司技术支持工程师 杨凯福禄克测试仪器（上海）有限公司技术支持工程师杨凯分享了《压力传感器工艺过程中的校准应用》。他介绍到，福禄克计量校准部提供构建压力传感器校准方案所需的设备和资源，福禄克解决方案能够帮助您解决压力传感器校准业务面临的困难，提高客户的投资回报。四川菲罗米特仪表有限公司技术总监杨安勇四川菲罗米特仪表有限公司技术总监杨安勇带来了《用新型超声波换能器实现气体流量的精准计量》。他介绍到，公司一直专注于气体超声流量计领域的自主研发与制造，是一家集智能燃气仪表自主研发、生产、销售及技术服务的科技型企业，致力成为燃气运营商气体计量整体解决方案的专业供应商，同时详细介绍了换能器及其在实际中的应用。会议在热烈的气氛中圆满成功，各位与会嘉宾认为机器视觉具有高度自动化、高效率、高精度和适应较差环境等优点，将在工业自动化的实现过程中产生重要作用。各行各业对图像和机器视觉技术的工业自动需求将越来越大，但真正高端的应用还很少，机器视觉在未来制造业中将会有很大的发展空间，如何掌握行业的发展趋势，还需要深度探讨。

《产品外观缺陷机器视觉在线检测技术及设备开发》一文由合肥工业大学仪器科学与光电工程学院卢荣胜教授投稿分享，包括自序、研究背景、典型系统组成、成像技术及实现策略、关键核心单元部件、缺陷识别与分类、结束语、致谢几个部分。由于篇幅较长分为四篇发布，以下为第一部分：自序、研究背景、典型系统组成。1．自序本人1985年大学毕业后在量仪厂从事量具、刃具、工装、专机与机加工工艺开发等技术工作，于1992年从师费业泰教授攻读硕士与博士学位，从事精密机械热变形误差、精密仪器精度理论方面研究， 1998年末博士毕业后又拜师天津大学叶声华教授，从事机器视觉在线检测方面的博士后研究，研究方向随之聚焦于机器视觉与光学精密测量领域。之后在香港城市大学、英国帝国理工学院和哈德斯菲尔德大学进行了为期6年的三维机器视觉、自动光学检测和光学测量技术研发工作，于2006年5月返回母校合肥工业大学任教。回国后继续从事机器视觉与光学测量方面的研究，坚持面向平板显示、新能源、软性电路板、半导体等先进制造产业，注重技术的应用开发。先后主持了国家自然科学基金项目3项、863专项1项、国家科技支撑项目1项、国家重大科学仪器设备开发专项1项、国家重点研发课题1项、以及其它省部级项目和产学研合作项目10余项，在机器视觉与光学测量领域已培养硕士和博士研究生100余人。鉴于在机器视觉技术研究及应用开发方面20余年的研究积累，2021年无锡市锡山区政府与我们科研团队合作，联合创立了一个新型科技研发机构——无锡维度机器视觉产业技术研究院，采用实体化运营模式，面向先进制造产业链，从事机器视觉与光学精密测量方面产业共性关键技术研究与产业化开发。研究内容与产业化业务范围涉及机器视觉缺陷在线检测、三维机器视觉精密测量、机器人视觉引导、半导体检测、机器视觉关键零部件开发等。开发的视觉系统与仪器已经在平板显示、光伏、锂电池、软性电路板、半导体等行业得到成功应用。鉴于篇幅问题，本文重点聚焦于产品外观缺陷视觉在线检测技术，归纳了我20多年来在这些方面的科学研究与产业化开发的进展情况与心得体会。2．研究背景在产品制造过程中，由于生产环境不理想、制造工艺不规范等各种原因，零部件和产品外观难免会含有多种缺陷，如印制电路板上出现孔位、划伤、断路、短路和污染，液晶面板的基板玻璃和滤光片表面含有针孔、划痕、颗粒，带钢表面产生裂纹、辊印、孔洞和麻点，铁路钢轨出现凹坑、鼓包、划痕、擦伤、色斑和锈蚀，等等。这些缺陷不仅影响产品外观，更重要的是影响产品性能，严重时甚至危害生命安全，对用户造成巨大经济损失，因此，现代制造业对产品的表面质量控制非常重视。产品外观缺陷在线检测最传统的方法就是采用人工目视检测法，目前高端制造工厂大部分都采用自动化生产，但人工目视检测岗位仍占据工厂整体人员的15%-30%。鉴于人工目视检测存在对人眼伤害大、主观性强、准确率低、不确定性大、易产生歧义和效率低下等缺点，已很难满足现代工业对产品质量及外观越来越高的严格要求。随着电子技术、图像传感技术和计算机技术的快速发展，利用基于图像传感技术的视觉在线检测方法已逐渐成为外观缺陷检测的重要手段，因为这种方法具有自动化、非接触、速度快、准确度高等优点。目前，外观缺陷视觉在线检测技术已经广泛应用于工业、农业、生物医疗等行业，尤其在现代制造业，如平板显示、光伏、锂电池、半导体、汽车、3C电子（计算机、通讯和消费电子产品）等领域，对能够实现机器换人的外观缺陷视觉检测技术需求越来越旺盛。3．典型系统组成产品外观缺陷机器视觉检测是基于人眼视觉成像与人脑智能判断的原理，采用图像传感技术获取被测对象的信息，通过数字图像处理增强缺陷目标特征，再通过Blob(Binary large object)分析、模板匹配或深度学习等算法从背景图像中提取缺陷特征信息，并进行分类与表征。在工业应用领域，外观缺陷视觉检测系统实际上是一种智能化的数字成像与处理系统，即采用各种成像技术（如光学成像）模拟人眼的视觉成像功能，用计算机处理系统代替人脑执行实时图像处理、特征识别与分类等任务，最后把结果反馈给执行机构，代替人手进行操作，执行产品的分类、分组或分选、生产过程中的质量控制等任务。（左）6代线液晶阵列和彩色滤光片缺陷检测仪 （中）8.5代线玻璃基板缺陷检测仪 （右）ITO导电膜表面缺陷检测仪图 1 高世代液晶面板关键工艺节点缺陷视觉在线检测系统图 2 表面缺陷视觉在线检测系统组成原理图图1为我们在国家重大科学仪器设备开发专项的资助下，针对6代线和8.5代线液晶面板显示器制程中关键工艺节点，开发的三种缺陷视觉在线检测系统。该系统能很好地揭示一个视觉在线检测系统的各个组成部分、关键技术难点，以及所需的关键零部件。主要技术参数为：待测幅面大小≤1800x2200mm, 快速发现缺陷分辨率10μm, 复检显微分辨率0.5μm， 并行图像处理与缺陷识别系统采用CPU+FPA+GPU 主从分布式异构并行处理架构，检测时间节拍20s。系统组成与关键零部件单元可用图2示意图来清晰地描述，它由精密传输机构、光源、相机阵列、显微复检、并行处理、控制、主控计算机、服务器等单元模块，以及与工厂数据中心互联的工业局域网组成。图 3 展示了我们开发的手机液晶显示屏背光源模组缺陷转盘式多工位视觉在线检测系统的结构组成，该检测系统包括自动上料、编码、对准、检测、分选、返修识别等几个部分。图 3 背光源模组在线自动光学检测系统3.1 自动上料机构自动上料机构包括装配线上传输来的背光源模组位姿探测、电动与气动机构抓取、位置校正、送料等部分组成。工作原理如下：1. 在装配线传输带工位（1）的上方放入一个监视相机，当前道工序组装系统装配好背光源模组传输到工位（1）后，监视相机拾取到有待测模组时，计算模组在工位（1）处的位置与模组姿态信息，并发出工作同步指令给后续上料与检测系统。2. 监视相机发出工作同步指令后，气动与电动缸组成的送料系统把工位（1）处的背光源模组从传输带上吸起来，然后在气动滑台的带动下，把工位（1）处的背光源模组搬运到工位（2）处。在放到工位（2）上之前，计算机根据工位（1）上方的相机拍摄到的模组位置与姿态，发出指令给真空抓取吸盘角度校正电缸，初步校正背光源模组在空间的角度。当背光源模组运送到工位（2）后，模组在工位（2）处由4个气动滑缸从四边向中间对中，校正模组的位置，然后背光源模组下方的相机，对模组成像，识别待检背光源模组喷码序列号，作为有缺陷模组在返修过程中，从缺陷数据库中自动调出缺陷信息，指导返修任务。3. 在工位（1）处吸盘抓取背光源模组的同时，右边的吸盘在工位（2）处把已经校正好的模组吸起来，然后在气动滑台的带动下，把校正后的模组输送检测转盘工位（3）处。至此，一个上料循环完成。3.2 检测机构检测机构由间隙转动工位转盘、上料位置对准探测、异常检测、画面检测和外观检测工位组成。工作原理如下：1. 背光源模组被自动送料机构传输到工位（3）后，转盘在控制系统的控制下，转到工位（4）。在工位（4）的上方安装一个相机，检测背光源模组定位是否正常，模组LED灯工作是否正常，并把信息传给主控计算机。如果一切正常，则后续检测工位按预定的方案进行检测；如果不正常，后续检测对该模组不检测，然后传送到工位（9），由分选机构抓取，传送到不良品传输带上。2. 当模组转到工位（5）~（8）处后，缺陷扫描成像系统对画面缺陷进行扫描检测，缺陷扫描成像系统由高速扫描相机、一维滑动台、光栅、伺服系统、调整机构组成。由于外观检测项目较多，一个工位难以不够，故把工位（7）和（8）两个工位作为外观检测机构。3.3 分选机构分选机构由良品与不良品气动抓取机构、间隙运动传输带组成。结构布局参看图 3 所示，其工作原理如下：1. 如图 3 所示，画面（外观、异常等）缺陷检测完毕后，模组继续向下道工位转动，当模组运动到工位（9）后：分选机构左边的气动吸盘抓取工位（9）上的模组，传输到工位（11）处。2. 如果该模组是不良品，在分选机构向工位（9）移动的过程中，不良品传输带向前移动一个工位，把工位（11）清空，等待放置下个模组。3. 如果是良品，在下一个时刻分选机构抓取工位（9）上的模组时，右边的吸盘同时抓取工位（11）上的模组，在分选机构左吸盘把模组放到工位（11）处时，右吸盘把良品模组放置到良品传输带上工位（12）处，然后良品传输带向前移动一个工位，清空工位（12）等待放置下个模组。传输带之所以作间隙运动，一方面可以节省空间，另一方面考虑到不良品只是少数，这样可以让不良品按顺序一个一个经凑地排列在传输带上，不需要有人监视，返修人员只要传输带上放满了不良品后取走返修。3.4 复检与不良品返修对于检测到的不良品，再采用人工目视复检，并对不良品进行返修。在返修工作台上放置一个电脑，并安装一台成像系统，拾取不良品背面的编码。返修显示电脑通过工业以太网与缺陷数据库服务器相连，相机在电脑的控制下，获得带返修的不良品编码后，根据编码从服务器中调用缺陷信息，显示在屏幕上，导引返修人员对不良品进行合理的返修。

近日，教育部公布2023年度普通高等学校本科专业备案和审批结果，并发布2024年普通高等学校本科专业目录。此次备案、审批和调整的专业，将列入相关高校2024年本科招生计划。本网从哈尔滨工业大学获悉，哈尔滨工业大学新增审批专业2个，其中智能视觉工程专业是面向国家战略和区域发展急需首次设立并列入本科专业目录，哈尔滨工业大学成为该专业唯一布点高校。智能视觉工程作为教育部支持高校开设的24种新专业之一，将聚焦科学前沿、关键技术及工程应用领域，深化“四新”建设，立足航天、服务国防，面向国际学术前沿及国家重大战略需求，培养扎实掌握智能视觉工程基础理论及专业知识，具备工程实践创新能力、组织领导能力及团队协作精神，拥有创新意识和国际视野，能够引领智能视觉工程相关领域持续发展的“空间+光学+信息+智能”复合型拔尖创新人才。

11月24日，易思维（杭州）科技股份有限公司（以下简称“易思维”）在浙江证监局进行辅导备案，辅导机构为安信证券股份有限公司。官网资料显示，易思维成立于2017年12月，专注于工业智能视觉领域，是一家集机器视觉产品的设计、研发、制造及应用于一体的高新技术企业。易思维的产品应用已覆盖国内200余个主机厂及零部件厂，客户覆盖率达到95%以上；每年主机厂客户新增市场份额占据全国市场的60%以上。在汽车制造领域，易思维构建并形成了面向冲、焊、涂、总四大工艺的一系列标准化产品，成功打破了国外品牌在该领域的长期垄断局面，成为上汽大众、一汽大众、广汽、特斯拉、蔚来等国内绝大多数主流汽车整车厂及零部件工厂的优选供应商。据查，郭寅为易思维董事长兼总经理，直接持有公司13.38%股份；杭州易实思远科技有限公司持有易思维35.08%股份，杭州易实思远科技有限公司由郭寅100%控股。此外，易思维股东还包括天津创业投资管理有限公司董事长、合伙人魏宏锟等。据乐居财经查阅，易思维是由天津大学创业团队创建的校友企业。2016年6月，郭寅创立了易思维（天津）科技有限公司，初创团队的核心技术成员都毕业于天津大学，出自精密测试技术及仪器国家重点实验室。郭寅博士，浙江青田人，2013年博士毕业于天津大学，曾获得教育部技术发明一等奖、天津市科学技术进步特等奖，2022年入选国家“万人计划”科技创业领军人才。

数字图像相关方法（DIC）是实验力学领域最实用、最受欢迎和最具生命力的非接触全场变形光学测量技术，已在固体力学、材料科学、生物医学工程等不同科研领域以及材料力学性能测试、航空航天、土木交通等工程领域获得无数成功应用。2024年8月13日，由仪器信息网主办的第三届试验机与试验技术网络研讨会即将召开。期间，北京航空航天大学潘兵教授分享报告《成像改进测量：视觉变形测量中的“成像魔法”》，介绍近年如何通过成像系统和技术的创新来提升数字图像相关测量的实用性和精准性，包括：1）用于材料力学性能测试的高精度、超灵敏、超高温视频引伸计；2）从单相机三维变形测量，到单相机360O全景/双表面变形测量；3）从白光DIC到蓝光/紫外主动成像DIC，再到荧光DIC，以实现极高温和强抗干扰等极端情况下的变形测量。本次会议于线上同步直播，欢迎相关领域科研工作者、工程技术人员等参会交流！关于第三届试验机与试验技术网络研讨会为帮助业内人士了解试验技术发展现状、掌握前沿动态、学习相关应用知识，仪器信息网将于2024年8月13日举办第三届试验机与试验技术网络研讨会，搭建产、学、研、用沟通平台，邀请领域内科研与应用专家围绕试验机行业发展、试验技术研究、试验技术应用等分享报告，欢迎大家参会交流。会议详情链接:https://www.instrument.com.cn/webinar/meetings/testingmachine2024/

36氪获悉，杭州深度视觉科技有限公司（以下简称“深度视觉”）宣布完成过亿元的A轮融资，本轮融资由通用技术创投领投，惠友资本、中关村发展启航投资、高通创投跟投。势能资本担任独家财务顾问。领投方通用技术创投是通用技术集团的全资公司，专注于科技创新领域股权投资，具有明确的产业属性和布局能力，目前培育了一批上市公司和细分行业龙头。深度视觉创始人王帅林表示，本轮融资资金将用于产品研发和市场拓展等业务方面。深度视觉成立于2017年，是一家工业领域高精度智能视觉检测方案供应商。深度视觉拥有智能AI相机&3D相机整机的自主研发能力、光学设计能力、多重算法库的研发能力、FPGA平台图像采集处理系统的研发能力及自动化设备的设计制造能力，其一体化检测设备已经应用于多个工业细分领域。深度视觉产品利用机器视觉技术完成产品自动化检测是企业智能化生产必备的能力，同时也是一个高速增长的市场。据前瞻产业研究院相关数据显示，2019年，我国工业机器视觉市场规模已达到139亿元，同时在光源、镜头、相机及分析软件上，国产品牌的占优趋势持续升高。深度视觉创始人王帅林表示，我国是一个工业大国，制造业水平在不断提升，可以为视觉检测设备创造很多应用场景；同时国产厂家可通过快速迭代打造出超越国外产品的设备，解决行业痛点，这对国产品牌是一个好的市场机会。目前 工业领域的产品检测环节主要面临几类痛点：人工成本逐渐升高，招工难；产品复杂程度提高，人眼或常规检测手段效率降低；产品价值较高，出现漏检可能会带来严重后果等。深度视觉打造了多款一体化自动检测设备，用以对高反光、高曲率的产品进行检测，目前主要用于机加工及汽车领域，检测产品包括轴承、滚针、套圈及其他汽车零部件。王帅林告诉36氪：“机加工零件和汽车零部件的生产环境并不是无尘的，很多时候零件会沾有灰尘、污渍或油泥，但其加工质量却是合格的，这就对检测设备提出了更高的要求。此外机械零部件往往是大批量生产，检测准确度也会影响生产效率。”王帅林毕业于北京邮电大学，曾在SEED、中国兵器等企业担任算法工程师，拥有丰富的FPGA、ISP算法开发经验。在技术上，深度视觉进行了图像采集-数据分析-设备一体化的产品布局。在图像采集层面，深度视觉进行了特殊的光源和光路的设计，以及光学透镜组的设计，解决了金属零件表面高反光带来的过度曝光问题，同时通过明场和暗场结合的方式，满足了机加工零部件及汽车零部件特殊位置的图像拍摄要求。在数据分析层面，与传统的视觉检测设备依靠工控机进行集中式运算不同，深度视觉采用了分布式运算的方式，这样做的好处是可以将整台设备的算力更好的分配，完成在不同光照条件下对目标进行多次检测，提高检测精度。深度视觉的分布式运算架构使相机拥有了边缘计算能力，一幅零件图像首先由相机进行处理，处理后的结果以数据形式嵌入图像，并传至后方工控机，工控机综合相机的处理结果应用深度学习算法对图像进行进一步的分析。王帅林表示，除了算法及检测逻辑的创新外，对机加工工艺的理解也十分重要，深度视觉需要充分理解工艺特性，判断出正常加工痕迹和缺陷，并以此来进行数据标定和建立算法库，这种know-how能力同样是企业的壁垒。从相关资料来看，深度视觉打造了滚动体智能外观检测机、磨加工内外圈外观检测机、车加工内外圈外观检测机、成品轴承外观检测机、电池壳外观检测机等多类型产品，每一类产品拥有多款不同型号。目前深度视觉的客户已经超过300家，其中包括舍弗勒集团、不二越、人本集团、五洲新春等国内外知名企业。王帅林表示，目前深度视觉的产品年出货量为近千台，且均为直销渠道，这样可以使深度视觉更好地理解客户需求并快速迭代产品。此外，深度视觉也正在建设自己的生产基地。在发展战略上，除了机加工市场和汽车零部件市场，深度视觉正在积极拓展纺织、医药等领域，并持续落地行业标杆客户，将检测设备和技术发挥出最大效能。投资者说：“深度视觉是一家技术驱动型的公司，具备从相机、光场、算法到机械自动化等全套底层技术自研能力，其提供的AOI检测产品及解决方案已在轴承和金属零部件领域得到全球头部客户的高度认可，并在新能源领域也逐步打开局面。我国正在产业升级的关键期，相信在王总的带领下，深度视觉能成为中国的‘基恩士’，为我国制造业转型升级助力。”——惠友资本投资总监杨扬“高通公司一直通过研发、投资、合作等方式持续引领AI技术和产业的发展。高通创投作为深度视觉最早的机构投资人已陪伴深度视觉三年有余。三年来，我们见证了深度视觉团队从初创走向成长，见证了深度视觉产品从轴承检测拓展至周边行业，也见证了AI在高精密智能制造中的巨大潜力。我们深切期待深度视觉能在AI技术上持续创新，在应用场景上持续发掘，不断取得进步。”——高通创投风险投资高级总监毛嵩“投资一年来，我们欣喜的看到了团队的持续进化和公司的不断成长，在持续巩固金属表面缺陷检测优势的同时，在新能源、医药等方向陆续也有不错的落地，期待公司抓住产业数智化浪潮的际遇，继续稳扎稳打，做大做强。”——中关村发展启航投资合伙人马建平 “疫情的肆虐让机器替人、自动化及智能化提高生产效率保证产品质量的重要性提到更高的位置，深度视觉的自研相机、自研算法及整体解决方案，在轴承及其他金属制品行业得到客户认可，我们也相信团队的能力会打开更大的市场空间。”——老股东祥峰投资执行合伙人夏志进

11月1日，安徽皖仪科技股份有限公司新VIS(企业视觉形象识别系统)正式对外发布： 　 旧logo（已停用） 　　正式更改为　　 　　新logo以皖仪英文WAYEE为主要设计元素。是WAY(英文原意为道路，这里特指皖仪的科技之路)、Electron(电子)和 Ecology(生态环保)的综合体，后两个”E”代表了皖仪的主营发展方向。另,”EE”更是Excellent(卓越优秀)和Eqilibriun(平衡和谐)的综合体，寓意公司有优秀的人才，卓越的产品性能以及和谐的发展理念。 　　新VI的启用，有利于精细与延升皖仪形象，提升品牌竞争力 有利于规范形象使用，构建皖仪的品牌模式：有利于重新树立企业文化，凝聚团队向心力；有利于促进社会公众认同，统一公众形象 有利于突出差别性和识别性，提高竞争力。　　 　　 　　 　　 　　VIS(Visual Identity)通译为视觉形象识别系统，是CIS系统中最具传播力和感染力的层面。 它是指在企业经营理念的指导下，利用平面设计等手法将企业的内在气质和市场定位视觉化、形象化，是企业作为独立法人的社会存在与其周围的经营及生存的经济环境和社会环境相互区别、联系和沟通的最直接和常用的信息平台。公司从2010年4月开始着手企业VIS的规范与新形象的设计，公司新logo于今年8月定稿，全套VIS设计规范于今年10月底全部完成并在全公司内投入使用。公司VIS系统详细规范了企业标志制作与运用规范、企业专用字体制作与运用规范、企业标准色与辅助图形制作与运用规范，各种组合制作与运用规范，以及在企业办公用品、公共关系赠品、员工服饰、标识符号指示、商品包装、广告宣传等方面的运用规范与示例。自本月起，公司将根据VIS标准逐步规范所有视觉载体的运用，VIS系统的规范运用将更有利于公司企业文化的建设与推广，打造优秀品牌形象。

齿轮视觉检测仪器与技术研究进展石照耀 1*，方一鸣 1，王笑一 2 1 北京工业大学北京市精密测控技术与仪器工程技术研究中心，北京 100124； 2 河南科技大学河南省机械设计及传动系统重点实验室，河南 洛阳 471003摘要：相对于接触式测量，机器视觉检测这种非接触式测量具有效率高、信息全、稳定性好、可识别缺陷等优点，在齿轮检测领域得到越来越广泛的应用。近十年来出现了影像仪、闪测仪、CVGM仪器、在线检测设备等多种基于机器视觉技术的齿轮检测仪器，它们既可以实现齿轮综合式测量，又可以实现齿轮分析式测量。回顾了齿轮视觉检测仪器的发展历程和特点，分析了齿轮视觉检测中边缘检测、亚像素定位、特征提取和模式识别等算法的研究和应用进展，总结了机器视觉在齿轮精度测量和齿轮缺陷检测两个方面的技术发展，并指明了齿轮视觉检测仪器与技术的发展前景。关键词：机器视觉；齿轮测量；齿轮视觉检测仪器；齿轮精度测量；齿轮缺陷检测1 引言齿轮是应用广泛的基础件，其质量直接影响齿轮传动系统的承载能力和寿命等。齿轮检测是分析齿轮加工误差来源、提高齿轮加工精度、保证齿轮产品质量的必备手段。齿轮测量可分为接触式测量和非接触式测量。由于齿轮形状复杂，精度要求高，传统的非接触式测量方法难以满足齿轮测量精度要求，因此传统的齿轮检测设备通常采用接触式测量方式。应用广泛的齿轮测量中心和齿轮双啮检查仪分别是齿轮分析式测量设备和综合式测量设备，均为接触式测量方式。随着计算机技术和视觉测量技术的进步，机器视觉测量精度逐渐提高，在一些场合已经可以满足齿轮检测的需求。相对于接触式测量，机器视觉测量具有效率高、信息全、稳定性好、可识别缺陷等优点，在齿轮测量领域应用越来越广泛。近年来出现了影像仪、闪测仪、computer vision gear measurement（CVGM）仪器、在线检测设备等多种基于机器视觉技术的齿轮检测仪器，它们既可以实现齿轮综合式检测，又可以实现齿轮分析式测量，更能进行齿轮缺陷检测。接触式测量属于串联测量模式，通过测量齿面上一系列点来完成某种测量目标，测量效率较低，大批量齿轮的在线全检是个挑战。此外，接触式测量方法只能测量齿轮的尺寸和精度，难以进行齿轮缺陷检测。目前齿轮产品的外观缺陷主要依靠肉眼筛查，一些细微缺陷还要借助放大镜、工具显微镜等辅助设备进行识别，这些设备检测效率低、误检率高，且无法对缺陷进行准确分类和溯源。齿轮视觉检测属于并联测量模式，一次测量可获取整个区域内的几何要素和外观缺陷数据，检测速度得到极大提升，可以用于大批量齿轮的全检；更重要的是能同时进行齿轮精度测量和齿轮缺陷在线检测。基于视觉的齿轮精度测量是齿轮精度理论与机器视觉技术的有机结合，作者将我国首创的齿轮整体误差理论融入齿轮视觉检测技术中，大大拓展了对齿轮误差的分析能力。齿轮缺陷在线视觉检测技术可实现对大批量齿轮的100% 全检，柔性和自动化程度高，既能实时反映生产状态，及时预警，也方便管理者掌控一定周期内产品质量变化，还可以根据大数据做进一步的质量评估、产能分析和工艺优化。2 齿轮视觉检测仪器如图1 所示，齿轮视觉检测仪器由工业相机、镜头、光源、计算机等几个主要部分组成。常用两种照明方式：图1（a）采用背光光源从待测齿轮下方照明，采集到的是齿轮投影图像，齿轮边缘锐度高、噪声小，此方式适用于齿轮精度测量；图1（b）采用正光光源从待测齿轮上方照明，采集到的是齿轮端面图像，能够凸显齿轮表面缺陷特征，此方式适用于齿轮表面缺陷检测。图1 齿轮视觉检测仪器构成（a）齿轮精度测量系统；（b）齿轮缺陷检测系统几十年来，齿轮视觉检测仪器经历了从只能“离线抽检”齿轮的“个别尺寸”，到结合齿轮精度理论做出齿轮“精度评定”，再到可以在生产现场“在线检测”的越，从通用仪器演变为专用仪器。常见的通用仪器有影像仪、闪测仪等，专用仪器有CVGM 仪器、齿轮在线检测设备等。2.1 影像仪影像仪（VMM）是小零件行业应用广泛的通用视觉检测仪器，可用于测量齿轮外径、孔径等几何尺寸。影像仪有手动式和自动式之分。手动式影像仪的成本较低，但调光、对焦、选点、修正等都依赖人工操作；测量齿轮时，需要人工取点来拟合齿顶圆、齿根圆等几何要素。世界上第一台由电机驱动的自动影像测量系统是1977 年由美国View Engineering 公司研发的“RB-1”系统。目前，国内外有众多企业生产自动式影像仪，典型有瑞典海克斯康、德国蔡司、日本三丰、深圳中图仪器、贵阳新天光电、苏州天准科技等。自动式影像仪在工作台的X、Y 和Z 轴方向可以精确移动，能够实现自动对焦，测量精度更高。通过示教或编程可以实现齿轮测量中的自动取点，但操作过程较为复杂，对操作人员要求高。自动式影像仪一般没有齿轮测量专用软件，能够测量的齿轮指标不全，不能进行精度评价和分析。传统影像仪视场一般较小，为了获取整个齿轮端面轮廓，需要进行图像拼接。手动式影像仪进行图像拼接时效率低、难度大，精度也较差。自动式影像仪可以实现图像的自动拼接，效率较高，但拼接成的图像存在亮度、对比度不均匀的现象，尺寸测量精度同样受到影响。2.2 闪测仪近年来，市面上出现一种新型的一键式影像测量仪（闪测仪），视场范围大，可以一次测量多个零件。日本基恩士的IM-8000 闪测仪可在数秒内同时完成最多100 个目标物、300 个部位的测量，可以任意摆放工件，一键自动识别，自动匹配测量。独特的亚像素处理技术可使图像分辨率达0. 01 pixel，测量精度达±2 μm。深圳中图仪器的VX8000 系列闪测仪也可实现同等级的测量精度。此外，闪测仪还可导入CAD 图，通过“比较测量”识别缺陷，如将实际齿廓图像与标准CAD 图的齿廓对比，可以得到缺齿、断齿等缺陷信息。闪测仪的测量效率相比传统影像仪显著提升，但价格昂贵，同样缺少齿轮精度评价专门功能。2.3 CVGM 仪器1980年代，日本和我国开始了齿轮激光全息测量技术研究。基本原理如图9所示，以单频的氦氖激光器为光源，首先在干涉测量系统获得参考标准齿面的全息图像，然后将标准齿面替换为被测齿面放置于干涉测量系统中，同时将已经拍摄到的全息图像置于系统中。测量时，激光经分光棱镜分光扩束后分为了测量光路和参考光路，其中测量光照射到被测齿面上。两束光线同时照射在全息图上，形成了被测齿面和参考齿面间的干涉条纹，并投影在接收屏幕上。在对条纹图像进行数据处理后，可以得到被测齿面相对于标准齿面的形状误差。在测量光与全息图像之间放入平行平晶，用来调整测量光的相位。对于模数0. 2 mm 以下的小模数齿轮，难以使用接触式方法测量齿廓、齿距、公法线长度等关键参数；现有影像式测量设备不能给出齿轮精度评价报告。如图2所示，CVGM 仪器专用于解决小模数齿轮测量难题，可在1 s内自动计算出齿廓、齿距、径向跳动、公法线长度、齿厚变动量、内孔尺寸、实际压力角等关键精度信息，自动根据齿轮精度标准ISO-1328对齿轮误差进行评级，输出完整的齿轮精度检测报告，并做出OK/NG 判断。CVGM 仪器的齿廓偏差测量精度为±3 μm，齿距偏差测量精度为±2 μm，具有强大的分析功能，可测量双向截面整体误差曲线（SJZ 曲线）。图2 CVGM 小模数齿轮测量系统（a）CVGM 软件；（b）CVGM 系统如图3 所示，CVGM 仪器使用齿轮整体误差曲线作为齿轮单项误差计算的中间体，即先由齿轮轮廓生成齿轮整体误差曲线，再由齿轮整体误差曲线计算出各单项误差；并以SJZ 曲线方式表达测量结果，大大提升了齿轮误差分析能力。图3 基于视觉的齿轮整体误差分析2.4 齿轮在线检测设备齿轮视觉在线检测设备一般都具有分选功能，根据检测结果把被测产品分成合格品、不合格品，或按齿轮精度等级分类，或按缺陷类型分类。该类设备结构形式有三种：直接集成在齿轮产品传送带上方，结构较简单；使用专用上下料机械手和其他辅助机构，结构最复杂；采用玻璃转盘式结构，应用最广泛。图4位于传送带上方的齿轮视觉在线检测设备，优点是占用空间小，但传送带运动不平稳和易磨损，产品摆放角度不固定，导致检测精度难以提高。由于传送带不透光，该设备无法获取齿轮与传送带接触面的图像，不能实现双面测量。图4 传送带式齿轮视觉检测系统图5 所示设备采用了机械手、导轨、转盘等部件，结合专门设计的自动检测装置完成齿轮上下料、检测、分选和摆盘等一系列操作。这类检测设备功能较强，但结构复杂，成本较高。图5 使用机械手和自动装置的齿轮视觉检测设备本团队研制了玻璃转盘式的注塑齿轮在线检测分选系统，如图6 所示，该系统已应用于注塑齿轮生产线，工作稳定，取得了突出的使用效果。玻璃转盘由伺服电机和精密减速器驱动，带动待检齿轮通过视觉检测工位，可保证图像采集过程中齿轮匀速平稳运动。转盘采用高透明玻璃材质，不需翻转就可得到产品底部的检测图像。由光电传感器定位齿轮在转盘上的位置，使用气动执行器将OK/NG 的齿轮吹入相应的存储盒实现自动分拣。该系统能够实现注塑齿轮黑点、毛刺、缺齿、断齿、翘曲变形等外观缺陷检测，也能完成常规几何尺寸和形位误差的测量，并能根据缺陷阈值、尺寸公差实时分选出合格品和不合格品，且具备报警功能。该系统对齿轮端面的检测时间小于0. 3 s，满足生产节拍的需求，特别是具有齿轮轴向测量功能。图6 玻璃转盘式齿轮视觉检测分选系统图7 为注塑齿轮在线检测分选系统软件界面。该软件具有自主知识产权，在软件数据库中贮存了常见齿轮型号及对应的尺寸公差和配置参数，包括CPK 分析和XR图分析，提高了参数输入效率。注塑齿轮在线检测分选系统兼具精密测量与缺陷检测功能，包括齿轮轴向高度、齿距、公法线、同心度等与齿轮精度相关的检测，齿轮外观缺陷识别准确率能满足注塑齿轮大批量在机检测需求。图7 注塑齿轮在线检测分选系统软件界面3 齿轮视觉检测技术齿轮视觉检测技术是齿轮视觉检测仪器的核心，涉及光学、电子学、计算机图形学、齿轮几何学等多个学科，内容覆盖光学成像、图像处理、软件工程、工业控制、传感器、齿轮精度理论等。近几年，与齿轮视觉检测技术相关的新技术、新理论、新方法大量出现，在多个核心问题上取得了重要的研究进展。齿轮视觉检测技术既有一般视觉检测的共性问题，又有齿轮视觉检测中的特殊问题。齿轮视觉检测的工作流程包括图像采集、图像预处理、边缘检测、齿轮精度评定或齿轮缺陷分析等，其中图像采集、图像预处理、特征提取、图像分割、边缘检测、亚像素算法等属于通用的视觉检测技术，而齿轮精度评定和齿轮缺陷识别属于齿轮视觉检测技术的个性问题。这里先从图像采集系统（硬件）和图像处理算法（软件）两个方面综述与齿轮视觉检测技术相关的共性问题的研究进展，然后从齿轮精度测量和齿轮缺陷检测两个方面介绍齿轮视觉检测技术中个性问题的研究进展。3.1 图像采集系统图像采集系统一般由计算机（主机）、图像采集卡、工业相机、镜头、光源等组成。工业相机按照传感器芯片种类可分为CCD 相机和CMOS 相机两种，传统上CCD 相机效果更好，但随着技术的发展，目前在一般应用场合CMOS 相机基本已经取代了CCD 相机。相机数据接口常见的有GigE 接口、USB 接口（USB2. 0和USB3. 0）、Cameralink 接口等。其中采用GigE 或USB 接口的工业相机可以直接通过线缆与主机通讯，不需要数据采集卡；而其他接口如Camerlink 接口的相机则需要配备图像采集卡才能与主机通讯。常用的工业镜头按等效焦距分类主要有广角、长焦、中焦、远心、微距镜头等。一般远心镜头的畸变更小，景深更大，可以消除“近大远小”的测量误差，更适合进行高精度的尺寸测量，因此在齿轮视觉检测领域使用最多的镜头为远心镜头。但远心镜头通常价格较高，对精度测量要求不高时，可用普通镜头替代。视觉检测领域常用的光源有点光源、面光源、条形光源、环形光源、穹顶光源、同轴光源等类型，其作用主要有强化特征和弱化背景、突出测量特征、提高图像信息、简化算法、降低系统设计的复杂度、提高系统的检查精度和效率。在齿轮精度测量领域常用的光源主要是面光源，面光源的光线具有更好的方向性，均匀性更好，齿廓更清晰；在齿轮缺陷检测领域主要使用穹顶光源、环形光源和同轴光源等，这些光源可使整个齿轮端面图像的照度十分均匀，突出缺陷特征。齿轮视觉检测的核心问题是测量精度和检测效率，这两个问题都与图像采集系统密切相关。为了提高测量精度，应当选用分辨率更高的相机；为了提高检测效率，需要选择分辨率低的相机，以减少需要处理的数据量，提高软件计算速度。精度和效率是一对矛盾，通过选用运算能力更强的计算机和改进图像处理算法的效率，可以部分地解决精度和效率的矛盾问题。无论是为了提高检测精度还是为了提高检测效率，选用精度更好的镜头和更加稳定的光源都可以改善整体的性能指标。3.2 图像处理算法齿轮视觉检测技术中用到的图像处理算法有图像预处理、边缘检测、亚像素定位、特征提取和模式识别等。其中图像预处理方法与机器视觉其他应用场合的预处理方法基本相同。3.2.1 边缘检测算法齿轮视觉检测中常采用的边缘检测方法有经典微分算子、小波变换和数学形态学。边缘检测算法能够把齿轮二维端面图像中的关键轮廓提取出来，得到轮廓像素点的坐标集合。根据轮廓点的坐标信息和相机标定参数就可以精确计算出齿轮的特征尺寸，包括齿顶圆直径、齿根圆直径、内孔直径、齿高、齿厚和齿距等。1）经典微分算子图像边缘一般是图像灰度变化率最大的位置，因此可用一阶/二阶导数来检测边缘，由此诞生了一系列经典微分算子。根据微分的阶数可以将经典微分算子分为两类：一类是通过寻找图像灰度值的一阶导数极值点来确定边界的一阶微分算子，有Roberts 算子、Prewitt 算子、Sobel 算子、Canny 算子；另一类是根据图像二阶导数的零点来寻找边界的二阶微分算子，有Laplacian 算子、LoG（Laplacian-of-Gaussian）算子、DoG（Difference-of-Gaussian）算子。对这些经典微分算子在齿轮边缘检测中的性能进行了比较，如表1 所示。表1 经典微分算子在齿轮边缘检测中的性能比较Canny 算子采用双阈值和非极大值抑制策略提升对噪声的抗干扰性，具有滤波、增强、检测多个阶段的优化，是性能最优良的微分算子。对于齿轮图像，采用Canny 算子提取的齿廓信息最完整，最接近实际齿廓，如图8 所示。图8 基于Canny 算子的齿廓提取2）小波变换小波变换具有良好的时频局部化特性和多尺度特性。良好的时频局部化特性使其特别适用于检测突变信号，而图像中的突变信号对应边缘，因此小波变换也适用于图像边缘检测。利用Harr 小波函数对齿轮图像进行重构，再结合Canny 算子提取重构图像的齿廓，比单独采用Canny 算子有更优的效果。多尺度特性使其能很好地抑制噪声。图像中的噪声和边缘都属于高频分量，经典微分算子引入各种形式的微分运算后必然对噪声较为敏感，而随着尺度的增加，噪声引起的小波变换的模的极大值迅速减小，而边缘的模值不变，这一特性可以很好地抑制图像噪声。提出一种基于Curvelet 变换的尺度与方向相关性联合降噪方法，该方法对齿轮图像进行降噪处理，在继承小波变换多尺度降噪的基础上，同时进行尺度内方向相关性降噪，可以为齿轮边缘检测提供高质量的输入图像。因此，小波变换是一种齿轮图像边缘提取的有效方法。3）数学形态学数学形态学是基于积分几何和几何概率理论建立的关于图像形状和尺寸的研究方法，其实质是一种非线性滤波方法，通过物体形状集合与结构元素之间的相互作用对图像进行非线性滤波。由于数学形态学提取边缘时容易造成间距小的低灰度轮廓的错位和合并，因此常将其与微分算子提取出的轮廓加权融合。相关文献就提出了一种融合Canny 算子和数学形态学的含噪声齿轮图像边缘检测算法，分别采用改进的Canny 算子和多尺度多结构元素灰度形态学边缘检测算子提取边缘；然后对两幅边缘图像进行了小波分解，得到各层子图像；最后对子图像进行自适应加权融合，并使用小波逆变换重构图像得到最终的边缘检测图像。相关文献采用数学形态学中的四邻域腐蚀法提取出边缘宽度，并将其作为单个像素的轮廓，测量分度圆直径为5 mm 以下的齿轮的齿顶圆直径和齿根圆直径，与千分尺测量结果差值的绝对值在2 μm 以内。3.2.2 亚像素定位算法数字图像是以离散化的像素形式存在的，传统边缘检测算法的测量分辨率只能达到一个像素级，提取出的边缘由像素块构成，边缘定位精度不高，如图9（c）所示。亚像素定位算法是在像素级边缘检测的基础上逐渐发展而来的，首先需要经过像素级边缘检测粗定位，然后利用粗定位边缘点周围邻域内的像素数据进行边缘点的亚像素级精确定位，如图9（d）所示。图9 亚像素边缘处理亚像素定位算法主要有三类：矩方法、插值法和拟合法。1）矩方法矩方法计算简便，应用于齿轮边缘检测可以减小测量误差。相关文献提出一种利用前三阶灰度矩进行亚像素边缘定位的算法，这是文献中最早提出的矩方法。随后基于空间矩、Zernike 正交矩的方法也相继被提出。相关文献利用基于Zernike 矩的齿廓边缘检测算法，对齿顶圆直径为49. 751 mm、齿数为23 的齿轮测得的齿顶圆直径、齿根圆直径的相对误差在0. 02% 以内，齿距累积总偏差的相对误差约5. 15%。相关文献提出一种基于灰度矩的亚像素边缘检测算法，该算法以邻域窗口的灰度均方差积表示边缘强度，灰度重心所在的方向表示灰度变化的方向，在初始边缘的基础上按求取的灰度变化方向划分为八个区域，构建一维灰度矩模型解算亚像素边缘位置，对于噪声系数为0. 005 的模拟图像，该算法的绝对定位误差为0. 013 pixel。相关文献提出了一种复合亚像素边缘检测方法，该方法基于orthogonal Fourier-Mellin moment（OFMM），可为后续齿廓缺陷检测提供精确的齿廓形状。2）插值法插值法运算速度快，应用于齿轮在线检测设备能够满足生产节拍的要求。插值法的核心是对像素点的灰度值或灰度值的导数进行插值，以增加信息。德国MVtec 公司开发的著名机器视觉算法包Halcon 在工业领域应用广泛，其中的亚像素边缘检测算子采用的就是插值法。相关文献基于Halcon 算法包中的亚像素边缘检测算子，开发了一套齿轮测量应用程序，可以得到齿廓亚像素点集合，并设定条件剔除假边缘，最终得到齿顶圆直径等参数。3）拟合法拟合法对噪声不敏感，适用于噪声较多的齿轮图像，但求解速度较慢。拟合法是通过对像素坐标和灰度值进行理想边缘模型拟合来获得亚像素边缘的。相关文献提出一种基于高斯积分曲面拟合的亚像素边缘定位算法，可最大限度地消除噪声的影响，与原有高斯拟合算法相比，该算法通过坐标变换简化了曲面拟合问题，计算速度提高1 倍，可以满足五级精度的渐开线直齿圆柱齿轮的齿廓偏差测量要求。3.2.3 特征提取和模式识别算法缺陷检测算法一般由图像预处理、图像分割、特征提取和模式识别等步骤组成，其中特征提取和模式识别是缺陷检测的关键环节。特征提取的有效性对后续目标缺陷识别精度、计算复杂度、检测鲁棒性等均有重大影响。常用的特征提取算法可以分为三种，分别是基于纹理、颜色和形状的特征提取算法。提取完特征后，还需采用模式识别算法对缺陷进行区分。模式识别算法主要有匹配识别和分类识别两类。齿轮缺陷检测常用的匹配识别算法有FAST 和SIFT 算法等，常用的分类识别算法有基于人工神经网络或支持向量机的算法。相关文献提出了一种基于FAST-Unoriented-SIFT 提取算法和BoW（Bag-of-Words）模型的行星齿轮故障识别方法，该方法将原始振动信号转换为灰度图像后，通过FAST-Unoriented-SIFT 算法直接提取灰度图像中的特征。FAST-Unoriented-SIFT 算法结合了FAST 和SIFT 算法的优点，忽略了特征的方向。最后在提取的特征的基础上建立BoW 模型，该方法对齿轮故障的整体识别率达98. 67%。相关文献提出了一种改进的GA-PSO 算法，称为SHGAPSO算法，先经过图像分割算法提取齿轮的几何形状、纹理和颜色特征，再重建BP 神经网络，并使用SHGA-PSO 算法优化结构和权重。SHGA-PSO 算法对坏齿、划痕、磨损和裂纹4 种不同的齿轮缺陷样本的识别正确率在94% 以上。相关文献基于YOLO-v3 网络实现了对金属齿轮端面凸起、凹陷和划痕三种缺陷的快速检测和定位，对每幅图像的平均检测时间为77 ms，对三种缺陷的平均精确度（AP）和平均召回率（mean recall）分别为93% 和91%，检测效果如图10 所示。图10 齿轮缺陷特征提取与模式识别3.3 齿轮精度测量齿轮形状复杂，精度要求高。为保证齿轮产品质量，需要控制的齿轮精度指标有齿距偏差、齿廓偏差、螺旋线偏差、齿厚、齿圈跳动等，其中除螺旋线偏差外，其他精度指标都可以用齿轮端截面轮廓数据进行计算。齿轮精度测量主要有两个问题需要解决，一是通过图像处理获得被测齿轮的精确的端面轮廓信息，二是根据齿轮精度理论和相关齿轮精度标准计算齿轮各项偏差值并给出齿轮精度评定结果。通过齿轮精度等级，可以确定对视觉检测系统的测量精度要求。以齿数20、模数1 mm、5 级精度的直齿圆柱齿轮为例，其齿距累积总偏差为11 μm，齿廓总偏差为4. 6 μm。按测量仪器精度为被测指标允差的1/3~1/5 估算，测量5 级精度齿轮的测量仪的精度应优于1. 6 μm。这对视觉测量而言，是非常困难的。齿轮视觉测量精度依赖于测量系统的硬件和数据处理算法。由于所用相机、镜头等图像采集系统硬件和图像处理算法等软件的不同，以及被测对象齿轮的尺寸参数和精度要求不同，齿轮视觉检测系统的测量精度的差异很大，但在齿轮被测项目评定方面，都是根据齿轮精度相关标准进行的。相关文献依据齿轮精度标准ISO1328-1，给出了视觉测量齿距偏差和齿廓偏差的评定方法，对模数为0. 5 mm 的8 级精度直齿轮测得的齿距偏差、齿廓偏差与齿轮测量中心的测量结果差值最大为4 μm。相关文献采用视觉测量方法测量模数为2 mm、齿数为90的齿轮，齿廓总偏差5 次测量的标准差为0. 028 μm，取得了很好的测量重复性。相关文献提出了视觉测量齿轮的公法线长度的方法，其测量精度能够满足工程应用要种类不全，提高缺陷识别准确率和效率是着力重点。随着人工成本的增加和产业升级需求的提升，在大规模齿轮生产过程中齿轮视觉在线检测设备的应用越来越多。齿轮视觉在线检测设备的特点有：耦合于生产线上，可高效测量批量齿轮的尺寸精度，实时监测齿轮质量，自动剔除不合格品，形成“生产-检测-分选”自动化流水线；对齿轮外观缺陷进行识别和分类，实现大批量齿轮的“应检尽检”，用“大数据”手段分析齿轮工艺问题，与生产管控系统互联，及时调整工艺参数，减少损失；实现齿轮质量长期监测，及时发现齿轮质量的异常变化；可实现网络化监管和远程监控，即使在千里之外也可以监控整个生产过程，把握生产动态。在未来，齿轮视觉检测技术必将纳入更多先进的科学技术，齿轮视觉检测仪器也将集成更多新技术，并充分发挥各项技术的优点，提升检测效率和精度。三维视觉检测技术、视觉检测设备的复合化、微型化和智能化将是齿轮视觉检测技术的发展趋势。未来每条齿轮产线的生产动态都可以集成到一个软件中进行分析，检测数据实时存储到云端，长期积累的庞大数据将为齿轮生产工艺带来巨大的变革。毫不夸张地说，视觉检测技术将会带来齿轮检测领域的革命，现在还仅仅处于入门口。（省略参考文献51篇）

机器视觉的概念内涵与系统特性机器视觉的本质是为机器植入“眼睛”和“大脑”。为机器植入眼睛，代表着机器视觉利用环境和物体对光的反射来获取及感知信息；为机器植入大脑，意味着机器视觉需要对信息进行智能处理与分析，并应用分析得到的结果来执行相应的活动。机器视觉行业的上游包括相机、镜头、光源等硬件及算法软件。相机是包含完整的机器视觉组成功能模块（光源可自带或借用外部光源），能独立完成机器视觉信息处理的全流程，为系统输出有效信息；镜头是机器视觉图像采集部分重要的成像部件，其作用是把被摄物体成像于摄像机内的感光元件上；光源对于机器视觉中的图像采集部分具有重要影响，为场景提供合适的照明，突出目标的图像特征并与背景图像分离；机器视觉算法与软件紧密结合，软件平台是实现机器视觉算法的载体，使机器视觉在处理数据量和实时检测效率性能上不断地突破，匹配工业智能发展的需求。机器视觉行业的算法库由OpenCV等开源视觉算法库，和Vision Pro（美国康耐视公司）、Halcon（德国MVTec公司）、VisionWare（凌云光）等第三方商业付费算法库组成。因算法库开发周期长、投入大，业内公司通常基于开源算法库开发自身应用算法，或自主开发与第三方集成并举，较少公司完全自主开发底层算法。为提高效率与降低成本，集成第三方成熟工具包作为辅助开发手段是比较常见的方式。机器视觉行业的中游为视觉系统与智能装备。视觉系统包含独立完整的成像单元（光源、镜头、相机）和相应的算法软件，集图像采集、处理与通信功能于一身，可以灵活的进行配置和控制，适应各种复杂的应用，具有多功能、模块化、高可靠性等特点。智能装备以机器视觉的感知能力和分析决策能力为核心，在视觉系统的基础上加入了自动化和智能化的功能，将设计、生产、检测过程集成闭环，可实现多种功能。机器视觉行业的下游为各行业集成应用和服务。下游应用行业的发展决定了机器视觉装备及服务的市场需求量，目前下游应用领域以电子制造为主，其次为汽车、医药、印刷包装等领域。下游产业丰富多样，集成服务更加有的放矢，面向应用市场才 能更加蓬勃。全球机器视觉市场情况机器视觉市场包括视觉器件、可配置视觉系统和智能视觉装备三个细分市场。根据某调研机构统计，2015年至2020年，全球机器视觉器件市场以13.83%的复合增长率增长，市场规模至2020年达到107亿美元；2021年至2025年，全球机器视觉器件市场规模将以6.56%的复合增长率增长，至2025年市场规模将达147亿美元。可配置视觉系统与智能视觉装备具备较强的行业属性，归属于各下游应用行业的装备市场，以机器视觉技术赋能于制造装备的智能化，因此暂时没有单独的市场规模数据。资料来源：某调研机构机器视觉以视觉器件、可配置视觉系统和智能视觉装备等形态服务各产业应用，已经被广泛应用于新型显示、消费电子、印刷包装、新能源等众多行业，成为这些行业必不可少的数字化和智能化变革的支撑。中国机器视觉市场情况中国市场已成为全球机器视觉市场规模增长最快的市场之一。根据中国机器视觉产业联盟的统计，中国机器视觉行业的销售额从2018年的101.80亿元增长至2020年的144.20亿元，复合增长率达19.02%。得益于宏观经济回暖、新基建投资增加、数据中心建设加速、制造业自动化推进等因素，预计2020年至2023年，中国机器视觉行业的销售额将以27.15%的复合增长率增长，至2023年销售额将达296.00亿元。资料来源：中国机器视觉产业联盟，依据2020年中国机器视觉产业联盟企业调查，包括133家受访企业。从下游应用行业角度考虑，根据中国机器视觉产业联盟统计，机器视觉已经在电子/电气、半导体、汽车、印刷包装、食品加工等领域得到广泛应用。其中，电子/电气行业是目前中国机器视觉行业最大的下游应用领域，2020年其销售额占比为52.90%。资料来源：中国机器视觉产业联盟机器视觉行业发展趋势（1）应用领域持续拓宽过去十年是中国机器视觉行业快速发展的十年，经过一段时间的普及与推广，机器视觉应用范围逐渐扩大。目前，机器视觉的应用范围已从最初的消费电子等领域，逐步拓展至印刷包装、汽车、运输、医疗等领域。预计未来，除了传统的应用领域外，在AI、自动驾驶、人脸识别等新兴技术兴起的带动下，机器视觉将进一步拓宽应用领域。（2）嵌入式视觉应用持续增长嵌入式视觉系统是指在嵌入式系统中使用机器视觉技术，是嵌入式系统和机器视觉两种技术的整合，可独立完成从接收光信号到系统输出的整个信号处理过程。处理能力、存储器密度和系统集成度的提升，促进了嵌入式视觉在传统和新兴应用领域的渗透。未来，得益于越来越多的行业应用程序的支持，嵌入式视觉将被更广泛地应用在自动驾驶等领域新兴领域。（3）2D机器视觉向3D机器视觉升级相比2D机器视觉，3D机器视觉具有显著优势，例如测量速度快、精度高、抗干扰能力强、操作简便等，能有效解决2D机器视觉对于高度、厚度、体积、平面度等测量因素缺失的问题。3D视觉技术的突破，将进一步推动视觉技术在高端场景的应用，传统的2D机器视觉将快速向3D机器视觉升级，推动机器视觉市场持续增长。机器视觉技术面临的机遇与挑战（1）下游应用的发展给机器视觉带来的机遇与挑战随着生产工艺的精进及产品质量要求的提高，消费电子等行业对检测精度的要求越发严苛。例如，半导体生产制造已使用5nm工艺，对芯片的检测精度要求也已提升至纳米量级。受限于衍射极限，单纯采用显微放大的方式已经难以满足检测精度需求，导致加工良率难以提高，影响产品质量。因此，急需高精度的机器视觉技术解决更精 准的测量问题，保证加工工艺符合要求，降低封装成本，确保出厂产品质量。上述下游应用的发展推动了对机器视觉产品和服务需求的提升，但也对机器视觉厂商提出了更高标准的要求。随着下游应用的生产、加工、检测等环节的效率和品质要求不断提升，机器视觉厂商需要加大技术投入，以提高机器视觉系统的精度、检测效率等参数。（2）业内新技术发展给机器视觉带来的机遇与挑战行业内的新技术的发展为机器视觉厂商推出高品质的产品和服务提供了有力的支持，这也对业内厂商的技术研发能力提出了更高的要求。首先，光谱技术推动机器视觉实现目标的多种特征分析。随着机器视觉的快速发展和普及，机器视觉产品已经广泛应用于智慧农业、矿石分选、食品安全等众多产业中。各行业样本的复杂性要求机器视觉不仅需要实现目标的外观检测，也需要实现目标的材料成分、颜色、温度等特征的分析。光谱技术利用光的衍射和折射特性，通过光栅、棱镜等分光元件，在谱域获取有效信号，实现目标高维信息参量获取，并通过相关分析算法将谱域信号与测量需求建立联系，如物质成分、温度、三维面型等，通过对光谱的测量解决复杂多样化的测量需求。其次，计算成像技术的提升增强了机器视觉的图像信息获取能力。计算成像技术通过多样化数据采集，并通过特定算法解析，获取到传统成像中难以获取的图像信息，深度挖掘图像中隐含的内部信息，满足更高分辨率、更多维度、更大空间带宽积的光电成像需求。随着新型光电器件的发展和硬件计算能力的提升, 计算成像技术在光电成像领域呈现出蓬勃发展的趋势。此外，新型光学元器件的发展驱动了机器视觉性能的提升。机器视觉成像系统由照明光源、成像器件、图像采集器件组成，各类器件的性能升级都会推动机器视觉系统的性能和稳定性提升，从而实现高像质的图像采集。另外，丰富的元器件为提供个性化的图像采集和智能方案奠定了基础。（3）上下游技术的发展给机器视觉带来的机遇与挑战机器视觉系统不仅包括光学成像系统，还包括决策系统和执行系统。算力、算法、 传输技术的快速发展也为机器视觉带来了机遇与挑战。算力的提升使机器视觉的决策变得更为迅速，基于云平台的信息处理可以提供几乎无限的算力，解决各种复杂运算问题，提升了机器视觉系统的决策速度；分析算法的优化升级也使机器视觉的识别和分类变得更加准确；5G通信技术增加了信号数据通量、降低了信号时延、缓解了信号干扰等问题，使机器视觉在自动驾驶、精密自动控制、智慧工厂等领域中发挥重要作用。该等相关技术的发展提升了机器视觉系统的性能和使用效率，但也对相关硬件厂商的技术研发能力提出了更高的要求。机器视觉行业竞争格局中国机器视觉行业起步较晚。国外厂商具有较强的设计、研发和制造能力，视觉系统领域长期由基恩士、康耐视等厂商主导，最早国内厂商主要代理国外厂商的机器视觉产品。随着技术与经验的积累，部分国产厂商开始推出自主品牌的产品，且国内厂商能够提供本地化的定制化服务，供货周期较为灵活，市场份额逐年增长。根据中国机器视觉产业联盟统计，中国机器视觉市场的集中度有所下降，销售额排名前五的企业销售额合计占整体销售额的比例从2019年的33.0%下降至2020年的30.1%；销售额排名前十的企业销售额合计占整体销售额的比例从2019年的44.6%下降至2020年的40.3%。在成员企业中，2020年销售额排名前十的企业中，有8家公司的总部位于中国。 中国机器视觉市场部分主流企业介绍：凌云光成立于2002年，聚焦机器视觉业务，已开发出一系列可配置视觉系统和智能视觉设备产品，并自主研发了工业相机、光源等核心器件，在多行业得到广泛应用，服务于苹果、富士康、京东方等多家知名企业。2021年实现营业收入24.36亿元，归母净利润为1.72亿元。2022年7月6日，凌云光（股票代码：688400）在上交所A股科创板正式上市。天准科技成立于2005年，总部位于中国苏州，致力于以领先技术推动工业数字化智能化发展，主要产品包括视觉测量装备、视觉检测装备、视觉制程装备和智能网联方案等。2019年7月22日，天准科技在科创板正式挂牌上市（股票代码：688003）。2021年实现营业收入12.65亿元，归属于上市公司股东的净利润为1.34亿元。大恒图像成立于1991年，专注于机器视觉部件及视觉系统研发、生产和营销，是A股上市公司大恒科技（股票代码：600288）旗下核心资产。大恒科技产业之一的机器视觉组团（包括中国大恒图像分公司，大恒图像、深圳恒志、 上海昊邦、苏州图锐智能科技、苏州恒视智能科技等子公司，大恒图像子公司下属青岛恒纺、河北天昱恒等子公司及合资公司潍坊天恒）2021年度实现营业收入10.80亿元。奥普特（OPT）成立于2006年，定位于自动化核心零部件供应商，现已成为国内机器视觉应用技术领先者，产品包括视觉系统、光源、工业相机、镜头、3D激光传感器、工业读码器等。2020年在上交所科创板上市（股票代码：688686）。2021年实现营业收入8.75亿元，归属于上市公司股东的净利润为3.03亿元。宝视纳视觉技术（北京）有限公司成立于2018年，是 Basler集团旗下子公司。Basler创始于德国，是一家跨国的高品质工业相机和计算机视觉解决方案提供商，在欧洲、亚太、中国和北美均设有分支机构，包括生产制造工厂（位于德国和新加坡）、销售公司及联络处。

2月16日，KPM 分析集团(KPM Analytics)在美国波士顿米尔福德宣布，完成收购意大利 EyePro公司 (EyePro System S.r.l.)。该公司位于意大利特伦托，专门为食品行业提供视觉检测技术和基于视觉检测的过程控制解决方案。　　此次收购是KPM分析集团自2015年底成立以来的第7次扩张。　　KPM分析集团首席执行官Brian Mitchell说，“EyePro已经在不断增长的视觉检测系统市场中确立了自己的先锋地位，主要是在烘焙和食品生产领域。EyePro的技术和产品与我们Sightline过程控制品牌高度互补。EyePro的加入，会进一步帮助我们确立在农业和食品分析解决方案方面的领导地位”。　　“EyePro是意大利特伦托FBK研究所1999年创立的高科技公司。我们拥有一支3D视觉、高光谱检测和自动分类技术的优秀团队”，EyePro 公司总经理Andrea Bertuolo说，“KPM分析集团拥有多个生产研发公司和完整的全球销售、应用和服务分支机构。成为KPM的一部分，有助于我们实现发展目标”。　　关于KPM分析集团　　KPM 分析集团致力于科学仪器领域，专注为食品、农业和环境检测，提供专业的产品和服务。集团旗下品牌有AMS Alliance、Chopin、EyePro、PSC、Sensortech、Sightline和Unity。每个品牌在提供分析解决方案方面都拥有着悠久历史、关键技术和核心产品。　　关于意大利EyePro公司　　意大利EyePro公司为烘焙和食品行业的产品检测、过程控制和自动处理提供视觉技术，旨在提高产品质量，优化生产流程，减少浪费，最大限度地提高生产效率。

ul class=" list-paddingleft-2" style=" list-style-type: disc " li h3 强强联合! 光电子博览会牵手机器视觉产业联盟 /h3 /li /ul p style=" text-align: justify " 　　2019年8月5-7日，第十一届光电子· 中国博览会暨“适用于航空航天领域的机器视觉产品供需对接会”将在北京国家会议中心盛大启幕。该展会由中国光学工程学会“牵手”中国机器视觉产业联盟共同举办，强强联合实现资源共享。会议将聚集数百家机器视觉生产企业携新品参加，将为您呈现一场盛大的机器视觉技术盛宴。 /p p style=" text-align: justify " 　　机器视觉就是用机器代替人眼来做测量和判断，因此备受欢迎。纵观我国产业发展历程，机器视觉相关产业起步较晚，超过50%的市场份额来源于电子及半导体行业。另外，机器视觉在包装行业、玻璃生产与加工、电子元器件及设备、钢铁与金属业、光学与精密工程、汽车、印刷、航空航天等行业需求大幅增长，也同时带来包括机器视觉在内的自动化产品的需求增长。 /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 477px height: 459px " src=" https://img1.17img.cn/17img/images/201907/uepic/89fc9092-ca59-4873-aa1f-720ea1fb54ec.jpg" title=" 2.jpg" alt=" 2.jpg" width=" 477" height=" 459" / /p p 　　本届展览会将通过学术交流会、供需对接会等多样化的特色会议形式与展览模式，链动人工智能、智慧城市、大数据、机器人等资源配套，全方位展示机器深度学习、机器视觉集成系统、集成设备、3D视觉、VR技术、人脸识别等高端机器视觉相关产品，引领中国机器视觉发展潮流，促进中国智能化水平迈上新台阶。 /p ul class=" list-paddingleft-2" style=" list-style-type: disc " li h3 独具“慧眼”，助力航天航空场景应用 /h3 /li /ul p 　　机器视觉是工业机器人的感知系统，通常由光源、镜头、工业相机、图像采集卡、处理器控制器等零部件组成，用来对图像进行识别、储存和处理，而安装了“眼睛”的机器人，能够完成图像识别、图像检测、视觉定位、物体测量、物体分拣等功能。 /p p 　　近年来，我国的制造业加快升级，各种加工工序精密度提高，同时企业普遍追求更高的良品率，在切割、焊接、钻孔、成型、塑模、去除、装配等主要的工艺中，都陆续增加机器视觉的辅助功能，因此带动我国机器视觉市场高速增长，中国正成为世界机器视觉发展最活跃的地区之一。数据显示，2018年中国机器视觉市场规模首次超过100亿元。随着行业技术提升、产品应用领域更广泛，未来机器视觉市场将进一步扩大，预计2019年市场规模将近125亿元。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201907/uepic/fbeb8483-75c0-4705-ae21-3cca37043eee.jpg" title=" 3.jpg" alt=" 3.jpg" / /p p 　　机器视觉的作用主要体现在智能识别和精密检测，在智慧医疗、精密加工制造等领域具备重要作用，在无人驾驶、航空航天领域里也常常能看到其身影。第十一届光电子· 中国博览会暨机器视觉产业对接会则将重点聚焦其在航天航空领域的应用。 /p p 　　航空航天产品制造具有尺寸大、结构复杂、性能指标精度高、载荷重、环境洁净度高以及材料特殊等特点，在材料抗高温、抗高压和抗气流等都有特殊要求，而且无论是民航客机还是外太空航天器，每一个组装部件都是超精密的。一旦出现事故将造成较大的安全事故，例如不久前的一架埃航的737客机坠毁，事件起因是一个零部件异常。 /p p style=" text-align: center" img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201907/uepic/e8790585-588f-4ef6-a673-98da4774fc87.jpg" title=" 4.jpg" alt=" 4.jpg" / /p p 　　机器视觉系统最基本的特点就是提高生产的灵活性和准确度，能及时发现误差，大大降低不良率，军事、航天等领域等军利用了机器视觉相关技术。在装备了机器视觉成套系统后，航空航天产品在制造过程成型中，每一个工序得到实时监控，每一个工艺得到检测并反馈，对出现误差的效果实行视觉追踪。在一些不适于人工作业的环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。还有无人驾驶汽车、月球勘探机器人等都是可以采用上机器视觉技术。 /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 486px height: 324px " src=" https://img1.17img.cn/17img/images/201907/uepic/5c0f1b72-c83f-405a-89ce-8bab343cc53e.jpg" title=" 5.jpg" alt=" 5.jpg" width=" 486" height=" 324" / /p ul class=" list-paddingleft-2" style=" list-style-type: disc " li h3 产业需求加码释放 机器视觉精彩不断 /h3 /li /ul p 　　工业4.0离不开智能制造，智能制造离不开机器视觉。未来，随着3C、航天航空等领域的需求不断释放，行业内上游及配套企业不断加大对机器视觉新产品的研发及投入，更多企业将纷纷抢占布局高端机器视觉市场。 /p p 　　发力智慧未来，助力中国智能制造步伐!2019年机器视觉北京展览会期间，各行各业领域的机器视觉综合服务商将齐聚一堂，他们将带给我们怎样的惊喜和经验?诠释怎样硬核的新科技?中国光学工程学会特联合机器视觉产业联盟，将于2019年8月5日-7日第十一届光电子· 中国博览会盛大召开期间，特别举办“适用于航空航天领域的机器视觉产品供需对接会”。 /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 599px height: 353px " src=" https://img1.17img.cn/17img/images/201907/uepic/1141138d-76ef-4185-8d77-092b33366c39.jpg" title=" 1.png" alt=" 1.png" width=" 599" height=" 353" / /p p 　　作为国内规模较大的国际机器视觉产业盛会，我们将期待通过光电子博览会，展示机器视觉从核心部件到系统集成全产业链，让整个行业的资源彼此链接，相互赋能，为中国智造贡献自身最大的力量。“机器视觉产品供需对接会”将是机器视觉进入光电子博览会的一小步，诚邀您八月相聚北京国家会议中心! /p p br/ /p p 　　 strong 联系方式 /strong /p p strong 　　机器视觉产品供需对接会组委会 /strong /p p 　　联系人：徐晓丹 010-62650570-804 /p p 　　联系邮箱：xxd@china-image.cn /p p 　　 strong 光电子博览会组委会 /strong /p p 　　服务热线： 010-83739883 /p p 　　展会网址：http://www.cipeasia.com/ /p p 　　宣传合作： 010-83739885 /p p 　　联系邮箱：zhanjiahe@csoe.org.cn /p p br/ /p

一、CMM简介CMM是坐标测量机（Coordinate Measuring Machine）的简称，俗称“三坐标”,最早于50年代由欧洲人发明，知名厂商包括海克斯康和蔡司等，起初用于军工领域，随后广泛应用于各类制造型企业。国内生产三坐标的厂家包括思瑞、雷顿、爱德华等。 图1 坐标测量机（CMM）示例初代CMM由花岗岩平台、精密光栅尺、运动控制系统等部件组成，精度可达到1~3um级别，但是它对环境温度的要求较高，且特别笨重。人们为了测量更加便捷，之后又发明了关节臂CMM、激光CMM、视觉CMM三个品类的坐标测量机。关节臂CMM是由六轴或七轴关节组成，在关节处有高精度旋转编码器可测量关节的角度，精度可达到20~50um级别，重量较轻，对环境温度的要求不像三坐标那么高。但它的测量范围受限于机械臂的臂长，臂越长精度越低。图2 关节臂CMM示例激光CMM是指激光跟踪仪，由激光干涉测距模块、高精度旋转编码器、运动控制模块、全反射靶球等组成，高端设备甚至还集成了视觉定姿模块，精度可达到15um+6um/m，测量范围可达100m左右。 图3 激光跟踪仪示例（中间是激光反射靶球）视觉CMM主要由高分辨率相机和光笔组成，其中相机用于跟踪定位，而光笔又由标志点、探针组成。这类设备的重量最轻，使用时最为灵活省力，精度通常能达到20~50um级别。视觉CMM的分类、发展和应用，将在下文中详述。 图4 视觉CMM示例（跟踪器和光笔）二、视觉CMM的发展视觉CMM是基于数字摄影测量和计算机视觉原理的坐标测量仪器，该领域的学者把相机抽象成一个小孔成像设备，利用“共线方程”这一基本原理，推导出了相机标定、前方交会、后方交会、相对定向、绝对定向、极线对应等解析法理论，表述的是“物-像”几何关系。在视觉CMM中，被观测的目标（光笔）通常是一组标志点，可以是玻璃微珠反光材料的，也可以是LED自发光的，从原理上标志点的数量至少应为3个，但为了更好的精度和可靠性，厂家通常会设计10个左右的标志点。标志点的三维坐标是事先测定过的已知值，相机对标志点进行拍照，得到标志点的成像，利用“物-像”几何关系求解被观测目标（光笔）的位置和姿态。视觉CMM根据相机的数量和使用方式的不同，可以分为单目跟踪CMM、双目跟踪CMM、单目反向定位CMM、单目主动跟踪CMM四种类型，下文逐一介绍。 图5 不同位置下光笔的成像图6 单目跟踪和双目跟踪原理示意图2.1 单目跟踪CMM单目CMM是利用单个相机对被观测目标（光笔）进行跟踪定位，其原理在摄影测量中称为单片空间后方交会，测量精度与相机分辨率、拍摄距离远近、目标的尺寸大小等因素有关。为了保证足够的测量精度，如图6所示，被跟踪的目标张角需要足够大，因此其配套使用的光笔的尺寸一般都很大（图7）。 图7 单目跟踪视觉CMM示例2.2 双目跟踪CMM双目CMM是利用两个相机对被观测目标（光笔）进行跟踪定位，其原理在摄影测量中称为前方交会和绝对定向。虽然市面上也有三个相机以上的跟踪系统，但其原理等同于两个相机。如图6所示，双目CMM不需要大的张角，它只需要较大的夹角，因此其配套的光笔尺寸可以比较小，更加有利于手持使用。 图8 双目跟踪视觉CMM示例2.3 单目反向定位CMM单目反向定位CMM的跟踪原理与单目跟踪CMM类似，但是其探针的安装位置是在相机上，而不是在被测目标（标志点载体）上。这样做的优势是，标志点载体不需要移动，可以把它做的非常大，并且可以把标志点的数量做的非常多，来提升跟踪定位的精度。标志点数量增多对软件的计算能力要求也更高，这是一种新颖的CMM设备。在国内由中观最早提出了这一独创性的产品设计，并诞生了代表性产品——MarvelProbe便携式反向定位CMM，它可以借助固定墙体或便携支架上的标志点，灵活进行反向定位，实现接触式测量功能，同时还兼具独立的摄影测量功能。图9 单目反向定位CMM示例2.4 单目主动跟踪CMM单目主动跟踪CMM，是指相机是活动的，它的相机视场角非常小，且相机会在电机的带动下主动跟踪目标的位置。它不同于激光跟踪仪的特征是没有激光反射靶球。 图10 单目主动跟踪CMM示例三、视觉CMM的应用视觉CMM的特点是轻便灵活，测量范围较大，精度可满足亚毫米级别的需求，在诸如汽车制造、骨科手术等领域有较为广泛的应用。另外，视觉CMM单点测量的精度较高，结合三维扫描仪配套使用，可以提升三维扫描的基准对齐精度，这种做法在三维检测中也较为常见。3.1 汽车制造在汽车制造的装配环节之前，对孔、槽、形面以及缝隙等特征进行检测，是保证顺利装配的前提。图11 视觉CMM对汽车白车身、汽车零部件进行检测3.2 骨科手术传统的骨科手术靠医生的主观判断来确定操刀的位置，而现代手术机器人依靠双目跟踪CMM来实现对骨骼、手术器械的精准定位，降低手术风险。图12 视觉CMM用于骨科手术的引导3.3 结合三维扫描使用三维扫描可以获得形面特征的高密度连续的三维数据，但是对一些边界特征（如孔槽）难以实现完整、精确的测量。而视觉CMM恰好适合对关键特征进行高精度测量。图13 视觉CMM结合三维扫描使用四、结语视觉CMM的优缺点是较为明显的，其优点是手持端的重量较轻，操作更为灵活，测量范围也较大，不受机械运动范围的限制，对环境的要求也较低，另外，视觉CMM的价格通常也较低。其缺点是测量精度不如三坐标和激光跟踪仪，在未来随着相机分辨率的不断提升，视觉CMM的精度还有一定的改进空间。（武汉中观自动化科技有限公司王晓南供稿）

各位菲粉们2020年下半年正式开启今天小菲给大家介绍一位新伙伴：Machine Vision 新“老”朋友FLIR IIS“老”：Point Grey成立于1997年，是先进可视成像相机和解决方案的佼佼者。2016年底，FLIR正式收购Point Grey Research Inc.，成立Machine Vision部门，它已加入FLIR大家庭两年多，已经在机器视觉、零售分析的智能成像和可见光谱相机方面，为菲粉们提供了众多解决方案。“新”：Machine Vision部门的产品宣传以往线下居多，在菲力尔官方微信公众号上，还是妥妥滴“萌新”哦~机器视觉摄像头FLIR IIS机器视觉摄像头被应用于工业自动化系统、医疗诊断设备、人口计数系统、智能交通系统、军事和国防产品以及高级测绘系统的先进可视成像相机和解决方案。Machine Vision生产和销售250多个型号的可见光相机，分辨率从0.3万像素到31万像素不等。摄像机有多种形式，包括板级和封闭的用户界面选项，如USB3、GigE和10GigE。Machine Vision设计、制造并向全球客户分发其相机和相关软件，以建立提高各种流程和产品的效率、质量、分析和安全的系统。应用广泛FLIR IIS有人说，机器视觉技术离我们好远，其实不然，机器视觉技术无处不在。任何大规模生产：从食品到半导体再到纺织品，都依赖机器视觉来指导自动化和检查产品的质量。顾名思义，机器视觉基本上是一个系统(如计算机)的视觉能力，系统对图像进行分析以做出决策或分类。机器视觉技术使自动化产品检测、人脸识别和防撞技术成为可能。想知道机器视觉摄像头应用领域、经典案例、精品推荐等信息吗？留言给小菲下期文章为大家解答哦~

机器视觉机器视觉是未来人工智能领域的核心技术。从工业视觉到计算机视觉，从人机交互到自动驾驶，从虚拟现实到物体自动识别，机器视觉都担当着重要角色。机器视觉在工业、农业、国防、军工、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用，将对我们的生活、生产和工作带来改变。在机器视觉的应用过程中，选择正确的接口是您选择摄像头过程的一项重要因素。今天小菲就给大家讲讲机器视觉可用的不同电缆和连接器类型以及相关利弊。机器视觉接口的分类机器视觉接口一般有两种形式：专用型和消费型。专用型接口此类接口适用于需要极高速或超高分辨率应用；例如，用于检测纸质或塑料薄膜生产这类连续流水作业的行扫描摄像头，其工作频率一般处于kHz水平。然而这些接口明显更加昂贵，灵活性更低，而且会增加系统复杂性。此类应用通常使用CarmeraLink（支持MAX 6.8Gbit/s 数据传输）和CoaXPress（支持MAX 12Gbit/s 数据传输）这些专用型机器视觉接口。采用这些接口的系统除了需要摄像头外，还需要图像采集卡，它们是专门用于接收图像数据并组合成可用图像的适配卡。专用型机器视觉接口还要使用专用线缆，增加了与外围设备集成的难度。CoaXPress (CXP)CoaXpress接口发布于 2008 年，用于支持高速成像应用。CXP接口使用75ohm同轴电缆，每个通道的数据传输速度MAX可达6.25Gbit/s，同时能通过多个通道支持更快的数据传输速度。一条CXP电缆MAX能提供13W的功率，要求“设备”和“主机”同时支持GenICam摄像头编程接口。尽管单通道同轴电缆的价格实惠，但如果要设置多通道电缆总成和图像采集卡，成本将迅速增加。CameralinkCameraLink标准由国际自动成像协会（Automated Imaging Association，简称 AIA）在 2000年设立，历经不断更新，目的是支持更高的数据传输速度，其中一些版本需要两条传输电缆。三种可用的主要配置包括：基本 (2.04Gbit/s)、中档 (5.44Gbit/s) 和进阶/扩展 (6.8Gbit/s)。基本标准使用MDR("Mini D Ribbon")26针连接器，中档/完整配置使用两条电缆，能力翻倍。进阶/扩展版本超越CameraLink规定的极限，可以承载MAX6.8Gbit/s的数据传输。CameraLink和CXP接口同样都需要图像采集卡，而且还额外要求兼容于Camera Link供电模式（Power over Camera Link，简称 PoCL）标准以便供电。CameraLink缺少纠错或重发功能，需要进行昂贵且繁杂的电缆设置，以便提高信号完整性，力图避免图像丢失。消费型接口此类接口使机器视觉摄像头可以通过广泛可用的 USB和以太网标准连入主机系统。对多数机器视觉应用而言，USB 3.1Gen 1和千兆以太网消费型接口具备便捷、速度、简单和价格合理的组合优势。此外，消费型接口支持通过广泛可用的硬件和外围设备执行机器视觉功能。您可以从亚马逊 (Amazon) 或您当地电脑城或电子产品店购买USB和以太网集线器、交换机、电缆和接口卡，不同的价格都能满足您的需求。大多数 PC、笔记本和嵌入式系统均至少包含一个千兆以太网或USB 3.1 Gen 1端口。这些接口类别的区别之一是带宽。在既定分辨率条件下，更快的接口支持更高的帧率（图1）。更快的接口让您每秒捕捉更多图像或捕捉分辨率更高的图像，同时又不影响吞吐量。举例来说，半导体晶片检测系统的晶片如果从8” 升级到12”，需要分辨率更高的摄像头。这种情况下，系统设计人员需要在“保留现有接口”和“牺牲吞吐量换取更高分辨率”两者间作出选择，或者升级为更快接口来维持或提高吞吐量。您对分辨率、帧率、电缆长度和主机系统组态的要求均应纳入考量，方能确保获得所需性能，同时不需要花费超出需求的成本。FLIR 的机器视觉摄像头支持所有三种可信赖且广泛可用的接口。通用串行总线 (USB)USB随处可见。您可以看看四周有多少个USB设备和配件。您觉得这意味着什么？意味着大多数USB机器视觉摄像头使用的是USB 3.1 Gen 1接口。这种接口为摄像头和主机系统之间提供max 4Gibt/s的图像数据带宽。USB3视觉标准确定了一组常用的设备探测、图像传输和摄像头控制协议，有助于保障各种摄像头与软件的兼容性。USB支持直接内存存取(DMA)。有了DMA功能，图像数据就可以从USB直接传送到内存，然后供软件使用。DMA同时具备在几乎所有硬件平台上对USB的广泛支持性和USB控制器驱动程序的可用性，使USB非常适合用于嵌入式系统。USB3.1 Gen 1电缆最长 5m，因此嵌入式系统基本不会出现电缆长度的问题。USB 3.1 Gen 1可以为摄像头提供4.5W的功率，简化了系统设计。近期确立的USB供电技术规格允许一些主机为快速充电手机这类设备提供更多电力，此技术规格独立于USB 3.1 Gen 1基础标准，但机器视摄像头制造商尚未采用。高度灵活的USB电缆有助于提高系统内（摄像头在其中频繁移动）电缆的使用寿命。有源光缆 (AOC) 可用于大幅延长工作距离并获得电磁干扰 (EMI) 电阻。有源光缆的性能取决于吞吐量要求和主机系统组态。使用有源光缆时，即便是可以通过电缆供电的类型，FLIR也建议在外部通过GPIO为摄像头供电。此外，锁定USB电缆将为电缆、摄像头和主机系统提供安全连接。购买锁定电缆前，因为其选项多样，FLIR建议检查锁定螺钉位置和间隔兼容性。USB 3.1 Gen 1适用于FLIR BlackflyS - 盒装和板级版本和小型Firefly S。千兆以太网 (GigE)GigE 提供MAX1Gbit/s的图像数据带宽。它综合了简便性、速度、最长100m电缆以及通过单条电缆为摄像头供电的能力等特性，是一种深受欢迎的摄像头接口。以太网电缆提供坚固屏蔽层。因此非常适合因某些机器人和计量设备的强大电机而产生较大电磁干扰的环境。FLIR GigE摄像头同时还拥有数据包重发功能，进一步增强传输可靠性。与USB不同的是，GigE不支持DMA。包含图像数据的数据包传输到主机，并在其中重组为图像框架，之后再复制到软件可存取内存。这一过程对于现代PC而言是小菜一碟，但仍然会造成某些系统资源受限的低功率嵌入式系统的延迟。Gigabit以太网的广泛使用意味着存在各种从电缆到交换机的支持产品，随时满足各类项目需求。GigE 摄像头支持IEEE1588 PTP时间同步协议，使摄像头和其他支持以太网的设备，如执行机构和工业可编程逻辑控制器，可以在准确同步的共同时间基础上运行。以太网广泛应用于众多行业，促进许多专业电缆和连接器在各种用例中的可用性。例如，有的以太网电缆设计用于防范EMI（电磁干扰）、高温和化学制品，还有的可以满足高灵活性要求，等等。GigE 适用于FLIR Blackfly S - 盒装和FLIR Blackfly S - 板级摄像头。万兆以太网 (10GigE)10GigE将带宽提高到10Gbit/s，基于GigE的优势获得提升。10GigE是高分辨率3D扫描、容积捕捉和精密计量的理想选择。GigE和10GigE组合方式多样。可以将多台GigE摄像头连入一台10GigE交换机，实现主机系统上单10GigE端口全速运行多台Gborder-style: solid border-color: rgb(46, 110, 158) "消费型和专用型接口均用于多种机器视觉应用。以上提及的利弊将最终决定具体用例中的适用性高低。但是，消费型接口综合了性能、易用性、广泛可用性和低成本的特点，对于大多数机器视觉应用来说是一种颇具吸引力的选择。

据悉，智谱科技近日顺利完成亿元B轮融资，本轮融资由博华资本独投。本次融资将有效促进智谱科技光谱视觉监测技术在大化工领域的深度应用，推动更多产业伙伴合作，帮助客户进行数字化、智能化转型升级，实现安全生产、减碳节能、降本增效。（注：数据由投资界根据公开报道整理）公开资料显示，智谱科技通过自主的研发智能光谱相机和光谱视觉分析模型，围绕化工行业内“两重点一重大”泄漏的安全问题，打造围绕光谱视频气体泄漏可视化监测系统产品为核心，集化工安全监测预警和应急决策辅助系统为一体的“危险气体泄漏光谱视频监测解决方案”。当前，智谱科技正通过建立光谱行业数据库和算法库——光谱开源平台SpecNet，用高质量的光谱数据来赋能科研人员去在各个场景中开发光谱产品、开发光谱算法和模型，也以此为场景开发平台，精准挖掘行业场景痛点，从需求出发适配技术。博华资本表示：“智谱科技依托于南京大学、清华大学的深厚技术积累，团队将智谱科技首席科学家曹汛教授首创的PMVIS棱镜掩模光谱视频成像理论成果，与工业互联网、机器视觉等技术紧密结合，打破了海外光谱监测技术在相关领域的长期垄断。此外，2022年曹汛教授带领团队，研发出的微型化光场光谱四维计算成像系统，未来也极有可能集成于手机移动终端，这将会是一个颠覆性的创举。从智谱科技创立至今，已经建立了从技术研发、产品设计、生产控制、项目落地的全流程能力，推出了从平台型、在线型到便携型的多维度产品，帮助石油化工、水质保护等领域客户实现了更安全、更高效、更低碳的发展。”

10月24日，“山东科技大学-加拿大TELEDYNE DALSA公司-上海波创电气有限公司机器视觉联合实验室”及“山东科技大学-山东明佳包装监测科技有限公司机器视觉联合实验室”揭牌仪式在山东科技大学举行，信电学院院长曹茂永、加拿大TELEDYNE DALSA公司亚洲业务发展总监朱正刚、上海波创电气有限公司总经理张伟、山东明佳包装监测科技有限公司总经理张树君出席仪式，曹茂永分别与张伟、张树君在合作协议上签字，曹茂永、朱正刚、张伟、张树君共同为实验室揭牌。仪式由信电学院副院长徐文尚主持。 　　曹茂永在仪式上致辞，向联合实验室的成立表示祝贺，向对联合实验室的筹建给予大力支持和帮助的企业表示衷心的感谢。他从学生规模、学科建设、专业设置、对外交流与合作等方面介绍了学院的情况。他说，联合实验室的成立将为学校机器视觉技术的教学工作和学科建设发展提供有力的技术支撑与设备保障，为该领域的专家学者提供一个新的科研交流合作平台。 　　朱正刚、张伟、张树君在致辞中介绍了各自企业的情况，希望通过联合实验室的建立，充分利用高校的人才资源优势和技术优势，发挥其在学生培养、技术攻关、产品研发、企业服务等方面的作用，深入开展交流与合作，实现共赢，为推动机器视觉技术发展做出应有的贡献。 　　信电学院、上海波创电气有限公司相关部门负责人参加了揭牌仪式。揭牌仪式结束后，曹茂永向朱正刚、张树君、上海波创电气有限公司总工程师刘富生及赵园园颁发兼职教授聘任证书。随后，朱正刚、张伟、张树君一行参观了信电学院实验室。朱正刚还为信电学院师生作了主题为“TELEDYNE DALSA及机器视觉行业最新动态与市场前景”的报告。　　 签字仪式 　　 联合实验室揭牌 　　 颁发聘书

近日，证监会披露了东吴证券关于征图新视（江苏）科技股份有限公司（简称：征图新视）首次公开发行股票并上市辅导备案报告。值得提及的是，这并不是征图新视第一次冲击IPO。早在2021年6月，征图新视便向上交所科创板提交了IPO招股书，并获得受理。不过，今年1月，该公司最终撤回申请资料。据了解，征图新视的主营业务为机器视觉检测设备及自动化制造设备的研发、生产、销售，主要产品包括：消费电子检测设备、印刷检测设备、其他行业检测设备、自动化制造设备、智能制造软件系统等。该公司自主开发机器视觉软件、人工智能、常规算法、光学成像机制、运动控制、3D 视觉等核心技术，构建了完整的机器视觉同源技术平台，在消费电子、印刷、农产品、交通等多元化行业实现了以外观检测为主的多项机器视觉功能，并不断向更广泛的行业领域和应用场景拓展。公司拥有完整的自主知识产权，包括专利 182 项（其中发明专利 33 项），软件著作权 75 项。征图新视经过十余年行业经验积累与技术沉淀，客户跨越消费电子、印刷、农产品、交通等各个行业，包括苹果、立讯精密、日东电工、瑞声科技、业成科技、蓝思科技、上海烟印、云南侨通等知名厂商，公司产品获得跨行业客户的广泛认可，体现了公司具有较强的跨行业复制能力。从股权结构来看，和江镇直接持有公司 633.09 万股股份，占公司总股本的 21.10%；王岩松直接持有公司 584.78 万股股份，占公司总股本的 19.49%；方志斌直接持有公司 482.17 万股股份，占公司总股本的 16.07%，三人合计直接持有公司1,700.04 万股股份，占公司总股本的 56.67%。此外，三人还通过征图投资间接持有公司 1.47%的股份。和江镇、王岩松、方志斌三人已于 2014 年 6 月 20 日签署了《一致行动协议书》，约定了三人应当在决定公司重大决策事项时共同行使股东权利，特别是行使召集权、提案权、表决权时采取一致行动，因此三人共同为公司的控股股东、实际控制人。

众所周知，现代生物医学成像的进步帮助医生在诊断和治疗上取得越来越大的突破，X光、计算机辅助断层摄影(computer aided tomographic，CT)、磁共振成像、核与超声波成像，生物医学成像技术越来越精细。因此，研究和诊断生物医学应用通常需要成像仪具备较高的空间分辨率、准确的色彩还原度以及弱光条件下较高的灵敏度，而且许多情况需要同时具备这三种因素，才能提高数据的可靠性。选择医学成像相机要考虑的因素选择合适的显微镜学相机、组织学相机、细胞学/细胞遗传学相机、落射荧光相机，对于临床应用进行正确诊断或在研究工作过程中提供可靠数据具有至关重要的作用。那么要如何判断机器视觉相机是否适合您的应用呢？你需要考虑这些因素：01分辨率与色彩精度现代生物医学成像相机所需的分辨率取决于样品中目标结构相对于相机像素大小的放大率，也就是说，显微镜应用的高分辨率可以通过2MP、25MP或介于这两者之间的相机来实现。它取决于光学元件对样品中目标结构进行的相对于相机像素大小的放大率，为了选出能实现所需分辨率的相机，首先要确定待解析样本中最小结构的尺寸，然后将其乘以光学系统中的镜头放大率，从而得出投射到相机传感器上的结构尺寸。如果结构的尺寸至少是相机传感器上像素的2.33（Nyquist）倍，那么相机可以解析此机构。例如，如果这些投射的结构尺寸是~8um，那么3.45um像素的相机可以解析这些结构。测量分辨率还可以用其他方法（如线对数），但上述方法可以通过简单计算，找到用于测试的相机的选项。组织学、细胞学和细胞遗传学等成像应用使用较大范围的白光（~400nm至700nm），或使用此范围内的选定波长（例如565nm）。如果这批样品中的样本不是活动的（即固定的），则可以暴露于亮光下，不会有污渍褪色或样品被杀死的风险。这种情况下，相机的主要要求是高分辨率和色彩还原度。反过来说，弱光灵敏度不是一个重要因素。02灵敏度、量子效率及动态范围对于活体样本的成像应用，面临的挑战是避免样本在太强光线下过度曝光，否则会使荧光分子褪色或杀死样本。这些应用通常使用一种称为落射荧光技术，落射荧光技术可用于固定样本和活体样本。有的标本很难获得或价格昂贵，而且制作样本的材料和人工费用很高。因此，能保护样品质量的系统有助于降低这些成像应用的持续成本。落射荧光使用经过过滤的高能量波长，以刺激样品发出低能量波长。低能量波长再经过过滤返回相机。这种情况下，可以对样品使用强度较小的破坏性光，因此其要求是灵敏度。即便发射光能量较低，具有出色灵敏度的相机也可以提供高质量的图像。如需查找具备出色灵敏度、在弱光条件下性能良好的型号，您可以侧重于以下三种技术规格：灵敏度、量子效率以及动态范围。灵敏度是得到与传感器所观测噪声等效的信号所需的光子数，数值越小越好。量子效率是指给定波长下转化为电子的光子——值越高越好。动态范围是信号与噪声（包括颞暗噪声）的比值，颞暗噪声是指无信号时传感器内的噪声，动态范围值越高越好。通常单色型号的弱光性能优于彩色型号。03因素综合对于同时使用白光和落射荧光的应用，可以选择FLIR配备Sony全新转换增益功能的相机型号，此功能可以优化传感器，实现高灵敏度或高饱和容量。弱光环境较高的转换增益，因为在此条件下，读取噪声被更大程度地弱化，从而产生较低的灵敏度阈值，非常适合在短时曝光下检测弱信号。强光条件下饱和容量得到了Maximun，获得的动态范围得以增强，因此稍低的转换增益是这种情况的理想选择，Maximun动态范围将受限于12位 ADC。挑选合适的机器视觉相机在选择相机时，较新的CMOS传感器是个很好的出发点。较新的传感器通常性能更好（价格可能还更低）另外，如果针对的应用程序需要在几年内购买多个相机（如持续生产诊断仪器），那么就要选择生命周期不会很快结束的相机，否则您可能要承受提前设计替换相机的成本费用。FLIR生产的机器视觉相机型号有200多种，广泛应用于采用新CMOS传感器的三大系列：Blackfly S、Oryx 和 Firefly。01FLIR Blackfly SFLIR Blackfly S系列相机的传感器、外形尺寸及接口最为广泛。这些相机提供USB3和GigE两种型号，功能广泛，设计初期易于整合。板级Blackfly S型号是全功能盒装产品的微型版本，特别适合空间受限和嵌入式的应用，其功能广泛，性价比高，分辨率可达24MP，是生物医学和生命科学应用的选择。FLIR Blackfly S USB3FLIR Blackfly S 板级02FLIR Oryx10 GigEFLIR Oryx相机系列拥有适配最快10GigE接口的高分辨率传感器，能够以60FPS的速度捕捉4K分辨率、12位的图像。Oryx的10GBASE-T接口是经过验证且广泛部署的标准，能够在线缆长度超过50米的经济实惠的CAT6A上或者长度超过30米的CAT5e上提供可靠的图像传输。03FLIR Firefly DLFLIR Firefly相机系列的外壳尺寸娇小、重量轻、功耗低且价格实惠。Firefly DL型号还能够运行已经过训练的神经网络，可用于物体检测或分类。所有FLIR机器视觉彩色相机都可以通过不同的白平衡选项的形式自定义色彩还原，并使用特殊色彩校正矩阵，这对于生物医学成像非常重要，医学成像中，色彩准确度的涵义不同，这取决于人类对诊断的视觉分析以及实现数据准确性的机器可读格式之间的对比。另外，FLIR 机器视觉Blackfly S、Oryx 和Firefly相机系列可通过GenICam3及 Spinnaker SDK进行控制和编程，它们自一开始设计时就以轻松开发与部署为理念时，确保我们能更快进行应用开发和测试。随着医学科技的进步对于现代生物医学成像的需求也将更加严格对于如何选择医学成像相机

2022年3月9日，由国家市场监督管理总局和国家标准化管理委员会联合发文(中华人民共和国国家标准公告)，批准了由机器视觉产业联盟牵头制定的“视觉模组光电性能的图像式检测方法”正式成为国家标准。据了解，这项标准的推出，标志着我国机器视觉技术水平实现了新突破，机器视觉行业国际话语权得到提升，为我国视觉科技高质量发展奠定了坚实基础。 　　近年来，随着国家经济和科技实力的快速增强，智能制造在国家经济社会发展中地位作用进一步彰显，机器视觉作为智能制造核心领域的支撑作用也越来越突出。但在世界机器视觉领域，由于我国起步晚，发展滞后，机器视觉行业的标准和话语权基本都由西方发达国家制定或掌握，导致我国在这一行业的持续创新和高质量发展受到较大的制约。 　　2015年始，机器视觉产业联盟迈出了标准制定工作的探索之路，组织相关专家将欧洲机器视觉协会的国际行业标准EMVA1288《图像传感器与相机性能测试标准》进行全文翻译，经过了近2年时间，于2017年8月正式发布了EMVA1288 R3.1中文版，它也是整个G3组织与EMVA认可的该标准的中文版。随后，机器视觉产业联盟组织开展了更为广泛而深入的调研工作，在学习参考国外理念和经验的基础上，结合国内行业实际情况及国家标准的相关政策规定，并在国标委相关专家的支持与指导下，国标起草组推出了“标准”的初级版，经历了两年多时间的深入探索实践，不断克服疫情等不利条件的影响，经过数十次线上或线下会议讨论，在先后修改了十几版后才最终完成了此次被国家认定的“行业标准”。 　　参与本次标准起草组的冯兵博士介绍说，这个“标准”意味着中国机器视觉跨入了新的门槛，在未来的世界智能制造领域，中国机器视觉企业将有更大的参与和竞争机会，也将为世界经济发展作出中国贡献。

上次介绍完新伙伴Machine Vision 之后很多菲粉们都对它表示好奇经过留言筛选今天小菲就来说说它的主要产品分类~No.1精致小巧的Firefly SFLIR Firefly® S以超紧凑的机身提供您所需的基本机器视觉功能。它体积小，功耗低，重量轻，非常适合嵌入便携式设备。Firefly S通过将强大的相机功能与CMOS传感器相结合，提供非凡的价值。No.2高性能的Blackfly S 板级FLIR Blackfly 板级变体属于高性能机器视觉区域扫描摄像头，设计用于嵌入狭小空间。与许多其他板级摄像头不同，它具有丰富的功能组，适合新的CMOS传感器，与箱式版本功能组相同。以其可靠的兼容性，随时可集成至主流SBC和SOM。Blackfly S 板级型号采用嵌入式系统连接，具有丰富的功能，能够使OEM开发更小、更轻且成本更低的解决方案。No.3高质量成像的Grasshopper3 USB3Grasshopper® 3 相机系列将新的 CCD 和 CMOS 技术与 Point Grey 的专门技术相结合，实现了高性能、高质量的成像。No.4高速传输的Oryx 10GigE屡获殊荣Oryx 10GigE相机系列支持高达10Gbit/s 的传输速度，并能够以超过60FPS的帧率拍摄4K 分辨率的12位图像，从而允许系统设计员充分利用新传感器。Oryx的10GBASE-T接口是经过证明且广泛部署的标准，能够在线缆长度超过50米的经济实惠的CAT6A上或者长度超过30米的CAT5e上提供可靠的图像传输。相机内部功能（包括 IEEE1588 时钟同步以及与支持 GigE Vision 的热门第三方软件完全兼容）为系统设计员提供了相关工具，以便快速开发创新型解决方案。No.5应用程序——Spinnaker SDKSpinnaker SDK是FLIR的下一代GenICam3 API 库，专为机器视觉开发人员而构建。它拥有称为SpinView的直观GUI、丰富的代码示例及全面的文档，可助您更快速地创建应用程序。Spinnaker SDK支持FLIR USB3、10GigE和大多数GigE区域扫描相机。支持平台:Windows 7(32和64-bit)/Windows 10 (32和64-bit)/Desktop Ubuntu 18.04 (64-bit)/Desktop Ubuntu 16.04(32-bit)/Ubuntu 18.04(ARM64)/Ubuntu(16.04 ARMHF & ARM64)/MacOS(Mojave & High Sierra)。以上五款产品: 机器视觉摄像头还有相机深度学习——Firefly DL、冰块外形传感器——BlackflyS USB3/Blackfly S GigE、高性价比——Chameleon3 USB3、多功能结合——Blackfly USB3/Blackfly GigE等产品.

受动物界视觉超能力的启发，美国宾夕法尼亚州立大学工程学院研究团队开发出一种超薄光学元件——超表面。它可连接到传统相机上，并通过微小的天线状纳米结构，对快照或视频中图像的光谱和偏振数据进行编码。团队同时开发了一个神经网络，可在标准笔记本电脑上实时解码这些多维视觉信息。研究成果发表在最新一期《科学进展》上。研究人员展示一款集成了3毫米x3毫米超表面的相机传感器。超表面将传统相机变成了高光谱偏振相机。 图片来源：宾夕法尼亚州立大学蝴蝶能看到人类“看不见的世界”，包括更多的颜色、场振荡方向、光的偏振。此次研究团队受此启发，通过将超表面集成到传统相机中，将其改造成紧凑、轻便的高光谱偏振相机。高光谱和偏振相机通常体积庞大，生产成本高昂，而且只能捕获光谱或偏振数据，不能同时捕获两者。相比之下，将一个3毫米×3毫米的超表面放置在摄影相机的镜头和传感器之间，能同时拍摄两种类型的图像数据，并立即将数据传输到计算机。团队利用数据增强技术构建了一个机器学习框架。该框架利用180万张图像进行了训练，可解码原始图像以显示光谱和偏振信息。他们通过在不同激光束照射下录制透明字母的视频，测试了该超表面和神经网络。他们还拍摄了圣甲虫的图像，这种甲虫以反射其他同类可见的圆偏振光而闻名。研究人员表示，超表面制造成本低廉，如果实现商业化，那么消费者就能轻松获取不同物体的高光谱偏振信息。譬如，人们可带着该相机去超市，拍照并评估货架上水果和蔬菜的新鲜度。这款增强型相机为人们打开了一扇通往“看不见的世界”的窗户。在生物医学应用中，高光谱偏振信息可用于区分体内组织和结构特性，帮助诊断癌细胞等。

1、背景介绍 近年来，随着工业4.0及人工智能的发展，越来越多的自动化设备被广泛应用于生产过程中。工业4.0离不开智能制造，我国在2015年提出的“中国制造2025”宏伟计划中，第一项战略对策就是“推行数字化网络化智能化制造”，而智能制造中，最核心的一环就是机器视觉。机器视觉是指通过机器来模拟人眼的功能，对客观事物进行信息提取，处理和分析，最终实现检测和判断，最终交给计算机进行控制。中国是机器视觉产业发展最为迅速的国家，目前已经在工业，航天，医疗，交通，科研等诸多行业进行了广泛的应用。图1 机器视觉代替人眼二、目前机器视觉存在问题 典型的工业机器视觉系统包括：光源，镜头，相机，图像采集卡，软件，监视器，输入/输出等。对于光学检测来说，机器视觉系统的性能主要取决于系统中光学相关部件，比如光源，镜头，相机等的性能。此外，光学检测要求的精度一般都较高，但是大多数相机在出厂时，并没有专门针对光学检测应用进行专门校准，往往会导致机器视觉系统的精度达不到要求，结果会出现误差。 比方说，如果将刚出厂的工业相机对着一个均匀照明的发光面进行拍照，拍摄出的图像四个角往往会出现暗区，这主要是由于相机镜头的余弦响应造成的。此外，由于相机传感器（CCD/CMOS）的非均匀性，也会导致对均匀光场成像的时候，图像的亮暗，颜色不均匀，如下图所示。以上这些因素，都会导致在一些精密的光学检测（比如平板显示检测）时，检测结果和真实情况出现较大偏差。图2 校准前相机平场响应 除此之外，相机对于不同亮度的线性响应也不同。由于相机输出的信号是灰度值，并不具有真实的物理意义。因此，在做光学检测（比如说亮度检测时），需要对相机进行线性度和亮度标定，建立起相机灰度信号和真实亮度的关系曲线。三、工业相机校准解决方案 为了解决以上机器视觉系统中存在的问题，提高机器视觉系统，尤其是AOI等光学检测系统的精度，欧洲机器视觉协会EMVA提出了《EMVA1288：成像传感器和相机性能表征标准》，其中介绍了如何对成像传感器及相机的空间不均匀度，灵敏度，线性度和噪声等一些列指标进行表征和校准的办法。其中明确写到：“最好的均匀光源是积分球均匀光源”，且推荐“光源的均匀性要大于97%”。图3 蓝菲光学相机平场校正方法 用户在使用时，只需要相机对准均匀光源的开口，拍摄一张图像，再经过算法进行计算，就可以对相机的均匀性进行校正，这一过程称为平场校正。经过均匀光源校准后，相机的均匀性可以显著提高。如下图所示，为一个工业相机经过积分球均匀光源校正前后相机的均匀性测试结果。从图中可以很明显看出，校正前相机的均匀性较差，中心场的响应优于周边的响应。校正后相机平面内的响应一致。相机校正前 相机校正后图4 工业相机经过蓝菲光学LED 积分球均匀光源系统平场校正前后对比 四、完美的积分球面光源 工业相机的精度决定了机器视觉系统的检测精度，校准光源的均匀性决定了工业相机的精度。越是均匀的积分球光源，经过其校准后得到的相机均匀性越高。根据积分球的原理，入射到积分球的光在积分球内部进行多次反射，最终在输出端口得到亮度，色度都完全均匀的面光源。积分球的出光口均匀性主要取决于以下几个方面：1.积分球内壁材料的反射特性。材料的反射特性可以分为朗伯反射，镜面反射和混合反射。由积分球原理可知，积分球内壁材料反射特性越接近朗伯特性，其开口处均匀性越高。此外，当入射光是宽谱光时（比如白光），材料的光谱反射一致性决定了开口处的色度均匀性，材料的光谱反射率越一致，也就是对各个波长的反射率越一致，开口处的色度越均匀。2.积分球的设计。如何设计积分球的尺寸，入射光的位置，挡板的位置和方向，都会影响积分球开口的均匀性。 蓝菲光学积分球均匀光源Spectra-CT提供了一种超均匀，高动态范围，亮度/色温均可精细调节的面光源。该积分球光源采用蓝菲光学独有的高反射率完美朗伯反射材料Spectraflect® ，基于蓝菲光学40余年的光学系统开发经验，精细的积分球结构设计，是机器视觉相机校准的完美解决方案。其主要具有以下特点：出光面超级均匀，均匀性大于99.5%系统输出稳定性高，稳定性达0.1%亮度线性可调节，可实现从微弱光0.1cd/m2至25000cd/m2的亮度输出色温动态可调节，可实现从低色温2700K到高色温7500K的输出自带亮度监控，实时观测亮度输出情况软件实现光源和探测器的全部控制，界面简单易用，可提供控制指令供二次开发。系统还可定制各类色温，亮度，单色光，大视场角等不同参数的光源图5 蓝菲光学LED 均匀光源系统（Spectra-CT）及开口处光斑亮度分布 Spectra-CT LED积分球均匀光源是均匀性较高的面光源，其卓越的性能可以满足EMVA1288要求的相机均匀度，线性度，信噪比，动态范围等诸多参数测试。是从研发到生产，各类工业相机的理想校准光源。