摘 要：在“中國制造”2025背景下，由傳統制造向智能制造轉型是一個必然趨勢和實然要求。然而智能制造環節眾多、體系復雜，相對傳統工業制造范式而言發生了巨大質變，其中高精度的環境感知模塊是支持智能制造不可或缺的條件。“機器視覺”是滿足高精度環境感知需求的重要技術，它以器件模組或機器人狀態實現信息收集、處理、識別等功能，在智能制造中具有廣泛的應用前景。本文通過分析機器視覺技術與智能制造系統的耦合機理，闡明機器視覺關鍵性技術內容，探索其在智能制造系統中的典型應用方式。
關鍵詞：機器視覺；智能制造；視覺測量；視覺引導；視覺檢測
Application of machine vision technology in intelligent manufacturing
Abstract: under the background of "made in China" 2025, the transformation from traditional manufacturing to intelligent manufacturing is an inevitable trend and practical requirement. However, there are many links and complex systems in intelligent manufacturing. Compared with the traditional industrial manufacturing paradigm, great qualitative changes have taken place. Among them, high-precision environmental awareness module is an indispensable condition to support intelligent manufacturing. "Machine vision" is an important technology to meet the needs of high-precision environmental perception. It can collect, process and identify information by means of device modules or robot states. It has a wide application prospect in intelligent manufacturing. This paper analyzes the coupling mechanism of machine vision technology and intelligent manufacturing system, clarifies the key technology content of machine vision, and explores its typical application in intelligent manufacturing system.
Key words: machine vision; intelligent manufacturing; visual measurement; visual guidance; visual inspection
一、機器視覺技術與智能制造系統的耦合機理
關于機械視覺技術與智能制造系統的耦合機理分析，本質上可以歸納為“為什么智能制造需要機器視覺技術？”的問題。首先，需要明確界定“機器視覺技術”的內涵——直觀上理解，所謂“機器視覺”就是以機器組件或“機器人”的獨立形態來取代人類視覺，并引入人類大腦思考能力，對所獲取的信息展開測量、分析、整合，進而做出判斷、指揮和控制等操作——整體上，機器視覺技術要求在應用層面與人類視覺功能相似，這其中也隱含了“視覺”自身的優勢，即便從人類感知能力分析，視覺在固定場景中獲取、接受超過70%以上的信息量，且信息表現形式最為直觀，將這一優勢映射到機器檢測領域，也是其他技術無法比擬的?；谝陨戏治觯覀兇笾律峡梢詫C器視覺技術形成認知輪廓，采用相對專業化的語言組織（學術界并沒有一個針對“機器視覺技術”的標準化定義），可描述為“通過計算機或圖像處理器、相關設備模擬人類的視覺功能，通過圖像信息獲取、分析和處理最終應用在客觀事物的檢測和控制當中”的技術。[1]
其次，回歸到“為什么智能制造需要機器視覺技術？”的問題上來，在現代化工業制造系統中引入機器視覺技術，相當于為傳統制造裝備搭配上眼睛、大腦，則原本由人工操縱的制造裝備完成了部分“擬人化”，配合控制技術的運用，制造行為就一定程度上滿足了無人化。即機器視覺技術基于自身優秀的環境適應能力，直接對制造設備（終端）展開操作，進而發揮出自動化、高精度、高質效等優勢，而這恰恰是“中國制造2025”的核心要求，即“實施智能制造工程”，也和世界發達國家未來制造業發展方向高度一致（如德國“工業4.0”、法國“未來工業”等）。在可以預測的未來，智能制造將成為大國之間主要的競逐目標，而機器視覺技術是智能制造實現的根本保障。
再次，將研究視域遷移到“智能制造”層面，僅從技術角度說，它與機器視覺技術的耦合度也是很高的?，F階段，推進智能制造阻力重重，所需要解決的不是一兩個設備或少數工業軟件的問題，而是需要重構整個“制造系統”。以“智能需求”為出發點，智能制造實現高度依賴系統化，以發揮軟件與硬件相互協調的機能。從硬件裝備角度看，整個智能制造過程是一系列實時信息、指令傳導、任務觸發、終端實施的綜合動作，需要工業互聯網串聯現場設備、自動化設備、操作裝置、移動設備、工作站及服務器等資源。從軟件工具角度看，整個智能制造過程是一系列軟件功能的有機結合，包括工業軟件、控制軟件、商業軟件、交易軟件及各類社交平臺軟件。[2]在現實中的智能制造空間內，一個完整的“智能系統”被解構成不同時序維度的“制造節點”，而每一個制造節點上除了該環節需要加工制造的對象外，最重要的因素就是實時數據，因此也可以將一個智能制造節點視為“信息節點”，信息可以借助工業互聯網與其他制造平臺、裝備、系統等進行交互，以此實現具有重構性、交互式、柔性化特點的智能制造范式；機器視覺技術不僅是聯系軟件、硬件的中介，也是整個智能制造裝備系統構建的關鍵，它取代人工因素之后，兼備了實時性、模塊化、高精度、無損感知等性能。
二、智能制造視域下的機器視覺關鍵技術
立足智能制造，宏觀層面的機器視覺關鍵技術可以概括為“工業成像系統”，該系統中主要包括“光學部分”“成像部分”“處理部分”和“應用部分”，彼此之間存在著密切的關系——以圖像信號為參照，首先由光路控制模塊（采集光信號）完成成像準備，再由光闌輸送到“成像部分”中的感光元件上，經過讀出電路、信號調整、A/D轉化之后，經由通信電路傳輸到“處理部分”的通信電路上，該環節涉及到工業互聯網的通信協議，同時完成圖像處理算法功能（主要有圖像處理器實現），最后傳導到“應用部分”，展開智能制造平臺上的測量、控制等。由此可見，宏觀層面上的機器視覺關鍵技術是高度集成的，主要應用在一體化設備（如光刻機）之上，而更廣泛的智能制造車間，需要結合“制造節點”進行個性化設置，因此關鍵技術可以進一步分解為“成像系統”“圖像預處理”“圖像定位分割”和“圖像識別檢測”。[3]
（一）成像系統
從智能制造設備所具有的“擬人化”特征來看，機器視覺技術最關鍵的能力就是“觀察”，即以人類視覺信息收集原理為基礎，在成像系統模塊中構建信息收集功能?？紤]到現代制造業裝備結構的復雜性，精密成像元件自然成為成像系統的關鍵，目前已經被證實有效的成像技術中，主要包括高速運動序列圖像獲取、位置觸發成像、顯微成像、立體成像等。成像系統的原理基本相同：光學鏡頭在光控電路的控制下完成目標圖像的信息初步采集工作，經過傳感器轉化為電信號，此時信號為模擬屬性，進一步放大、調整、去噪、轉化而生成數字圖像，從而保障應用時的精準性。值得注意的是，成像系統類型多元化，在具體應用時要有所區分、保證針對性，如“高速運動序列圖像獲取”系統一般應用在微弱運動目標識別和檢測領域（如微小顆粒物），而“顯微成像”主要應用在特小尺寸（0.1mm級別）對象上。
（二）圖像預處理
從智能制造系統化特征出發，圖像預處理與成像系統是高度一體化的，它存在于“圖像采集”和“圖像輸出”的中間環節，主要技術涉及到圖像增強、去噪、校準、融合、拼接、對比度調整等，其最終目的是提高圖像辨識度，保障機器視覺技術利用過程中的“精準性”要求。
（三）圖像定位分割
對于機器視覺技術“精準”的理解，不能僅停留在細節清晰上，由于圖像形成的過程中受到外界影響，被檢測對象在圖像畫面中的位置并不統一，包括電氣誤差、操作誤差、機械誤差等影響在內的各類因素，都會形成相對空間內的隨機分布態勢。因此，需要引入圖像定位分割方法——“定位”與“分割”是兩種不同的操作，前者適用于背景單一、結構簡單、特征明顯的對象，而后者主要應用在多種色彩、結構復雜、特征模糊的對象上——定位方法的運用關鍵在于確定邊界，可利用檢測對象的幾何特征進行界定，如加工件的形狀（圓形、方形等），通過差分閥值方法獲取。分割方法在智能制造中的實現途徑，主要是包括閥值分割、分水嶺分割、聚類分割、區域生長等。
（四）圖像識別檢測
圖像識別檢測要解決的是“圖像上是什么”的問題。其中，圖像識別的實現途徑主要包括序列圖像運動分析、模式匹配、特征分析等，以分割后的圖像為例，通過整合檢測對象上紋理、灰度、形狀、圖案等綜合信息，進而達到識別檢測對象的目的。圖像檢測主要應用于特定結構及特征，以及檢驗缺陷，主要實現途徑包括局部特征對比、紋理分系、基于模板匹配的檢測等。
三、機器視覺技術在智能制造中的典型應用
基于以上“關鍵技術”列舉，不難判斷機器視覺技術在智能制造中的一般應用場景，如測量物件尺寸、進行物體定位、展開零件檢測（如驗傷、存在性檢測、缺陷篩查）等，如果將機器視覺技術置于相對完整的智能制造系統中，其典型應用主要包括三方面，分別是視覺測量、視覺引導、視覺檢測。[4]
（一）視覺測量應用模式
智能制造最顯著的特點是無人操作，這是進行高效率、規模化生產的前提，但一種工業產品從流水線下來后，需要對其外觀尺寸進行測量，這是最基本的質量控制手段。以汽車產品為例，常規人工測量模式下不僅耗時多，且無法保障誤差最小化，如果引入機器視覺技術之后，相關測量工作可以在流水線上完成，并根據測量結果做出下一步的調整方案，這樣就有效降低了殘次率。進一步分析，視覺測量除了對整機進行測量之外，對于零部件也能夠實現對等操作，如此一來不僅將人工干預排除在外，整機的每一個細節都能夠在尺寸維度做到標準化，而一旦發現不合格現象，可以立刻通知系統、發出警報；視覺測量的實現途徑主要包括激光在線測量、藍光掃描測量、表面涂層測量等，既有技術方面的差異，也存在功能領域的細分。
以激光在線測量為例，目前主要應用在工業制品大框架上，如汽車的“白車身”（車體結構及覆蓋件焊接總成），可以視為汽車產品的骨架，玻璃、電子系統、發動機、輪胎等都要依據“白車身”進行調配安裝，因此其精度的重要性是不言而喻的。但“白車身”在外觀上并不是規則結構，兩端之間的尺寸測量難度很大，要保持較高精度，可利用激光在線測量系統，其原理為“三角測量”，先利用相機拍攝2D特征圖像，在轉化成3D空間坐標，這是成像系統的一個典型案例；藍光掃描是一種更為先進的視覺測量模式，基于非接觸光學測量原理，可以對整機的各個部分獲取數據、生成3D形狀，但這種技術的成本很高，一般應用在高檔工業品或精密設備上，表面涂層測量是專門針對涂膜、油漆等的檢測應用模式，從機器視覺技術可行性層面分析，遠比人工目測的可靠性高。
（二）視覺引導應用模式
視覺引導是機器視覺技術在智能制造領域的延伸應用模式，從形式上看，它結合了多種視覺檢測技術，并將其融入到機器人運動學中，實現機器人行為的自主化、智慧性。簡單地說，等同于為每一個工業機器人賦予了一定的自由人格，在視覺引導引用模式下，機器人不再重復簡單的運動軌跡，可以根據生產環境及實際工況做出微調，在一定范圍之內發揮最大化的人工智能水平。
視覺引導應用模式下主要包括三種表現類型：（1）視覺引導抓取。機器視覺技術不僅僅用于收集、分析、處理圖像，在完整的智能制造系統中，統一流程或生產環節內的操作步驟是預先設計好的，如汽車焊裝工藝的主要操作包括焊接、黏連等，這樣一來固定操作在固定場域的變化很小，采用人工操作的形式有諸多不便（如難以搬運、堆放率低、風險系數高等），采用視覺引導應用模式，只需要考慮機器人運行軌跡，就能夠保障工件的準確抓取、安裝。視覺引導抓取的主要元件是視覺傳感器，通過測量工件、機器人、安裝位置之間的三維信息，智能化調整運行角度，從而有效規避碰撞。（2）視覺引導裝配。與視覺引導抓取原理類似，視覺傳感器通過測量安裝工件的3D坐標信息，機器視覺技術在高速運轉狀態下仍然能夠保障精準性。（3）視覺引導加工。從機器視覺技術更廣泛的應用需要來說，每一類工業零部件的切割、打孔、沖壓、打磨等都應該具有適用性，這只需要將機器人的控制技術與機器視覺技術做好融合即可——以切割為例，傳統切割方式離不開刀具、模板，一次性完成的難度很大，如果利用激光切割，則需要很高的人工操作水平——以“機器視覺技術+激光切割”的組合形式，智能工業系統只要給出具體的參數即可。
（三）視覺檢測應用模式
無論是智能制造還是傳統制造，產品出廠前都需要進行嚴格的質量檢測，如“存在性檢測”用來判斷產品是否完整，“表面檢測”用來判斷產品是否存在孔洞、劃痕、暗點等殼體缺陷。基于機器視覺技術的視覺檢測應用模式，不僅可以對產品單體進行完整取樣，還能夠基于某一個零部件進行制造過程的逆向追溯。
以汽車產品的“存在性檢測”為例，一般汽車產品中的零部件高達上萬個，僅螺柱的數量也有上百個，人工檢測的難度可想而知。其中，焊接螺柱與一般螺柱出現的問題存在很大差異，如果焊槍性能及使用不合格，容易造成脫焊并形成螺柱殘次，投入使用之后造成安全隱患。機器視覺技術可通過視覺傳感器裝備檢驗字符碼，一路向前追溯到零件生產過程，這一過程中即可發現是否存在零件缺失、操作不當、裝配錯誤等問題。
總體來說，智能制造是21世紀的潮流，它所帶來的改變不僅僅是“機器取代人工”，也將重構當前人們引以為傲的工業系統，機器視覺技術是建構智能制造系統的關鍵，在可以預見的未來，這一技術不僅會全面投入應用，且隨著現代工業的細分，技術自身也會呈現出高度模塊化和集成化的特點。
參考文獻
[1]張清郁.探析機器視覺技術在智能制造中的應用[J].中國設備工程,2018(12):201-202.
[21]陳鐵健. 智能制造裝備機器視覺檢測識別關鍵技術及應用研究[D].湖南大學,2016:2.
[3]歐陽智,肖旭.機器視覺在智能制造中的應用[J].大數據時代,2018(03):9-12.
[4]尹仕斌,任永杰,劉濤,郭思陽,趙進,邾繼貴.機器視覺技術在現代汽車制造中的應用綜述[J].光學學報,2018,38(08):11-22.