隨著制造業的發展，智能制造技術日漸成為實現制造的知識化、自動化、柔性化以實現對市場的快速響應的關鍵技術。

其主要應用包括基于神經網絡的智能檢測、故障診斷、識別、設計、優化，基于遺傳算法的優化設計，基于規則、基于框架的專家系統，基于類比推理、歸納學習與基于實例推理的知識系統，基于Agent技術的分布式智能制造系統等等。

智能制造主要關注于高端裝備制造，在制造過程中進行分析推理、判斷、思考、決策等活動。智能制造系統從原始的能量驅動轉變為信息驅動，這對于制造系統的靈活性和數字化提出了很高的要求。

在智能制造系統中，原始信息的采集是最基礎的工作，原始信息推動著整個系統的決策和工作。機器視覺技術作為當前的熱門技術之一，具有高度的靈活性，能適應各種生產環境，擁有強大的理論支持，在智能制造領域得到了廣泛的應用。

本文針對于智能制造，介紹了機器視覺的相關關鍵以及其在制造過程中的相關應用，并基于此探討機器視覺在未來先進制造、智能制造中的應用前景。

 機器視覺在智能制造中的應用

機器視覺的應用優勢在于無需與被測物體進行接觸，因此被測物體和測量裝置操作過程中都不會產生損壞，是一種相對于而言更安全可靠的檢測手段。此外，測量裝置的適用范圍和互換性都非常的廣泛，不僅僅局限于某一類物體。理論而言，機器視覺技術甚至可以用來探測人眼無法觀察到的部分，例如紅外線、微波、超聲波等，通過傳感器可以將這些信息進行捕獲和處理，從而拓展了人類的視覺范圍。相對機器視覺而言，人類視覺容易受到個體狀態的影響，難以進行長時間的觀測，在惡劣下表現不理想，因此，機器視覺技術常常用于長時間檢測工作和在線處理，以及人類無法工作的極端環境下。

正是因為這些特性，機器視覺技術被廣泛應用于工業生產的各個步驟。在智能制造體系中，機器視覺的應用主要可以歸納為四個方向：尺寸測量、物體定位、零件檢測、圖像識別。

1、 尺寸測量

隨著制造工藝的不斷提高，工業產品尤其是大型構件的外形設計日趨復雜。同時，由于大型構件的體積和重量限制，不便于經常移動，給傳統的測量方式帶來了巨大的困擾。機器視覺測量技術是一種基于光學成像、數字圖像處理、計算機圖形學的無接觸的測量方式，擁有嚴密的理論基礎，測量范圍更廣，而且相對于傳統測量方式而言，擁有更高的測量精度和效率。

根據不同的光照方式和幾何關系，視覺檢測方法可以分為兩種：被動視覺探測和主動視覺檢查。被動視覺探測直接采用了原始圖像，這些在工業環境中獲取的原始圖像并沒有明顯的特征信息；而主動檢測方式能夠主動的去產生所需的特征信息，從而避免立體特征匹配困難，所以在工業檢測中應用范圍更廣。

主動視覺檢測方式包括激光測距、云紋干涉法、簡單三角形法，結構光法與時差法等方法。例如魏振忠[10]提出了一種基于結構光視覺傳感器的物體測量方法，可用于提高大型工件的結構光三維視覺的檢測精度。在結構光方法的測量過程中，由于靶標上的基準坐標點很難準確落在結構光平面上，導致空間坐標的準確獲取難以實現。在此測量方法中，通過一種基于雙重交比不變的結構光視覺傳感器的標定方法，并配合相應的標定靶標，從根本上解決了此問題。

2. 物體定位

傳統制造業中的焊接、搬運、裝配等固定流程正在逐步被工業機器人取代，這些步驟對于工業機器人來說，只需要生成指定的程序，然后按照程序依次執行即可。在機器人的操作過程中，零件的初始狀態（如位置和姿態等）與機器人的相對位置并不是固定的。這導致工件的實際擺放位置和理想加工位置存在差距，機器人難以按照原定的程序進行加工。隨著機器視覺技術以及更靈活的機器手臂的出現，這個問題得到了很好的解決，為智能制造的迅速發展提供了動力。

3、零件檢測

零件檢測是機器視覺技術在工業生產中最重要的應用之一，在制造生產的過程中，幾乎所有的產品都面臨著質量檢測。傳統的手工檢測存在著許多不足：首先，人工檢測的準確性依賴于工人的狀態和熟練程度；其次，人工操作效率相對較低，不能很好的滿足大量生產檢測的要求；近年來人工成本也在逐步上升。所以，機器視覺技術被廣泛用于產品檢測中，主要的應用包括：存在性檢測和缺陷檢測。

3.1存在性檢測

存在性檢測的對象包括某個部件、某個圖案或者是整個物體的存在性。在制造環節中，某些步驟的缺失或者加工缺陷會導致零部件的丟失，影響產品的品質，需要在進行下一步工序或出廠前分揀出來待進一步處理。通過前期的圖像采集和處理后，需要依靠顯著目標檢測算法來進行識別，從而得出顯著目標是否存在的結論。

例如李牧等提出了一種顯著目標存在性檢測算法，利用中心周邊直方圖計算出的顯著圖，提取目標區域與圖像中心點距離、目標區域位置分布方差、目標區域在圖像邊緣的分布、目標區 域分布熵、圖像顯著圖的直方圖等5種特征進行分類，并利用投票的方式最終確定輸入圖片是否包含顯著目標。通過數據集驗證，能夠有效識別出指定目標的存在性。

3.2表面缺陷檢測

表面缺陷檢測的對象為二維平面上的元素，包括孔洞、污漬、劃痕、裂紋、亮點、暗點等常見的表面缺陷，這些缺陷特別是孔洞和裂紋等，可能嚴重影響產品質量和使用的安全性，準確識別缺陷產品非常重要。這方面的研究如岳文輝提出了一種CCD (Charge Coupled Device)圖像獲取系統，利用使用最普遍的電荷耦合器件CCD，在熒光磁粉無損檢測技術的基礎上，使用CCD進行圖像采集，然后使用相關算法進行圖像處理和模式識別，來檢測表面缺陷的類型和程度。

系統圖像處理和識別流程圖

零件檢測相關的工作流程一般大致如上圖所示。盡管系統針對于不同的對象和目的，但是其圖像處理和圖像識別內核差異不大。圖像處理和識別都是從采集的圖像出發，經過單色化處理、閾值處理，圖像膨脹處理，孤點濾波等預處理之后，對圖像的特征進行提取并描述，最終輸出結果。

4、 圖像識別

圖像識別利用機器視覺技術中的圖像處理、分析和理解功能，準確識別出一類預先設定的目標或者物體的模型。在工業領域中的主要應用有條形碼讀取、二維碼掃描識別等，以往多用NFC標簽等載體進行信息讀取，需要與產品進行近距離接觸。而隨著工業攝像機等硬件設備的更新換代，二維碼等標識可以被遠距離讀取和識別，而且攜帶的信息更豐富，可以將所有產品信息寫入二維碼，而無需聯網查詢信息。