1.1 为什么采用机器视觉

人眼与机器视觉对比

	人眼	机器视觉
精确性	差，64灰度级，不能分辨小于100微米的目标	强，256灰度级，可检测微米级目标
速度	慢，无法看清间隔小于40毫秒的运动目标	快，快门时间可达10微秒
适应性	弱，很多环境对人体有害	强，对环境适应性强(适应高震动，高噪音等环境)
客观性	低，数据无法量化	高，数据可量化，并在生产中生成报表
重复性	弱，易疲劳	强，可持续不间断24小时工作
可靠性	容易受主观情绪影响	客观，检测效果稳定可靠
效率	效率低	效率高，是人工的数倍
成本	人力和管理成本不断上升	一次性投入，成本不断降低

机器视觉的优点

• 在高速、高精、超时、微距等人眼受限的场景下，机器视觉检测精度高、一致性好，建立在客观分析和推理的基础上，有效避免了人工检测带来的主观性和个体差异性
• 检测速度快、节约成本，短期投入大、但长期使用平均成本却低于人工检测。随着相关技术的不断发展，检测速度提高迅速，成本不断下降

1.2 机器视觉主要应用

识别： 识别包括有无、颜色、字符/条码/二维码识别，主要通过甄别目标物体的物体特征来进行判定。

定位： 定位功能是在识别出物体的基础上，经过测量准确的给出目标物体的坐标位置，引导机器人完成后续的加工、装配、搬运等一系列动作。

测量： 测量泛指利用被测物体特征进行全局或局部尺寸数据获取的应用，包括：长度、平行度、角度、圆弧长、圆直径、半径、点线距离、点点距离等等。

检测： 对目标物体的缺陷进行检出 。

1.3 机器视觉项目的关键因素

能不能做好机器视觉项目，总结了以下关键因素：

• 成像效果，需要突出目标的特征
• 能否达到检测精度
• 节拍速度
• 工件大小、工件检测位置是否一致、工件检测内容是否一致
• 能否解决很好的解决不容易处理的缺陷异常
• 能否处理不容易观察到的缺陷
• 不容易达到的精度
• 能否避开影响项（如飞虫、水渍等）
• 设备尺寸位置受限于现场情况