- · 《自动化应用》栏目设置[06/28]
- · 《自动化应用》收稿方向[06/28]
- · 《自动化应用》投稿方式[06/28]
- · 《自动化应用》征稿要求[06/28]
- · 《自动化应用》刊物宗旨[06/28]
来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。 一、投稿方式： 1、 请从 我刊官网 直接投稿 。 2、 请 从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。 二、稿件著作权： 1、 投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、 投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、 投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、 投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、 投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、 第5条所述之网络是指通过我刊官网。 7、 投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。
机器视觉 + 运控控制——自动化产线升级的利器
作者:网站采编关键词:
摘要：机器视觉是计算机视觉的一个分支，工业自动化领域中的视觉控制或视觉应用，主要指的是通过前端光学摄像头，从采集到的数字化图像中提取相关信息，进行分析处理之后，用于对生
机器视觉是计算机视觉的一个分支，工业自动化领域中的视觉控制或视觉应用，主要指的是通过前端光学摄像头，从采集到的数字化图像中提取相关信息，进行分析处理之后，用于对生产线流程或质量的控制，以代替重复性人工操作。目前，机器视觉在工厂生产环节中的实际应用包括：对生产工件的完整性质量检测、识别、分类、零件位置及方向、尺寸测量、读码识别追溯、表面/色差检测、自动化流水线作业等等。可以说，机器视觉为流水产线、自动化设备安装上了一双“眼睛”，能够提供全天候、高一致性、高可靠性的检测结果，增添了工厂生产的智能化水平，因而也成为了迈向智能制造的一项重要技术。
根据有关机构的统计数据显示，在2019年，全球用于工业自动化领域的机器视觉技术的市场规模达53.7亿美元左右，预计到2023年将达122．9亿美元，年复合增长率高达21%，市场潜力巨大。
从整体供应链来看，参与机器视觉系统开发的厂商大致上可以分为上游底层开发商，含核心零部件和软件开发商；中游从事二次开发的设备集成和软件服务商；以及下游所面对的各类机器视觉应用厂商。其中，核心零部件及软件供应商主要包括光源、镜头、工业相机、图像采集卡、图像处理软件等类型厂商，而在整个成本构成中，零部件及软件开发的费用基本上占了约80%的比例，可谓是重中之重。光源供应商有OPT奥普特、锐视光电等；工业相机的主要品牌有Basler、堡盟、DALSA、Point Grey、Images Source等；市场上较知名的图像软件包有Halcon（MVtec）、VisionPro（康耐视）、免费开源库Opencv、MIL（Matrox）等；运动控制卡供应商有固高、雷赛、研华等等。
目前机器视觉在工业控制领域大多属于二次开发层面，形式主要包括系统集成以及组装生产自动化专机等等，要求开发商能够掌握不同生产制造环境中的Know-How技术，设计出有针对性的产品或集成方案，视觉点胶控制、视觉螺丝机控制、视觉定位+飞拍、视觉检测等电子产品后段制造流程都是现在市场上的开发热点。大部分厂商采用的都是“软件平台+视觉开发包”的开发模式，开发包基于软件平台对常用各种图像处理算法进行封装，软件工程师可直接调用封装好的算法，实现各种复杂的图像处理和分析功能，大幅降低了二次开发的难度和工作量。
图1 机器视觉产业供应链组成
图2 工业自动化领域机器视觉应用分析（资料来源：智研咨询）
视觉应用的三大层面难题
但就实际应用而言，在目前机器视觉+运动控制方案的实施过程中，各种“门槛”依然较高，问题主要来自于三个方面：一是，对于大部分技术开发工程师来说，机器视觉技术是一个全新的领域，要学习一种新的编程语言（如C++）存在一定的难度，需要花费大量的时间和精力，加上视觉项目一般都是非标的，开发者的经验非常重要，普通电气工程师要想快速掌握机器视觉应用的编程和调试，绝非易事。
其次，对于设备制造商而言，为了提高工厂的生产效率，制造业产线升级的需求迫切，机器视觉的应用已经成为其中的一个重点，但机器视觉的硬件投资成本一直居高不下，令他们望而却步；除了硬件投入之外，往往后期还需要高薪聘请视觉工程师对买回来的视觉系统进行开发和维护，这无疑又加重了工厂的人力成本。如何能够有效地控制投资成本，是他们的主要诉求点，例如是否可以既经济又方便地在现有设备系统的基础上添加机器视觉功能等。
另外，对于终端用户来说，在使用机器视觉技术的过程中会发现，机器视觉和自动化控制（流程控制、工艺控制等）往往分属于两套不同的系统之中，两者之间常常可能会由于通讯等多种因素而导致整个系统的不稳定（如出现停机、停线等状况）。尤其是在当前多品种、小批量、柔性化的生产模式下，产线的频繁更换，增加了对机器视觉系统流程的修改和调试时间，从而大大影响了工厂产能，因此，如何让设备在生产中更加稳定，同时操作也更为便捷，能够满足产线快速调整和切换的需要，是机器视觉技术开发的一个课题。
机器视觉与运动控制的无缝集成
一般来说，机器视觉+运动控制应用大多数硬件架构都是采用一台控制器，通过外部连接视觉系统及产线上各个部位的工业智能相机及光源，视觉信号通过线缆和串口被传输到控制器中。在内部软件框架中，以常见的计算机视觉为例，视觉程序一般位于Windows系统中的非实时用户模式中，进行代码分析和算法处理；而PLC工艺流程控制则多位于实时内核模式之中。由于非实时用户模式的任务执行机制采用的是优先级别，因此当CPU的负荷过高、内存过大、处理流程过多时，就可能会出现卡顿的现象，使得在非实时用户模式下的机器视觉在完成同一检测任务时最终所需要花费的时间却不一样，导致减慢生产节拍，影响生产效率。
文章来源：《自动化应用》 网址: http://www.zdhyyzz.cn/zonghexinwen/2020/0717/416.html