-
-
手机阅读
机器视觉（MV machine vision）与计算机视觉（CV computer vision）虽然核心的算法都是图像识别算法，大体一样，但是从实际项目的角度是不一样的。CV项目一般面临的图像采集环境很复杂，光线的强弱、镜头距离物体的远近等都会导致采集到的图像质量可能不会很高；所以一般CV更多的是做目标物有无或基本轮廓匹配判断，一般不会涉及高精度测量和定位的问题。而MV项目一般用于工业领域，一般是用于高精度测量物体的轮廓尺寸或者精确定位物体的位姿，所以MV项目的相机、镜头、光源都是针对项目专门选定的，有时为了防止环境光干扰专门构建一个局部暗室也很正常。另外，受限于条件CV通常的识别率不会太高，但是MV识别率无限接近100%很正常。简单说，MV是工业上用的追求确定性的、特殊定制的一套软硬件系统。
机器视觉项目是一个机电一体化的工程，不能只注重视觉算法。机器视觉项目基本流程包括：a、从最初的根据项目需求对相机、镜头、光源的理论计算选型开始；b、之后针对被识别物体搭建简易的初步试验，确认选的硬件可以采集到满意的图像；c、然后开始采购相应硬件搭建本项目的开发平台，并开始结合实际工况和被测物开始编写识别算法，并且编写好与整体项目其他环节的通信接口；d、最后机器视觉识别效果最终用的如何还需要进行现场调试和改进。这一步非常关键，上一步在实验室理想环境开发好的硬件与软件系统在这一步很可能会出各种问题。比如设备整体运行时的震动引起相机震动导致图像模糊、工厂的其他设备的光源投射到本项目中产生了异常的光线阴影等。
识别效果的好坏不仅仅取决于算法的好坏，视觉硬件选型和现场调试很重要。特别是在一些要求高识别精度的项目，视觉硬件取得的图像质量如果不够好，后期算法虽然可以修正，但是这样就相当于让计算机在“猜”尺寸边界，这是不靠谱的。