工業視覺學些什麼

A. 機器視覺新手應該如何學習

機器視覺（MV machine vision）與計算機視覺（CV computer vision）雖然核心的演算法都是圖像識別演算法，大體一樣，但是從實際項目的角度是不一樣的。
CV項目一般面臨的圖像採集環境很復雜，光線的強弱、鏡頭距離物體的遠近等都會導致採集到的圖像質量可能不會很高；所以一般CV更多的是做目標物有無或基本輪廓匹配判斷，一般不會涉及高精度測量和定位的問題。而MV項目一般用於工業領域，一般是用於高精度測量物體的輪廓尺寸或者精確定位物體的位姿，所以MV項目的相機、鏡頭、光源都是針對項目專門選定的，有時為了防止環境光干擾專門構建一個局部暗室也很正常。另外，受限於條件CV通常的識別率不會太高，比如人臉識別達到98%（網上有吹自己演算法人臉識別率達到99.7%以上的，這種只能呵呵，基於標准圖庫識別率當然高，實際應用中結合實際復雜的環境因素是不可能的），但是MV識別率無限接近100%很正常。簡單說，MV是工業上用的追求確定性的、特殊定製的一套軟硬體系統。
機器視覺項目是一個機電一體化的工程，不能只注重視覺演算法。機器視覺項目基本流程包括：
a、從最初的根據項目需求對相機、鏡頭、光源的理論計算選型開始；
b、之後針對被識別物體搭建簡易的初步試驗，確認選的硬體可以採集到滿意的圖像（這一步採集到的圖像質量的好壞人眼就可以基本判斷，可以不用藉助演算法）；
c、然後開始采購相應硬體搭建本項目的開發平台，並開始結合實際工況和被測物開始編寫識別演算法，並且編寫好與整體項目其他環節的通信介面；
d、最後機器視覺識別效果最終用的如何還需要進行現場調試和改進。這一步非常關鍵，上一步在實驗室理想環境開發好的硬體與軟體系統在這一步很可能會出各種問題。比如設備整體運行時的震動引起相機震動導致圖像模糊、工廠的其他設備的光源投射到本項目中產生了異常的光線陰影等。
識別效果的好壞不僅僅取決於演算法的好壞，視覺硬體選型和現場調試很重要。特別是在一些要求高識別精度的項目，視覺硬體取得的圖像質量如果不夠好，後期演算法雖然可以修正，但是這樣就相當於讓計算機在「猜」尺寸邊界，這是不靠譜的。

B. 如何學習機器視覺

1. 從圖像處理入手，先了解圖像處理最基本的操作，如圖片的讀取、顯示，仿射變換，平滑、銳化、腐蝕膨脹等。

2. 理論實踐結合。

C. 機器視覺自學需要學什麼

找本機器視覺的書來系統的學習。
比如：《圖像處理分析與機器視覺》、《機器視覺演算法與應用》、《機器視覺與機電一體化實踐》

D. 機器視覺怎麼入門

機器視覺系統就是利用機器代替人眼來作各種測量和判斷。它是計算機學科的一個重要分支，它綜合了光學、機械、電子、計算機軟硬體等方面的技術，涉及到計算機、圖像處理、模式識別、人工智慧、信號處理、光機電一體化等多個領域。圖像處理和模式識別等技術的快速發展，也大大地推動了機器視覺的發展一個完整的機器視覺系統的主要工作過程如下：1、工件定位檢測器探測到物體已經運動至接近攝像系統的視野中心，向圖像採集部分發送觸發脈沖。2、圖像採集部分按照事先設定的程序和延時，分別向攝像機和照明系統發出啟動脈沖。3、攝像機停止目前的掃描，重新開始新的一幀掃描，或者攝像機在啟動脈沖來到之前處於等待狀態，啟動脈沖到來後啟動一幀掃描。4、攝像機開始新的一幀掃描之前打開曝光機構，曝光時間可以事先設定。5、另一個啟動脈沖打開燈光照明，燈光的開啟時間應該與攝像機的曝光時間匹配。6、攝像機曝光後，正式開始一幀圖像的掃描和輸出。7、圖像採集部分接收模擬視頻信號通過A/D將其數字化，或者是直接接收攝像機數字化後的數字視頻數據。8、圖像採集部分將數字圖像存放在處理器或計算機的內存中。9、處理器對圖像進行處理、分析、識別，獲得測量結果或邏輯控制值。10、處理結果控制流水線的動作、進行定位、糾正運動的誤差等。 從上述的工作流程可以看出，機器視覺是一種比較復雜的系統。因為大多數系統監控對象都是運動物體，系統與運動物體的匹配和協調動作尤為重要，所以給系統各部分的動作時間和處理速度帶來了嚴格的要求。在某些應用領域，例如機器人、飛行物體導制等，對整個系統或者系統的一部分的重量、體積和功耗都會有嚴格的要求。（良） 清楚了以上機器視覺的原理和過程之後，我建議： 1）人類和動物視覺系統的原理 2）攝像機技術與原理 3）圖像識別和處理技術 4）計算機技術5）人工智慧

E. 機器視覺學什麼語言

目前可以開發機器視覺的相關計算機語言有C++，C#，JAVA，PYTHON等，甚至簡單的PHP和JAVASCRIPT也可以開發相關的功能。

機器視覺需要用到圖像處理庫，有很多免費且開源的第三方圖像庫可以用，如十分著名的OpenCV，有C++，JAVA，PYTHON的版本，它包含了很多現成的函數，可以處理圖像的形狀，顏色，大小，圖像文件保存，找相似圖像，物體邊緣（Cannyedge）演算法。

機器視覺的另一個方向是神經網路深度學習演算法。這裡面有代表性的是谷歌的TensorFlow，具有很強大的機器視覺能力。

文字識別方面的代表有谷歌的Tesseract，這也是開源項目。

機器視覺用什麼硬體

一個典型的機器視覺系統包括以下五大塊：

1.照明

照明是影響機器視覺系統輸入的重要因素，它直接影響輸入數據的質量和應用效果。由於沒有通用的機器視覺光源照明設備，所以針對每個特定的應用實例，要選擇相應的照明裝置，以達到最佳效果。光源可分為可見光和不可見光。常用的幾種可見光源是白幟燈、日光燈、水銀燈和鈉光燈。可見光的缺點是光能不能保持穩定。如何使光能在一定的程度上保持穩定，是實用化過程中急需要解決的問題。另一方面，環境光有可能影響圖像的質量，所以可採用加防護屏的方法來減少環境光的影響。照明系統按其照射方法可分為：背向照明、前向照明、結構光和頻閃光照明等。其中，背向照明是被測物放在光源和攝像機之間，它的優點是能獲得高對比度的圖像。前向照明是光源和攝像機位於被測物的同側，這種方式便於安裝。結構光照明是將光柵或線光源等投射到被測物上，根據它們產生的畸變，解調出被測物的三維信息。頻閃光照明是將高頻率的光脈沖照射到物體上，攝像機拍攝要求與光源同步。

2.工業鏡頭

FOV（FieldOfVision）=所需解析度*亞象素*相機尺寸/PRTM（零件測量公差比）鏡頭選擇應注意：①焦距②目標高度③影像高度④放大倍數⑤影像至目標的距離⑥中心點/節點⑦畸變

3.相機

按照不同標准可分為：標准解析度數字相機和模擬相機等。要根據不同的實際應用場合選不同的相機和高解析度相機：線掃描CCD和面陣CCD；單色相機和彩色相機。

4.圖像採集卡

圖像採集卡只是完整的機器視覺系統的一個部件，但是它扮演一個非常重要的角色。圖像採集卡直接決定了攝像頭的介面：黑白、彩色、模擬、數字等等。

比較典型的是PCI或AGP兼容的捕獲卡，可以將圖像迅速地傳送到計算機存儲器進行處理。有些採集卡有內置的多路開關。例如，可以連接8個不同的攝像機，然後告訴採集卡採用那一個相機抓拍到的信息。有些採集卡有內置的數字輸入以觸發採集卡進行捕捉，當採集卡抓拍圖像時數字輸出口就觸發閘門。

目前，千兆網口工業相機逐步成為主流，圖像採集卡一般採用視覺專用的千兆網卡。

5.視覺處理器

視覺處理器集採集卡與處理器於一體。以往計算機速度較慢時，採用視覺處理器加快視覺處理任務。現在由於採集卡可以快速傳輸圖像到存儲器，而且計算機也快多了，所以現在視覺處理器用的較少了。

F. 工業機器視覺學習需要多久

3個月-5年左右，學得快的3個月就能學好，學得慢的需要好幾年。
1、本科及以上學歷，有3-5年的機器視覺工作背景或智能相機開發經驗以及項目經驗
2、熟練掌握C/C++/Python語言，有較強的演算法分析和實現能力
3、熟悉工業相機、鏡頭、光源及採集卡的選型4、有OpenCV演算法庫和常用的數字圖像處理演算法項目經驗優佳
5、有OCR檢測軟體開發經驗或產品檢測軟體開發經驗優先。

G. 機器視覺方面工程師在公司里具體要做哪些事情需要掌握哪些知識

看做哪方面的視覺工程師，給別人做視覺系統集成的還是做視覺開發的是不同的。

1、要是做視覺系統集成的就是整天按照人家工藝的要求調試你要檢測物體的畫面，然後給客戶的提一些光源的要求還有機械上的要求，還有項目後期要不間斷的去現場。

2、要是做視覺開發的話就是天天聽客戶反饋然後無止境的思考演算法，還有寫軟體。搞硬體的話就是研究光學成像問題。

圖像處理工程師需要掌握的知識有：

最基本圖形處理的開發與研究，熟悉圖像處理的各種演算法，特別是圖像去燥、圖像增強、復原、質量改善、檢測、色彩科學、圖像分割、圖像識別處理、圖像跟蹤、圖像的獲取及視頻處理。

具體應用包括人臉識別、醫學影像處理、多點識別、文字檢測與是識別。特別的，結合不同應用，還需要自然語言處理知識。

另外，要有優秀的數學功底（特別是線性代數、優化理論、統計知識）

(7)工業視覺學些什麼擴展閱讀

機器視覺的應用主要有檢測和機器人視覺兩個方面：

⒈ 檢測：又可分為高精度定量檢測（例如顯微照片的細胞分類、機械零部件的尺寸和位置測量）和不用量器的定性或半定量檢測（例如產品的外觀檢查、裝配線上的零部件識別定位、缺陷性檢測與裝配完全性檢測）。

⒉機器人視覺：用於指引機器人在大范圍內的操作和行動，如從料斗送出的雜亂工件堆中揀取工件並按一定的方位放在傳輸帶或其他設備上（即料斗揀取問題）。至於小范圍內的操作和行動，還需要藉助於觸覺感測技術。

【機器視覺特點】

⒈攝像機的拍照速度自動與被測物的速度相匹配，拍攝到理想的圖像；

⒉零件的尺寸范圍為2.4mm到12mm，厚度可以不同；

⒊系統根據操作者選擇不同尺寸的工件，調用相應視覺程序進行尺寸檢測，並輸出結果；

⒋針對不同尺寸的零件，排序裝置和輸送裝置可以精確調整料道的寬度，使零件在固定路徑上運動並進行視覺檢測；

⒌機器視覺系統解析度達到2448×2048，動態檢測精度可以達到0.02mm；

⒍廢品漏檢率為0；

⒎本系統可通過顯示圖像監視檢測過程，也可通過界面顯示的檢測數據動態查看檢測結果；

⒏具有對錯誤工件及時准確發出剔除控制信號、剔除廢品的功能；

⒐系統能夠自檢其主要設備的狀態是否正常，配有狀態指示燈；同時能夠設置系統維護人員、使用人員不同的操作許可權；

⒑實時顯示檢測畫面，中文界面，可以瀏覽幾次不合格品的圖像，具有能夠存儲和實時察看錯誤工件圖像的功能；

⒒能生成錯誤結果信息文件，包含對應的錯誤圖像，並能列印輸出。

H. 學習機器視覺需要掌握哪些知識

機器視覺首先數學基礎得打好，包括微積分，線性代數，優化理論等等，其次常用得深度學習圖像處理框架得會，包括目標提取，目標檢測等知識

I. 大連工業大學視覺傳達設計專業要學哪些課程，好學嗎

主要課程：
素描、色彩、構成基礎、攝影基礎、圖形創意、字體與編排設計、標志與符號設計、海報設計、書籍設計、廣告設計、企業形象設計、廣告策劃、廣告文案寫作、品牌整合設計、展示設計、UI設計、媒體腳本設計、公共空間表現技法、裝飾材料與施工、展示設計、室內陳設用品設計、建築小品設計、園林景觀設計等。