文/Arnaud Destruels；Sony Image Sensing Solution Europe-VSDC

可以肯定地说，生产线效率一直是关注的焦点——不管是在传统行业，亦或是在那些对生产工艺和技术依赖度很高的行业（如奢华的钟表行业）都是如此。毋庸置疑，机器视觉已经在提升生产效率方面发挥着重要作用，不过其面临的挑战也日趋严峻。

为了满足这些要求并继续提升生产率和质量，工业视觉系统将需要再次实现巨大飞跃。如果我们看看诸如机器人生产线这样的系统，就会发现，现在这些生产线已经能够以异乎寻常的高速度制造高度复杂的产品。

一个典型的例子就是印刷电路板（PCB）的装配，SMT贴装设备（通常称为贴片机）能以每秒30多片的速度进行元器件贴装——相当于每小时贴装100,000多片。

因此，贴装精度备受关注。要确保能够发现器件贴装错误的PCB板并阻止其进入最终装配线，仔细的检测环节至关重要。

此外，还有极其重要的一点是能够尽可能快速地发现贴装错误，以防止有更多其他器件被贴装到已经不满足安装容差的电路板上，造成不必要的浪费。

因此，有必要在生产线上采用机器视觉系统并在各装配台之间采用全板检测系统。如果生产线中包含有多引脚器件或高成本器件，这一必要性就更大。这样一来，配备高帧率相机以及能实现高速数据传输通信接口的系统，也就必不可少了——目的是确保能够连续传送全分辨率图像，以实现快速处理。

然而，系统要求的并不仅仅是速度。

照明

在高效的工业图像处理中，照明发挥着非常关键的作用。感兴趣区域的照明（由LED或其他光源提供）必须足够强，以最小化相机的曝光时间。

另外，必须严格控制照明的角度，以实现高对比度，让关键特征能够从背景中被识别并读取。

类似地，照明的均匀性也扮演着重要角色，它能减少软件在检测每个被装配器件时所需的后处理时间。

然而，事情很少像听起来那么简单。当子装配体中被捕获的部分元器件刚好位于某些大型器件的阴影中，或者为了有效捕获相对于基底对比度较低的元器件图像而采用高亮度照明时，会导致图像的其他部件产生的眩光现象。这是一项主要的挑战。

后端处理／宽动态范围成像

这些问题，或多或少可以通过后端计算机系统上运行的图像处理软件来解决。不过，要让电路板在单幅图像中被捕获，就需要做出一些折衷，其最终结果就是可能会牺牲检测的准确度。

这里，由CMOS成像器产生的更高帧率，能够克服这个问题，并获得照明的均匀性——这是通过一种称为宽动态范围（WDR）成像的处理来实现的（见图1）。该技术使用了多幅连拍图像，其中每幅图像的曝光时间都略微有所不同。

对这些图像进行组合并生成一幅复合图像，就能获得比单幅图像更高位深。其最终的结果是：图像中部件上的阴影被修正，并且没有单次曝光中能见到的有效位深损失。

类似地，使用多次捕获的图像生成一幅复合图像，也将提高图像的整体质量。例如，热雾能在每张图像的不同部件上造成轻微的模糊，使图像处理软件难以发现问题所在，或者对完全合格的产品产生误判，这将导致随后对其进行重新检查或是报废处理，其成本都是非常高昂的。

通过执行图像平均化，能够快速而有效地消除图像上的缺陷，只让真正的问题呈现出来。

宽动态范围成像及图像平均化（通常指的是多像素平均）技术的应用，提供了可用于户外应用的关键特性，尤其是在智能交通系统（ITS）中。这里，在户外应用中，照明质量的变动非常大——例如，冬天的低日光照明环境为车牌号识别系统带来了巨大的光照水平差异。

利用WDR，不仅能在光照水平不可预测的情况下识别号牌，也能在光照快速变化的情况下识别号牌——例如，当超车车辆的影子盖住了部分或全部号牌的时候。

CMOS成像技术对CCD的超越

CMOS图像传感器的发展，已经使现在的机器视觉系统能够应付高吞吐量拍摄和多图像拍摄所带来的高要求。相比于基于电荷耦合器件（CCD）架构的传统成像器，CMOS成像器可以使用大量并行处理。

CCD成像器使用一个长移位寄存器，以实现串行读取像素。这是限制拍摄速率的一个重要因素，是一个限制吞吐率的主要瓶颈。相比之下，CMOS成像器在每行像素的末端都有一个模数转换器（ADC）。

这样一来，输出寄存器可以同时在一整列转换器上收集图像信息——例如，索尼公司的最新一代Global Shutter（GS）CMOS成像器，实现了高达150fps的帧率和500万像素的分辨率（见图2）。这比同等级别分辨率的CCD成像器快了一个数量级。

使用这种高帧率的工业相机能带来性能上的余量，使多曝光WDR及缺陷消除技术成为可能。

全局快门提升精确度

通过使用全局快门，可以进一步提升精确度。全局快门能够确保图像中所有像素点的曝光发生在同一时间点，这与卷帘快门架构完全不同。

卷帘快门是对每行像素依次曝光并捕获，尽管这种曝光结构在标准应用中没有问题，但是当在高速生产线上拍摄图像时，对于高速运动的物体而言，卷帘快门就会突显出每行像素都在轻微不同的时间点捕获的情况，导致相机拍摄到的图像产生畸变。

空间精度的改善也减轻了图像处理硬件的负担，因为它降低了误识别的几率，从而消除了对输出的原始图像进行变换或旋转校正的需求。例如，GS CMOS通过安装点上非常精细的容差设计，进一步改善了这种情况（见图3）。

同步需求

由于这些高帧率特性，现在就需要使用IEEE 1588精确时间协议（PTP），同步生产线上的时钟系统（或智能交通系统等应用所用到的系统）。这种通过PTP协议将同一网络（如千兆以太网）上的系统向一个公共时钟同步的方式，使得生产线上的机器人系统能够轻松、精确并快速地识别任何图像帧中的目标，消除对生产线下游的进一步影响。

通信标准

机器视觉中有几种通信标准在使用，例如GigE、Camera Link等。为了最大化这些接口的速度（吞吐率），尤其是在多相机系统中，避免网络条件变化时所产生的数据包冲突和瓶颈至关重要。智能流量控制（现在它们已经出现在高级成像器中，如GS CMOS）等特性将有助于更好地管理这一过程。

结论

机器视觉技术已经帮助无数行业实现了效率的提升。处理器速度和传感器技术将持续快速提升，但是一个高质量、高效率的系统，并不仅仅意味着这些特性。

我们需要对系统设计进行通盘考虑。同时，就好比体育运动，我们需要持续取得边际增益来消除每一个瓶颈，通过这种方法我们得出一种照相机架构，它能在广泛的行业中发挥作用，加速其处理流程，并给客户带来效率上的提升。