机器视觉主要研究用计算机来模拟人的视觉功能，通过摄像机等得到图像，然后将它转换成数字化图像信号，再送入计算机，利用软件从中获取所需信息，做出正确的计算和判断，通过数字图像处理算法和识别算法，对客观世界的三维景物和物体进行形态和运动识别，根据识别结果来控制现场的设备动作。从功能上来看，典型的机器视觉系统可以分为:图像采集部分、图像处理部分和运动控制部分，计算机视觉是研究试图建立从图像或者多维数据中获取“所需信息”的人工智能识别系统。正广泛地应用于医学、军事、工业、农业等诸多领域中。

视觉技术研究与应用的必要性

视觉技术在国内外发展极其必要。2008年经济危机极大冲击了美国至全球的各个领域。美国汽车制造业 “Big Three”频临破产，进一步自动化是唯一出路。美国政府推行“Made in US” 计划。出台多个政策刺激鼓励企业技术发明创新，视觉技术的应用就显得非常必要。近年在国内，劳动力工资成本大幅提高，很多生产企业迁移到人力资源更低廉的国家和区域，食品、医药质量事件不断。“Made in China”在世界声誉亟需提高，为提高质量保持竞争力，各领域的视觉检测及高度自动化势在必行。视觉检测对工业自动化的重要性与日俱增，工业自动化需求对视觉技术的推动高度集成化。

国外典型研究与应用

对于机器视觉技术，世界各国都在研究与应用。1994年S.T rika等研究了一种基于机器视觉的多面体零件特征提取技术，获得零件特征。1998年，J.Merlet等将机器视觉技术应用于部件装配。同年， Du-Ming Tsai等将机器视觉和神经网络技术相结合， 实现对机械零件表面粗糙度的非接触测量。2003年，Eladaw .iA.E将机器视觉技术用于数控铣加工中， 以获得实时加工数据。日本的视觉识别机器人研究，从数量或研究成果看都占据着明显的领先地位.美英德韩也都在开展相关研究。国外的卡耐基-梅隆等提出了一种在视频帧中检测文字的方法。韩国Soongsil大学的Kim基于支持向量机和Camshift算法检测视频帧中的文字。

国内典型研究与应用

相对国外，国内计算机视觉技术应用研究起步较晚，与国外有差距，还需进一步在深度、广度及实践方面作出努力。国内的李留格等采用BP神经网络来进行轮胎胎号字符识别;李朝辉等利用形态算子提取视频帧的高频分量，把文本字符从复杂的视频中分离出来;周详等利用改进的BP神经网络对字符进行识别，提高了识别率和识别速度。字符识别技术是机器视觉领域的一个重要分支，在文字信息处理，办公自动化、实时监控系统等高技术领域，都有重要的使用价值和理论意义。

机器视觉识别技术应用实例

当前，机器视觉已成功地应用于工业检测领域，大幅度地提高了产品的质量和生产效率。譬如，企业中用于检测输血袋编号。在血袋生产过程中，血袋上的字符编号的正确和唯一是必不可少的检测信息。依靠工人的肉眼逐条检测带状转印薄膜上的字符串，来追踪血袋编号是否错印，劳动强度大，效率低，不能从根本上保证检测质量。一旦血袋编号出现重印、错印将会发生严重医疗事故，因此一种基于机器视觉技术的血袋编号字符的提取、识别与错误反馈于一体的检测系统就适时、必要的诞生了，用以提高一次性血袋出厂编号的检测精度和自动化水平，保证产品质量，解决生产实际问题。

字符在线识别系统组成

为达到识别目的，识别系统由硬件和软件构成。硬件系统主要有血袋编号检测台机械结构、LED阵列照明系统、血袋编号图像采集系统、摄像机和计算机等。软件部分是系统的核心，主要由图像预处理、字符定位、字符倾斜校正、字符分割、字符识别等部分组成。

识别系统的实现

系统基于labVIEW编程、图像处理、微型计算机接口技术等实现输血袋的文字在线识别。使用图像灰度化技术、平滑、校正、直方图均衡化等技术进行图像预处理。使用投影定位法等对字符进行定位。使用投影法、模版匹配等进行倾斜角度调整。使用垂直投影法对字符进行分割。使用了BP神经网络来识别分割后的字符。为提高识别率，设计训练了三个神经网络:字母网络、数字网络、字母与数字网络。

实验结果

利用该系统做过多次实验，测试了大量数据，整体看，系统稳定可靠，系统对输血袋文字识别程度非常高。本系统提高生产效率和生产过程的自动化程度，并为机器视觉系统应用于此种生产线，提供了成功的先例和经验。但由于各种原因，也会对识别的结果有一定的影响，因此，在识别率方面，尚有一定的差距。

文章来源：《数字技术与应用》 网址: http://www.szjsyyyzz.cn/zonghexinwen/2020/0727/454.html