隨著制造業(yè)的發(fā)展，智能制造技術日漸成為實現(xiàn)制造的知識化、自動化、柔性化以實現(xiàn)對市場的快速響應的關鍵技術。

其主要應用包括基于神經(jīng)網(wǎng)絡的智能檢測、故障診斷、識別、設計、優(yōu)化，基于遺傳算法的優(yōu)化設計，基于規(guī)則、基于框架的專家系統(tǒng)，基于類比推理、歸納學習與基于實例推理的知識系統(tǒng)，基于Agent技術的分布式智能制造系統(tǒng)等等。

智能制造主要關注于高端裝備制造，在制造過程中進行分析推理、判斷、思考、決策等活動。智能制造系統(tǒng)從原始的能量驅動轉變?yōu)樾畔Ⅱ寗?，這對于制造系統(tǒng)的靈活性和數(shù)字化提出了很高的要求。

在智能制造系統(tǒng)中，原始信息的采集是最基礎的工作，原始信息推動著整個系統(tǒng)的決策和工作。機器視覺技術作為當前的熱門技術之一，具有高度的靈活性，能適應各種生產(chǎn)環(huán)境，擁有強大的理論支持，在智能制造領域得到了廣泛的應用。

本文針對于智能制造，介紹了機器視覺的相關關鍵以及其在制造過程中的相關應用，并基于此探討機器視覺在未來先進制造、智能制造中的應用前景。

 機器視覺在智能制造中的應用

機器視覺的應用優(yōu)勢在于無需與被測物體進行接觸，因此被測物體和測量裝置操作過程中都不會產(chǎn)生損壞，是一種相對于而言更安全可靠的檢測手段。此外，測量裝置的適用范圍和互換性都非常的廣泛，不僅僅局限于某一類物體。理論而言，機器視覺技術甚至可以用來探測人眼無法觀察到的部分，例如紅外線、微波、超聲波等，通過傳感器可以將這些信息進行捕獲和處理，從而拓展了人類的視覺范圍。相對機器視覺而言，人類視覺容易受到個體狀態(tài)的影響，難以進行長時間的觀測，在惡劣下表現(xiàn)不理想，因此，機器視覺技術常常用于長時間檢測工作和在線處理，以及人類無法工作的極端環(huán)境下。

正是因為這些特性，機器視覺技術被廣泛應用于工業(yè)生產(chǎn)的各個步驟。在智能制造體系中，機器視覺的應用主要可以歸納為四個方向：尺寸測量、物體定位、零件檢測、圖像識別。

1、 尺寸測量

隨著制造工藝的不斷提高，工業(yè)產(chǎn)品尤其是大型構件的外形設計日趨復雜。同時，由于大型構件的體積和重量限制，不便于經(jīng)常移動，給傳統(tǒng)的測量方式帶來了巨大的困擾。機器視覺測量技術是一種基于光學成像、數(shù)字圖像處理、計算機圖形學的無接觸的測量方式，擁有嚴密的理論基礎，測量范圍更廣，而且相對于傳統(tǒng)測量方式而言，擁有更高的測量精度和效率。

根據(jù)不同的光照方式和幾何關系，視覺檢測方法可以分為兩種：被動視覺探測和主動視覺檢查。被動視覺探測直接采用了原始圖像，這些在工業(yè)環(huán)境中獲取的原始圖像并沒有明顯的特征信息；而主動檢測方式能夠主動的去產(chǎn)生所需的特征信息，從而避免立體特征匹配困難，所以在工業(yè)檢測中應用范圍更廣。

主動視覺檢測方式包括激光測距、云紋干涉法、簡單三角形法，結構光法與時差法等方法。例如魏振忠[10]提出了一種基于結構光視覺傳感器的物體測量方法，可用于提高大型工件的結構光三維視覺的檢測精度。在結構光方法的測量過程中，由于靶標上的基準坐標點很難準確落在結構光平面上，導致空間坐標的準確獲取難以實現(xiàn)。在此測量方法中，通過一種基于雙重交比不變的結構光視覺傳感器的標定方法，并配合相應的標定靶標，從根本上解決了此問題。

2. 物體定位

傳統(tǒng)制造業(yè)中的焊接、搬運、裝配等固定流程正在逐步被工業(yè)機器人取代，這些步驟對于工業(yè)機器人來說，只需要生成指定的程序，然后按照程序依次執(zhí)行即可。在機器人的操作過程中，零件的初始狀態(tài)（如位置和姿態(tài)等）與機器人的相對位置并不是固定的。這導致工件的實際擺放位置和理想加工位置存在差距，機器人難以按照原定的程序進行加工。隨著機器視覺技術以及更靈活的機器手臂的出現(xiàn)，這個問題得到了很好的解決，為智能制造的迅速發(fā)展提供了動力。

3、零件檢測