数字机器视觉系统的输出质量取决于图像的质量。高质量的图像让系统可以准确的解释在检测过程中从物品上提取的信息，并保证可靠、可重复的系统性能。

然而，在任何视觉应用需要的图像质量都高度依赖照亮物品时所进行的照明配置：颜色、角度、发光量。上述这些指标体现了照片之间的差异，好的图片可以取得良好的结果，而不好的照片则会导致糟糕的结果。

很显然，机器视觉照明应该最大化需要检测特征的对比度，同时最小化照片上其他部分的对比度，因此需要照相机能够清楚的看到零件或者标记。高对比度可以简化集成、提升可靠性，对比度低的图片和不均匀的照明会增加系统的工作量，同时增加处理时间。

照明配置优化需要取决于受检零件的尺寸、表面特征和零件几何特征以及系统需求。机器视觉照明所支持的波长（颜色）、浏览区域（尺寸）、几何特征（形状）都是可以选择的，因此它可以根据特别应用进行定制。在选择照明的时候需要考虑的因素如下：

表面平坦吗？是有点不平还是非常不平？

表面是否有光泽？

物品是曲面还是平面？

条码或者标记是何种颜色？

你是在检测静态物品还是运动物品？

给定计划周全的照明解决方案可以让系统的性能更好，并且从长远来说可以节约时间、工作量和资金，我们给出了如下8点有关一般机器时间应用照明的小贴士：

贴士1：使用亮光检测物料缺失

从塑料模具中发现物料缺失，是一项非常重要的工作，可以保证良好的密封表面。一旦物料出现缺失，你就会面临一个欠注的情调整照明之前（左）和之后（右）的机器视觉图片。况，也就是说向模具中注入物料数量不足。

为了识别出欠注的情况，需要使用照明装置照亮密封表面上的确实物料。这一亮区照明技术取决于表面材质和平整度。光线打到平整的表面上，可以强劲反射到照相机当中，创造一个亮区，同时粗糙的材质或者缺失的表面会发生散射，照相机不会接收很多光线，因此形成了需要拒绝的暗区。

贴士2：使用波长诊断正确的元件位置

你的IC芯片翻转了吗？识别正确的元件方向，是在PCB自动装配中的一种常见的机器视觉应用。有时候芯片并没有铜面向下固定在基板上进行合理的电气连接，而是翻转过来，银面向下，因此元件和装配会失效。

蓝色波长（460纳米）可以敏锐的分辨铜质表面和银质表面：银质（正确安装的元件）可以反射蓝光，因此看起来很亮，而铜质（非正确安装的元件）会吸收蓝光看起来比较暗、这种显著的差异可以通过机器视觉系统迅速识别，可以实时进行修正。

贴士3：使用非发散光检测玻璃裂纹

你遇到过玻璃缺陷吗？在包装运输之前对玻璃器皿进行侧壁检测寻找裂缝，对于减少浪费、减少返工、提升消费者信心都是非常重要的。

在这个应用当中，使用暗区照明方法在灰暗的背景上创造出一块明亮、易于识别的特征。光线从灰暗的区域（照相机视野之外的区域）直接照射到透明的玻璃瓶上。

绝大部分光线穿越了透明物品，这是照相机检测不到的。然而，如果有材料不规则的情况，比如说有裂纹存在，一些光纤就会发生不规则的折射。具体来说，裂纹会造成中空，光线折射、反射、散射到很多方向上，包括回到照相机。所以就会有光线将难以检测到的裂纹折射成灰暗背景上的一个亮区（缺陷）。

贴士4：使用散射光检测透明包装

水泡的内部是什么样子？ 检测泡状包装单元中缺失、破损或者错误的内容，对于保证药品质量是很重要的一个检测步骤。照亮包装可以避免单元包装表面的反射， 这通常是一个很难以解决的问题。

为了展示包装单元及其内容的准确图像，机器视觉照相机需要将从平滑的单元表面反射过来的光全部消除（使其从视觉上消失），同时提供单元内部内容的高对比度、中性色图像。

使用连续散射照明技术，比如Microscan的CDI（阴天照明），可以淡化表面材质，提供一个非常大的固定照明角度，从多个角度将光线引导到物品上面，因此消除了同一方向或者单一表面光源的反射和阴影。

这就为照相机提供了泡状包装单元内部的无眩光图像，而泡表面完全从图中消失了。

贴士5：使用彩色形成对比

在机器视觉应用中创建高对比度图像的一种有效方法，是使用特殊波长的光（彩色）照亮物品。彩色光可以比单色相机仅仅使用明暗两种颜色表现更多的特征。

使用色轮作为参考，选择相反颜色的光使特征变暗，选择相同颜色的光则可以让特征变亮。举例来说，如果你希望变暗的是红色，那么就使用绿色光，而使用绿色光则会让绿色的特征更加明亮。

贴士6：对于快速移动的零件使用频闪光

对于高速应用场合，如果零件移动非常迅速，可以使用频闪光，而捕捉到的图像是模糊的。为了计算正确的频闪脉冲宽度（最大可接受的模糊度=1个像素），可以使用下列公式：

频闪脉冲宽度 = 可视区域(英寸)  像素

-------------------------------------------------------

零件速度 （英寸/秒）

在这个公式当中，可视区域（FOV）与像素都是来自运动轴。比如，假设典型的一英寸FOV和640像素，零件速度是每秒钟500英寸，那么所需的频闪脉冲宽度就是3.1微秒。

贴士7：使用红外线消除反射

机器视觉系统需要依赖数字照片中的灰度转换。在很多视觉应用中，周围的光源（比如屋顶的照明）会造成意料之外的反射光，使得视觉系统检测到感兴趣的特征变得非常难甚至是不可能。可以使用红外线光源解决这个问题。

贴士8：使用红外线消除色差

还可以使用红外线消除彩色物品之间的灰度差。深色物品可以吸收红外光波，颜色一致，否则就会造成不同的阴影。照明解决方案可以检测色彩和阴影之间的差异，而且并不会影响检测。

Microscan是一家机器视觉系统供应商(www.microscan.com)。

------------------------------------------------------------------------------------------------

视觉提升快速消费品行业产能

在联合利华使用机器视觉技术之后，公司很轻松的就提高了菲律宾止汗剂工厂的产能。

快速消费品（FMCG）行业需要面向广大消费者开发、制造并销售包装商品、家用护理和个人护理产品。尤其是个人护理部门最近一些年正在所有的主要市场经历着强劲的增长，这是因为消费者越来越关心自己的外表和容貌，引发了全球对于这类产品的需求持续增加。

从全球的角度看，快速增长的原因实则也包含很多方面，比如：消费者购买力的增加、对于容貌的日益关注、草本及有机产品的推广、生活方式和气候的变化以及大规模的广告和促销活动。

领导品牌不断的发布新品，吸引消费者。目标客户为女性的个人护理行业市场份额增加的速度大约为每年2000亿美元。而联合利华是个人护理市场的一个主要的品牌，占据全球相关市场销售额的30%。

满足需求

舒耐止汗剂是由联合利华位于菲律宾的工厂生产。由于人口规模的扩大、GDP的增长以及消费者可支配收入的增加，亚洲市场一直都保持着健康的增长速度。该地区大概占到公司全球自然个人护理产品市场份额的40%。

基于以上的背景，公司希望实现菲律宾工厂制造流程的全面自动化，以满足日益增长的市场需求。自动化的关键一个部分就是机器视觉。

如果没有自动化，公司需要为每条生产线配备最多10个工人，手工完成下列质量检查工作：

瓶盖是否存在并且盖严

瓶盖上的颜色和日期代码是否正确

瓶子两侧的标签检测

生产线的工作速度是每分钟220个瓶子，尽管公司已经投入巨资对工人进行培训，但是联合利华还是碰到大量的由于标签质量问题造成的退货。很多标签或者没有对齐、或者在贴标的过程中被弄皱了。随着时间的推移，对这些事情进行人工检测变得越来越不现实。并且，也没有读码器检查产品代码印制是否正确。

就在这时候，产品线工程师Gilbert Plumos决定使用机器视觉系统提升生产线的绩效。我们需要对制造流程进行优化，更好的管理现有的资源。拥有视觉系统，可以让我们重新安置操作员，让他们从事车间中更复杂更关键的工作，他回忆道。

评估与选择

通过量化，联合利华对多个不同的机器视觉产品进行了评估，其中之一就是康耐视的In-Sight系列产品。在围绕检测标准进行了几轮讨论之后，公司最后决定采用三照相机检测系统，原因在于该系统可以最好的满足公司的要求：

顶端彩色照相机检查瓶盖是否存在并盖好，以及瓶盖的颜色和日期代码确认。

前端彩色照相机执行标签对齐度检测，以及产品标签色彩识别。

末端照相机读取二维码，确认产品代码。

我们在评估阶段选择了三家公司的产品进行测试，In-Sight Micro照相机的结果正是我们想要的，尤其是其光学特征识别（OCR）方面的表现和色彩辨识能力，Plumos说道。同时，联合利华在评估过程中也考虑到了产品的易用度和其他一些因素。

照亮产品线

集成阶段最大的一个挑战，是选择可以为所有三台照相机提供均匀光亮的单一视觉照明系统。这是因为舒耐包装瓶的表面反光能力非常强。同时，联合利华还需要飞速的检测，因为在不久的将来生产线的工作速度还需要进一步提升。如果视觉照明工具使用不当，就会导致糟糕的图像产生，直接影响检测的结果。

在集成商Inzpect技术公司的帮助下，公司对照明系统进行了定制，满足了上述需求。这家集成商能够开发客户化的图形用户界面，允许操作员同时管理和查看所有三台照相机的照片，并且在视觉模块中加入了屏幕按钮可以控制其他电气和机械元件，从而提升了视觉系统的性能。

上述工作是通过一个随机附送的软件开发包（SDK）实现的，它帮助用户根据具体的应用需求开发定制化的用户界面。SDK包还提供了查看数据和图片、变更参数、读取新的工作和订单的功能。在实施了第一套视觉系统之后，联合利华实现了生产线的完全自动化。现在公司正在将机器视觉系统引入到该工厂的另外两条生产线上。

Didier Lacroix是康耐视公司国际销售与服务部门高级副总裁。(www.cognex.com).