1) visual machine
视觉机器
2) machine vision
机器视觉
1.
An example of machine vision applied in printing quality checking——Research on the Checking of Printing Quality by Image Processing;
应用于印刷品质量检测的机器视觉系统——全画面印刷质量检测系统的研究
2.
Research of rotary screen printing machine automatism patterning system based on machine vision;
机器视觉技术在圆网印花机自动对花系统中的应用
3.
Application of machine vision in measurement of cocoon superficial area;
机器视觉在蚕茧表面积测量中的应用
3) computer vision
机器视觉
1.
Spatial synchronization method for lidar and computer vision;
雷达与机器视觉的空间同步方法
2.
A research on computer vision system of chip inspection by mathematics morphology;
将数学形态学应用于检测芯片机器视觉的研究
3.
The steel surface inspection system based on computer vision;
基于机器视觉的带钢表面缺陷检测系统
4) Machinery vision
机器视觉
1.
This paper summarizes the development in this field and focuses on comparing machinery vision with GPS in technology and practicality.
机器视觉和GPS是农业自动车辆获取导航信息的两种主要方式,其主要任务是获得作物行或犁沟的信息。
5) machine-vision
机器视觉
1.
Based on the machine-vision and CAD/CAM technique, the paper aims to propose ascenario in order to solve a bottle neck from artistic graph and pattern designing to its processing.
提出将机器视觉图像处理系统应用于工艺美术图案设计与制作的思想和方法，介绍了系统的结构、特点、功能模块以及设计信息到加工指令间的数据集成，并给出应用于注塑模具商标设计与加工的实例。
2.
Proposes a new method that utilizes computer image recognition technology and machine-vision test technology to obtain VIN from a picture which includes VIN information.
针对这种情况,介绍了一种新的车架号采集方法,该方法利用计算机图像识别技术和机器视觉检测技术从图片中定位并恢复出原始车架号信息,与拓印方法相比,不仅可节省时间,提高办公效率,而且易于实现车架号的数字化和网络化管理。
3.
Edge is the most basic feature of an image,edge detection have a wide application in machine-vision,object pursuit,video decode and other fields and it is one of branches in image process field.
图像的边缘保留了图像最基本也是最重要的特征,边缘检测减少了数据量,在机器视觉、模式识别、视频解码、物体追踪、医学图像处理等领域得到广泛的应用,是图形图像领域里的研究方向之一。
6) Robot vision
机器视觉
1.
The pyramid structure analysis method of the paper evenness based on robot vision;
基于机器视觉的纸张匀度金字塔结构分析方法
2.
As a very important part of the intelligent robot test platform of multi robotic sensors constructed in our lab, image servo subsystem covers many fields such as image processing, robot vision and robotics, etc.
结合智能机器人多传感器实验平台的研制工作 ,系统介绍了其图像伺服子系统的工作原理、系统构成以及实现方案 ,涉及图像处理、机器视觉和机器人跟踪控制等相关内容 ,并讨论了物体自动识别和抓取过程中需要注意的一些问题 。
3.
The paper designs a navigation system of autonomous mobile robot using the method of combining RFID with robot vision.
本文设计了一种采用RFID和机器视觉相结合的自主移动机器人导航系统。
补充资料：机器安全和视觉
1.机器视觉的概念引入
人类在生产实践的过程中，面临自身能力的局限性，因而发明和创造了许多智能机器，来辅助或代替人类完成任务。智能机器能模拟人类的功能，感知外部世界并有效地解决人所不能解决的问题。人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官，其中约80的信息是由视觉获取的。因此，对智能机器来说，赋予机器以人类视觉功能是极其重要的。
在现代工业自动化生产中，涉及到各种各样的检查、测量和零件识别应用，例如汽车零配件尺寸检查和自动装配的完整性检查，电子装配线的元件自动定位，饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别等。这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。通常这种带有高度重复性和智能性的工作只能靠人工检测来完成，我们经常在一些工厂的现代化流水线后面看到数以百计甚至逾千的检测工人来执行这道工序，在给工厂增加巨大的人工成本和管理成本的同时，仍然不能保证100的检验合格率（即“零缺陷”），而当今企业之间的竞争，已经不允许哪怕是0.1的缺陷存在。有些时候，如微小尺寸的精确快速测量，形状匹配，颜色辨识等，用人眼根本无法连续稳定地进行，其它物理量传感器也难有用武之地。这时，人们开始考虑把计算机的快速性、可靠性、结果的可重复性，与人类视觉的高度智能化和抽象能力相结合，由此逐渐形成了一门新学科——机器视觉。
机器机器视觉是研究用计算机来模拟生物宏观视觉功能的科学和技术。通俗地说，就是用机器代替人眼来做测量和判断。首先采用CCD照相机将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，如：面积、长度、数量、位置等；最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格/不合格、有/无等。机器视觉的特点是自动化、客观、非接触和高精度，与一般意义上的图像处理系统相比，机器视觉强调的是精度和速度，以及工业现场环境下的可靠性。
机器机器视觉是一个相当新且发展十分迅速的研究领域。人们从20世纪50年代开始研究二维图像的统计模式识别，60年代Roberts开始进行三维机器视觉的研究，70年代中，MIT人工智能实验室正式开设“机器视觉”课程，80年代开始，开始了全球性的研究热潮，机器视觉获得了蓬勃发展，新概念、新理论不断涌现；现在，机器视觉仍然是一个非常活跃的研究领域，与之相关的学科涉及：图像处理、计算机图形学、模式识别、人工智能、人工神经元网络等。
2.机器视觉的系统构成和分类
典型典型的视觉系统一般包括如下部分：光源，镜头，CCD照相机，图像处理单元（或图像捕获卡），图像处理软件，监视器，通讯/输入输出单元等。视觉系统的输出并非图像视频信号，而是经过运算处理之后的检测结果，如尺寸数据。上位机如PC和PLC实时获得检测结果后，指挥运动系统或I/O系统执行相应的控制动作，如定位和分选。
从视从视觉系统的运行环境分类，可分为PC-BASED系统和PLC-BASED系统。基于PC的系统利用了其开放性，高度的编程灵活性和良好的Windows界面，同时系统总体成本较低。系统内含高性能图像捕获卡,一般可接多个镜头，配套软件方面，从低到高有几个层次，如Windows95/98/NT环境下C/C编程用DLL，可视化控件ActiveX提供VB和VC下的图形化编程环境，甚至Windows下的面向对象的机器视觉组态软件，用户可用它快速开发复杂高级的应用。在基于PLC的系统中，视觉的作用更像一个智能化的传感器，图像处理单元独立于系统，通过串行总线和I/O与PLC交换数据。
人类在生产实践的过程中，面临自身能力的局限性，因而发明和创造了许多智能机器，来辅助或代替人类完成任务。智能机器能模拟人类的功能，感知外部世界并有效地解决人所不能解决的问题。人类感知外部世界主要是通过视觉、触觉、听觉和嗅觉等感觉器官，其中约80的信息是由视觉获取的。因此，对智能机器来说，赋予机器以人类视觉功能是极其重要的。
在现代工业自动化生产中，涉及到各种各样的检查、测量和零件识别应用，例如汽车零配件尺寸检查和自动装配的完整性检查，电子装配线的元件自动定位，饮料瓶盖的印刷质量检查，产品包装上的条码和字符识别等。这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。通常这种带有高度重复性和智能性的工作只能靠人工检测来完成，我们经常在一些工厂的现代化流水线后面看到数以百计甚至逾千的检测工人来执行这道工序，在给工厂增加巨大的人工成本和管理成本的同时，仍然不能保证100的检验合格率（即“零缺陷”），而当今企业之间的竞争，已经不允许哪怕是0.1的缺陷存在。有些时候，如微小尺寸的精确快速测量，形状匹配，颜色辨识等，用人眼根本无法连续稳定地进行，其它物理量传感器也难有用武之地。这时，人们开始考虑把计算机的快速性、可靠性、结果的可重复性，与人类视觉的高度智能化和抽象能力相结合，由此逐渐形成了一门新学科——机器视觉。
机器机器视觉是研究用计算机来模拟生物宏观视觉功能的科学和技术。通俗地说，就是用机器代替人眼来做测量和判断。首先采用CCD照相机将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，如：面积、长度、数量、位置等；最后，根据预设的容许度和其他条件输出结果，如：尺寸、角度、偏移量、个数、合格/不合格、有/无等。机器视觉的特点是自动化、客观、非接触和高精度，与一般意义上的图像处理系统相比，机器视觉强调的是精度和速度，以及工业现场环境下的可靠性。
机器机器视觉是一个相当新且发展十分迅速的研究领域。人们从20世纪50年代开始研究二维图像的统计模式识别，60年代Roberts开始进行三维机器视觉的研究，70年代中，MIT人工智能实验室正式开设“机器视觉”课程，80年代开始，开始了全球性的研究热潮，机器视觉获得了蓬勃发展，新概念、新理论不断涌现；现在，机器视觉仍然是一个非常活跃的研究领域，与之相关的学科涉及：图像处理、计算机图形学、模式识别、人工智能、人工神经元网络等。
2.机器视觉的系统构成和分类
典型典型的视觉系统一般包括如下部分：光源，镜头，CCD照相机，图像处理单元（或图像捕获卡），图像处理软件，监视器，通讯/输入输出单元等。视觉系统的输出并非图像视频信号，而是经过运算处理之后的检测结果，如尺寸数据。上位机如PC和PLC实时获得检测结果后，指挥运动系统或I/O系统执行相应的控制动作，如定位和分选。
从视从视觉系统的运行环境分类，可分为PC-BASED系统和PLC-BASED系统。基于PC的系统利用了其开放性，高度的编程灵活性和良好的Windows界面，同时系统总体成本较低。系统内含高性能图像捕获卡,一般可接多个镜头，配套软件方面，从低到高有几个层次，如Windows95/98/NT环境下C/C编程用DLL，可视化控件ActiveX提供VB和VC下的图形化编程环境，甚至Windows下的面向对象的机器视觉组态软件，用户可用它快速开发复杂高级的应用。在基于PLC的系统中，视觉的作用更像一个智能化的传感器，图像处理单元独立于系统，通过串行总线和I/O与PLC交换数据。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条