⑴ 机器视觉技术的应用实例

视觉龙有很多机器视觉技术的应用实例

视觉检测在电子元件的应用：

此产品为电子产品的按钮部件，产品来料为料带模式，料带上面为双排产品。通过对每个元器件定位后，使用斑点工具检测产品固定区域的灰度值，来判断此区域有无缺胶情况。

该应用采用了视觉龙的DragonVision视觉系统方案，使用两个相机及光源配合机械设备，达到每次检测双面8个产品，每分钟检测大约1500个。当出现产品不良时，立刻报警停机，保证了产品的合格率和设备的正常运行，提高生产效率。

⑵ 我想自学机器视觉！可是不知道怎么去学！比如买什么书！有什么视频教学吗还有如何去买个硬件自己练习！

我也开始学来视觉， 谈谈看源法。
做业务必要的知识
1，视觉算法， 对应HALCON等视觉处理软件，生成可执行代码。
2，视觉处理软件提取的图像代码， 要放到C# C++等里执行，得到要想要的数据
3，编程软件和执行机构的通信。比如和PLC或者运动制卡的通信。
总之是一门比较综合的学问。
视频网上很少，且都是付费的。买硬件花费太大，
可以先从C++和Halcon学起。

⑶ 谁有labview机器视觉的视频教程呀，我是要做实时火焰检测的，求各位大神给点意见

NI官网上面看看

⑷ 机器视觉sherlock 7 教程，好心人发一个，谢谢了

⑸ 求 《机器视觉教程》斯奈德 机械工业出版社 这本书的中文版电子版~

应该没有，这类书比较少

⑹ labview机器视觉的视频谁有啊！有的请分析份 ，书也可以但是要中文的

我这有份labview公司工程师发给我的邮件，我也是做图像的。
内容：
美国国家仪器---LabVIEW、图像处理软件介绍及相关培训大纲
labview2011最新版本试用版下载及技术中心
视频演示:LabVIEW 2011
NI LabVIEW 2011 FPGA开发环境性能5倍提升
LabVIEW 2011稳定性更强，效率更高
NI LabVIEW 2011的新特性
机器视觉和图像处理工具包（Vision）资料

1、NI机器视觉综述
2、NI 图像处理软件VVDM 和 VBAI
3、VBAI, VAS 和 VDM之间有什么不同
4、在线研讨会：助您快速开发机器视觉应用视频演示 (特别推荐)
5、NI机器视觉硬件
6、案例两则
1）基于labview的焊缝起始点视觉识别 by 上海交大
2）LCD机器视觉精确检测系统Lxy by 飞利浦
7、NI Vision培训课程大纲

你是学生？

⑺ 如何学习机器视觉

这个感觉是从论坛上大家所问的问题得出来的。因为。在论坛中看到不少朋友所问的问题，是相当可笑的。说可笑并非指所提问题过于简单幼稚，而是所问的问题一看就是从书本上抄来的，而不是在实际情况下所遇到的。换句话说，论坛中的朋友大多只是在纸上谈兵，极少有人真正自已动手开发视觉系统。这样说是因为自己搞开发的人绝对问不出某些奇怪问题来的。往深了说一点，好象国内的朋友们只喜欢啃书本，并不愿意(也可能是懒得)动手。 一句话，国外机器视觉发展到今天，已经可以清清楚楚分为三个部分： 1，底层开发部分。 2，二次开发部分。 3，最终使用部分。于是在国外，从事这一行业的人现在也就可以简单而清楚地分成三种人： 1，底层开发的人(从事底层开发工作的人)。 2，二次开发的人(从事二次开工作的人)。 3，使用及操作机器视觉系统的人(从事最终使用工作的人)。 第一类人。就是我们常说的，开发通用视觉系统(如：DVT，西门子，欧姆龙，EVISION，COGNEX等等)的开发人员，也就是DVT，COGNEX这些公司开发部的技术职工。 第二类。就是大家所说的OEM用户。是专门用第一类人所开发出的系统，给第三类人搞二次开发，开发各种专为第三类人所用的系统。 第三类人，就是用户(end user)。这类人是真正将机器视觉系统应用到各个领域中的人，他们不仅在各自的行业中使用种种已经开发成型的机器视觉系统。而且负责对各类系统进行测试及评估。 举个实际例子，这里有不少朋友问过这类问题：如何检测某一工件；检测光盘表面的系统该如何配置CCD相机、镜头及灯源等。问这些问题的朋友应该算是第三类人。他们公司要他们寻找一个系统可以用来检测本公司的产品。但由于第一类人所开发的，只是通用的系统以及视觉系统开发工具的软件包。并没有哪家公司专门开发一套系统来检测光盘或是某种特定的工件。所以，这些朋友就应该来找我，因为我是第二类人。 我的工作就是，专门用DVT，EVISION，COGNEX等的视觉卡，以及视觉系统开发工具软件包为他们专门开发一套他们所需要的光盘检测系统或是工件检测系统。 绕了老大一圈，其实要说的问题就是一个----我所发现的问题：这里80%以上朋友把自己的身分混淆了，越俎代庖。 不客气的说，目前国内搞这行的朋友似乎都有些好高骛远。不少从事第二部分工作朋友(搞二次开发的第二类人)对于机器视觉有关知识的了解，尚不如国外第三类人的知识水平(我是从大家所问的问题感觉到的)。而国内第三类朋友知识水平就更可想而知。 可是奇怪的是，每个人所问的却都是第二类人要问的，有些甚至是一类人才会问的问题。好象，机器视觉是个十分简单的技术，凭大家随便问几个“关键性”的问题，再由所谓的“专家”三言两语的回答一下。大家就一夜之间都可以自己搞底层开发，成第一类人了。 要成为第一类人，又分硬件及软件两种。要对自己所负责的这个模块非常了解，搞软件要知道算法及运行速度；搞硬件要明白公司所选用芯片的特点等等。同时还要清楚对手公司的优缺点以及机器视觉这一行的种种动态和最新技术。 总结一下。这三种人相比，第一类人一定要专业，对机器视觉的某一领域非常非常了解；第二类人虽比不上第一类人那么专业，但更加全面；第三类人更熟悉各个应用系统开发公司(第二类人)的优缺点。 现在大家可以看得出，机器视觉发展到今天，其分工已经越来越细，每个部分的工作其实是很难相互取代的。大家不要以为第三类人就比第一类人低一等，这是一个错误的等级概念。我本人过去曾属于第一类人，现在作的是第二类工作。而我的几个“师弟师妹”(当初曾一起作第一类人时的同事)现在就在干第三类工作。大家别小看第三类工作，以为这是小儿科，你能真作好这一行也不是很容易。毕竟这也是一门行当也是一个饭碗！另外，以我个人来看：以国内现在机器视觉的水平，对于那些想作第一类人的朋友我在这里劝一句：还是算了吧。 国内的机器视觉水平打根子上就差，您还打算搞底层？算法本身都是抄人家的，就只能和对手拼程序的写法了。不过我觉得那更没戏。 这样说我绝没有看不起初学者的意思。我说过：所问的问题再简单，我都不会笑话你。对于每样事物我们都是从无知开始的。但是，对于那些极不实际的好高骛远的问题，我还是要说，希望大家踏实下来，戒浮躁，从最基本地学起----先确定自己的身份。

⑻ 机器视觉从哪里开始学

具体算子实现方法不用理会，只要会用就可以了。机器视觉与图像处理是两码事哟。学机器视觉，可以从《机器视觉实用教程》开始，图像处理实用型有的《NI Vision Builder for AI入门教程》，《基于Vision Assistant的图像处理实用教程》，《LabVIEW Vision图像处理开发宝典》等。

⑼ 什么是机器视觉

在地球上，以人类为首的所有动物，都会感受外界所传来的各种信息，借以掌握外界的状况而采取行动｡为了感受信息，人类拥有视觉、听觉、嗅觉、触觉、味觉等5种感觉，也就是所谓的“五感”｡虽然人类可以从眼睛、耳朵、鼻子、皮肤、舌头等处获得信息，但是获取信息最多的还是视觉｡在借助“五感”获得的信息中，大约有80%来自视觉｡长久以来，人类一直梦想着能够制造出具有智能的机器，而智能机器实现的基础就是机器视觉技术｡那么什么是机器视觉呢？美国制造工程师协会(，SME)机器视觉分会和美国机器人工业协会(RoboticInstriesAssociation，RIA)自动化视觉分会为机器视觉作了如下定义：“机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置｡”通俗地说，机器视觉就是用机器模拟生物宏观视觉功能，代替人眼来做测量和判断｡首先，通过图像传感器将被摄取的目标转化成为图像信号，传送给专用的图像处理系统，根据像素分布、亮度和颜色等信息，转变成数字化信号；随后，图像处理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｡从广义角度来看，凡是通过光学装置获取真实物体的信息以及对相关信息的处理与执行都是机器视觉，这就包括了可见视觉以及非可见视觉，甚至包括人类视觉不能直接观察到的、物体内部信息的获取与处理等。

科学家们通过研究发现，人脑中许多组织都参与了视觉信息的处理过程，因而能够轻易地处理视觉方面的问题｡但是视觉认知作为一个复杂奥妙的过程，人类对其还知之甚少，因而制造出具有视觉功能的智能机器的梦想也一直难以实现｡随着视觉传感技术、信息处理技术和计算机技术等的迅猛发展，具有视觉功能的智能机器开始被人类制造出来，并逐渐形成了机器视觉的学科和产业｡对于智能机器而言，赋予其人类视觉功能是极其重要的，于是人们把计算机的快速性、可靠性、结果的可重复性与人类视觉的高度智能化和抽象化能力结合起来，形成一门新的学科———机器视觉。