张广宇，朱家昌

（1.无锡中微高科电子有限公司，无锡 214035；2.中国电子科技集团公司第五十八研究所，无锡 214072）

0 引言

机器视觉（machine vision）是人工智能技术的重要分支，应用于智能制造领域时借助数字成像技术采集待测物体的高质量图像信息，使用数字图像处理技术提取有效特征自动完成非接触式的尺寸测量［1］、产品定位［2］、缺陷识别［3］等功能。其中数字成像部分关系着机器视觉在“眼看”的过程中是否会出现亮度失衡、图像虚焦、噪声干扰、对比度低、背景混淆等不理想图像［4］。图像算法处理不理想图像需使用复杂度较高的频域滤波或深度学习等算法进行处理，不仅增加时间，还会提高误检率，甚至影响视觉检测项目的可行性。本文着重总结了视觉成像的相机、镜头、光源等硬件能力的发展现状，并根据硬件参数分析了提高成像质量的方法。

1 视觉成像系统硬件发展现状

1.1 工业相机发展现状

工业相机是将光学模拟信号转换为数字信号的设备，传统工业相机图像传感器一般为电荷耦合元件（charge coupled device，CCD），随着CMOS传感器技术的发展，在最大分辨率、功耗、采集速度及生产成本上都优于传统的CCD传感器［5］。

相机的成像原理是传感器根据光照强度产生对应的电信号，将电信号分级后映射为图像灰度值。根据相机成像位宽，电信号分为256（8 bit）级或4096（12 bit）级，分别对应了图像上的256级灰度或4096级灰度，其中灰度为0表示该像素点为纯黑，灰度值255或4095表示该像素为纯白［6］。

工业相机根据像元（最小成像单元，每个像元对应成像后的一个像素）的排列方式分为面阵相机和线阵相机。……