视觉是人工智能正在快速发展的一个分支，简单说来，机器视觉就是用机器代替人眼来做测量和判断。在结构健康自动化监测方面，机器视觉采用光学图像结合智能算法和物联网技术，利用先进的智能靶标识别及亚像素处理等技术，实现了前端高精度多点表面位移测量，并通过物联网实现数据云端一体化。可用于桥梁、隧道、边坡、水库大坝、基坑、轨道、建筑物、地质灾害、矿山等表面位移（水平位移、沉降、动静挠度）的自动化监测。
一、工作原理结构健康监测领域的机器视觉位移监测仪是一种基于机器视觉技术的非接触式测量设备，用于监测结构物在受力或环境因素作用下的变形和位移情况。
测量原理：在被测物表面安装测量靶标，机器视觉相机抓拍靶标成像，机器视觉识别出靶标的亚像素图像位移，自标定矩阵算法将图像位移转换到物理空间位移，得到靶标的实际位移，网络上传到云平台实现结构位移的非接触式测量。
①按相机镜头分类可分为：变焦机器视觉和定焦机器视觉。
②按靶标的供电分类可分为：有源靶标和无源靶标。
③按靶标的识别可分为：人工框选识别靶标和机器自动识别靶标
三、机器视觉的类型和区别3.1 相机镜头分类机器视觉位移测量产品可以理解为一台工业相机、工控机和路由器等组成的微型电脑，其中工业相机是最重要的部分，是机器视觉的眼睛，是用来获取结构的位移信息变化。变焦机器视觉和定焦机器视觉的区别主要有以下几点：
①技术原理：变焦机器视觉位移监测采用自动变焦扫描技术，结合高倍变焦镜头和自动精准聚焦系统，能够获取每个靶标的清晰图像，并巡回扫描识别上千个靶标。而定焦机器视觉位移监测则采用焦距固定的镜头，通过固定拍摄距离和视角来获取清晰的图像，出厂定制镜头焦距（焦距越长，视野越窄），后期无法调整视野的大小以及测点的变化。
（图：不同焦距镜头的视野范围）
②应用范围：由于变焦机器视觉位移监测具有较大的测量范围、视野开阔、视场角较大和较高的数据精度，因此适用于大型结构如桥梁、隧道等长条形结构的位移监测，可以测量大范围、多目标位移。而定焦机器视觉位移监测出厂定制的镜头可能在现场不适用或者部分测点看不到，视场角较小，后续别的项目距离不同可能不适用。定焦更侧重于小型项目的应用场景，如小基坑、小型边坡等测量目标较少的项目。
（图：变焦视觉远近视野均可看清）
③灵活性：变焦机器视觉位移监测具有更大的灵活性，能够适应不同的拍摄距离和视角，通过自动变焦和扫描技术实现对多个目标的监测，而且灵活变焦的镜头可以用到不同的项目，达到重复利用。而定焦机器视觉位移监测则需要根据具体的拍摄距离和视角选择合适的镜头，相对较为固定。
④频率和稳定性：虽然变焦机器视觉位移监测具有较高的数据精度，但由于其采用自动变焦和扫描技术，可能会受到镜头变焦过程的影响，导致监测频率和稳定性会相对较低。而定焦机器视觉位移监测由于采用焦距固定的镜头，成像质量较为稳定，因此在一定程度上具有较高的频率和稳定性。
3.2靶标供电的分类靶标是机器视觉监测结构位移信息的载体，靶标的清晰度直接影响了机器视觉测出来的精度。主要在供电需求、应用场景、识别效果和精度以及成本等方面存在明显的区别。
首先，有源靶标是靶标自发光，需要供电，而无源靶标则不需要，但需要在主机安装补光灯。这意味着有源靶标需要通过布线等方式进行供电，而无源靶标则无需进行供电布线，从而省去了现场布线的麻烦，安装更加高效方便。因此，无源靶标特别适用于一些无市电的场景，如边坡、地质灾害、矿山等。
其次，有源靶标和无源靶标在应用场景上也有所不同。有源靶标适合距离较远、环境恶劣的使用场景，灯光光线过滤会相对好一点，而无源靶标因为补光灯焦距有限，更适用于一些近距离、环境相对较好的场景。
此外两者监测精度其实差距不大，而且有源成本会相应高一些。所以一般都会选择无源靶标，到无源靶标也面临一个问题，补光灯焦距有限，照射到不同距离的靶标需增加多个补光灯。但最近安锐测控通过自研技术解决了这个问题，采用新一代夜视技术，不同距离的无源靶标均可照亮，关键还不用增设补光灯。大大的增加了无源靶标的优势及简便性。
最后在选择时，应根据具体需求和场景进行综合考虑，选择适合的靶标类型。
3.3 靶标的识别的分类机器视觉位移监测仪的靶标自动识别与手动框选识别在识别方式、效率和精度等方面存在明显的区别。
首先，自动识别功能是指机器视觉位移监测仪能够自动检测并识别图像中的靶标，而无需人工干预和现场电脑调试。这种识别方式基于图像处理和机器学习算法，通过自动扫描和匹配图像中的特征点，实现对靶标的快速、准确识别。自动识别功能可以大大提高位移监测的效率和自动化程度，减少人工操作错误和人为干预的影响。
（图：机器自动识别靶标）
而手动框选识别则需要人工参与，操作人员需要通过鼠标或其他输入设备，在图像中手动框选出靶标的位置和范围。这种识别方式相对较慢，效率较低，而且容易受到人为因素的影响，如操作人员的经验、视觉疲劳等。
（图：手动框选靶标）
其次，在精度方面，自动识别功能通常具有较高的识别精度和稳定性。由于自动识别算法是基于大量的图像数据和机器学习算法进行训练的，因此可以实现对靶标的jingque匹配和识别。而手动框选识别则可能受到操作人员的主观因素和视觉误差的影响，导致识别精度相对较低。
再者，因为已经框出监测选区，所以靶标的位置受限，只能监测靶标在框里的位移，移出框外将无法识别。
此外，在实际应用中，自动识别功能还可以实现多目标、多场景的快速识别和监测，适应性强，可以大大提高位移监测的效率和准确性。而手动框选识别则可能无法满足这种需求，特别是在需要实时监测和大量数据处理的应用场景中，每个靶标都需要人工框选，调试量大，一般需要安装几天才调试完，测点多的话可能一星期。
所以在实际应用中，应根据具体需求和场景选择适合的识别方式，以提高位移监测的效率和准确性。