2020年8月4日 机器视觉与计算机视觉技术

机器视觉检测系统完整解决方案以及开发流程

第一步是确定要求并确定是否可行

机器视觉一词可以想象是具有一组眼睛的计算机进行检测或检验行为。为了开发机器视觉应用的完整解决方案,视觉工程师执行一系列通常分为五个类别的任务:计划,设计,构建,集成和验证。

计划

对于许多视觉工程师来说,任何解决方案的第一步是确定每次检查的要求并确定是否可能。需要考虑几个因素,如:

•正在检查什么

•所需检查次数

•检查速度

•机械设计限制

•性能要求

•时间和成本

规划阶段进入设计阶段进行验证。为了确保要求可以实现,原型完成。如果视觉工程师认为检查是可以实现的,则可能不需要原型设计。然而,验证总是有益的,因为随后在解决方案中的更改将影响时间和成本。

方案设计

根据检查要求,为每个视觉应用程序创建和测试初始视觉设计。可以有几个视觉站,都有不同的光学设置。在设计视觉站时,每个摄像机,镜头和光线都需要考虑几个因素。

•相机规格

•相机数量

•相机类型

•单色或彩色

•解析度

•帧速率

•通讯协议

•曝光/快门速度

•获得

•镜头规格

•镜头类型

•焦距

•工作距离

•间隔

•视野

•过滤

•光圈

•灯光规格

•灯数

•灯光类型

•尺寸

•颜色

•距离零件

•强度

一旦确定了一些因素,就设置了一个视觉设计原型来捕获样本部分的图像。必须通过在图像中具有适当的对比度来通过软件来检测主要特征。该过程涉及调整光学设备。

图像由通常由分辨率定义的像素阵列组成。机器视觉软件使用这些像素,以及预定的算法来定义图像中的零件的某些特征。它遵循与面部识别软件相同的概念。该软件搜索图像中的某些像素排列以识别脸部特征。例如,眼睛周围的边缘会有较暗的像素,以及眼睛中心的暗像素。该软件使用算法分析特征,并识别一张脸。类似地,机器视觉软件遵循相同的概念。这些算法由视觉工程师使用机器视觉软件开发。

也可能存在某些机械限制,这将需要额外的光学设备,例如镜子。还可能存在需要改变设计的机械限制。例如,由于围绕光学元件的自动化中的一些工具,工作距离可能需要在300mm和320mm之间。镜头需要更换的机会以及延长管的添加。

如果图像不符合要求,请进行故障排除。更改各种参数以允许更合适的图像。照明可能需要改变,或者可能需要添加偏光片。原型设计允许视觉工程师验证视觉设计以及创建它们。

常规机器视觉摄像机通常需要视觉控制器。如果使用智能相机,则不需要外部视觉控制器。视觉控制器是用于与光学设备进行通信的专用单元,例如照相机和灯。视觉控制器应具备满足检测要求的能力。这意味着它必须能够处理与用于检查的设备以及所需的其他I / O协议的通信。

在这个阶段,应该清楚视力检查的要求是否可以实现。软件应该能够检测到处理检查所需的功能。为了验证软件能够检测边缘,请使用在检查期间将使用的几个工具(即边缘定位工具)来确保软件可以检测某些边缘。试图改变设计,这可能会增加解决方案的成本。在现阶段确保对视觉设计的信心。

系统开发

机器视觉软件可以有各种工具来帮助分析部件中的功能。构建代码之前首先要做的是使用示例图像来规划代码的构建方式。这也将取决于将要使用的机器视觉软件。使用已设计的设置,在此阶段中抓取好的和坏的零件的几个图像。

不同的软件可以有不同的工具集。某些软件可能无法跟上自动化的周期时间。如果检查需要快速循环时间,则必须在该时间内完成全面检查。所有这些都回到了检查要求,以决定使用哪种软件。

根据检查的要求,构建代码时需要考虑几个因素。一些例子包括:

•每部照相机需要拍摄多张图像吗?

•需要检查的功能有哪些?

•光需要频闪多少?

•你想分析的部分是什么?

•需要使用哪些工具进行检查?(边缘工具,“blob”工具,校准等)

•校准如何进行?

•是否有与软件通信的东西?

•环境照明如何发挥作用?

•如果检查涉及到光,此光线何时触发?在整个检查过程中是否仍然存在?有频闪吗如果需要使用相机触发灯,则需要使用软件来计算。如果有一个频闪单元涉及,该单元频闪多长?

需要在软件中执行一系列工具以进行检查。工具也需要相应放置,以确保软件只检查需要检查的功能。使用这些工具需要有一定的逻辑。例如,如果软件检测到缺陷,则该部分是失败的,输出错误代码并显示结果。

该信息需要发送到与自动化一起使用的任何外部控制器。如果零件是通过或失败,它将允许机器知道如何处理零件。通过这些通信,还需要I / O功能与自动化的其余部分进行通信。

通过沟通,还需要一个用户界面(UI),为用户提供一个易于理解的界面。这意味着确保所有结果都容易可见,操作员可以轻松使用任何其他功能。操作员也应该易于理解错误代码。

对于精确测量,需要有一个校准步骤,使软件能够从图像中测量特征。一种方法是使用校准网格。校准网格的图像将从视觉站取出,以允许校准检查。大多数机器视觉软件都将有一个工具。该工具可以选择使用校准网格,并且会询问该网格的参数。

整合

集成阶段是所有光学设备与其他自动化系统集成在一起的地方。这就是一切都在一起的一个整体。

在集成阶段要做的第一件事是确保将所有硬件配置并安装到自动化组件上。根据设计阶段的设计规格调整每个视觉站。确保所有通信在所有设备之间运行。

使用前面开发的校准步骤,校准光学等系统设备。

Banner
Related Posts

机器视觉中的彩色成像以及要考虑的因素

2019年5月22日

2019年5月22日

特定机器视觉彩色摄像机是否适合您的应用取决于多种因素。在为您的应用开发最合适的彩色机器视觉系统时,需要考虑所有这些因素。下面是开发彩色机器视觉系统时需要考虑的一些相机问题:

深度学习在机器视觉中的应用与发展

2019年5月7日

2019年5月7日

在短短几年内,深度学习软件已经比任何传统算法可以更好地对图像进行分类处理,而且可能很快就可以超越人工检查。

工程点扩展函数(E-PSF)技术可以实现高精度3D成像

2019年7月10日

2019年7月10日

工程点扩散功能(E-PSF)技术以光学相位板的形式发展,将使制造商能够满足对超精密物体成像不断增长的需求。

用机器视觉法监测石榴成熟过程

2019年11月19日

2019年11月19日

瓦伦西亚农业调查研究所(IVIA)、米格尔·埃尔南德斯·德埃尔切大学和巴伦西亚理工大学的科学家们研究了两种用于石榴质量监测的机器视觉技术。

深度学习在机器视觉系统中的应用详解

2019年4月24日

2019年4月24日

随着机器视觉技术的不断发展,系统在不需要计算机编程的情况下也可以具有分析和分类对象的能力。而人工智能(AI)和深度学习是推动机器视觉发展的重要技术手段。

莫尔法成像方法可增强机器视觉中的3D图像

2019年8月1日

2019年8月1日

我们通常认为,使用正确的照明是机器视觉应用成败的关键。低角度照明可能会带来表面纹理或有用的阴影,背光提供干净的部分轮廓,偏振滤光片可以减少不必要的眩光。这些众所周知且广泛使用的工具已经存在了几十年。

3D视觉系统技术方案详解

2019年4月21日

2019年4月21日

近年来,随着芯片技术的发展以及相关软硬件系统的深入,视觉传感器得到了极为广泛的应用。社会越来越智能,可以使用人工智能和大数据技术将人们记录下来的图像智能地利用起来,而不是用一个个柜子将图像、视频束之高阁。

如何利用机器人视觉进行拣货作业

2019年4月27日

2019年4月27日

机器人进行拣货作业定义了不同的过程,在这些过程中机器人用于从箱子中拾取和放置货物。 Bin pick是机器人领域中棘手的机器人任务。但是,您不必使用复杂的解决方案来解决它。使用机器人视觉的拣选可以以简单的方式执行。

机器视觉如何保持马铃薯片的风味完整

2019年4月23日

2019年4月23日

像Pepsico这样的食品和饮料行业巨头...

深度学习在产品缺陷检测中面临的考验

2019年12月13日

2019年12月13日

人工智能(AI)的发展促使数很多公司投资于深度学习软件,对于视觉行业来说是个好兆头,因为需要在技术上实现飞跃。但是,对于采购或投资相关产品的的用户而言,重要的是要了解如何正确地评估深度学习软件可用性 ,以及它们如何工作的。

自动印刷代码检查解决方案

2019年4月17日

2019年4月17日

AutoCoding Systems将在米尔顿凯恩斯即将举行的UKIVA机器视觉会议上展示他们最新的视觉创新成果。由SICK AppSpace提供支持的4Sight解决方案是自动打印检测领域真正的行业突破。

智能高光谱成像与食品安全的未来

2020年3月9日

2020年3月9日

智能高光谱成像技术有望快速准确地检测病原体、异物以及产品的新鲜度和损伤。

研究人员开发了一种非侵入性果实成熟度检测方法

2019年6月25日

2019年6月25日

昆士兰的研究人员开发了一种新工具,可以在收获前评估芒果作物的成熟度,这可能会提高收获时间和果实质量。

机器视觉可以使用无线电波来穿透墙壁和黑暗

2019年10月10日

2019年10月10日

机器视觉有很强的识别能力。它具有超人的能力来识别人、脸和物体。它甚至可以识别许多不同的行为。

基于线扫描相机的表面缺陷检测系统

2019年5月17日

2019年5月17日

表面缺陷检测系统也叫表面质量检测系统或者表面质量检测设备。应用的领域十分的广泛,我例举一下最主要的应用领域吧,钢铁冶金,有色金属加工,高精铜板带,铝板带,铝箔,不锈钢制造,电子材料,无纺布,织物,玻璃,纸张,薄膜。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注