2021年2月23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

科创板|天准科技:中国机器视觉第一梯队企业

2019年6月2日

2019年6月2日

2019年5月27日,上交所决定将于6月5日召开第1次审议会议,审议深圳微芯生物、安集微电子科技、苏州天准科技3家企业的发行上市申请。

深度学习+机器视觉=下一代检测

2019年9月18日

2019年9月18日

将机器视觉和深度学习结合起来,将为企业在运营和投资回报(ROI)方面提供强大的手段。因此,抓住传统机器视觉和深度学习之间的差异,并理解这些技术如何相互补充——而不是竞争或替代——对于实现投资最大化至关重要。

机器视觉成为防治农作物减产的新式武器

2019年5月15日

2019年5月15日

农作物的损失对农民来说是毁灭性的。随着生态波动性的增加,这也是生活中的事实。

CCD成像在光源和色彩检测中的优势和应用

2019年7月25日

2019年7月25日

人类视觉感知是任何旨在被人类观看的照明或显示产品质量的最终标准。从平板电视到智能手机,灯泡到交通信号,VR球场的jumbotrons体育场,您的车内GPS到喷气式飞机的驾驶舱仪表,人类用户感知的以及他们注意到的任何缺陷都是决定性因素设备质量。人类对亮度和颜色的感知为操作和安全公差设定了基准。

用于目标识别的自学习机器视觉系统

2019年7月8日

2019年7月8日

机器视觉是工业4.0,即工业物联网背景下高度自动化和无缝联网过程的关键技术。使用诸如深度学习之类的新的人工智能过程变得越来越重要。许多好处使这项技术具有吸引力,但同时它也有局限性。

基于机器视觉的监测系统​

2019年11月3日

2019年11月3日

本研究基于机器视觉技术,结合Python语言,openCV库等,编写出了一套高精度,高稳定性的位移监测算法,以Nvidia Jetson开发板为载体,结合单片机,红外传感器等,设计制造了一套具有形变监测与预警功能的系统。

工业机器视觉应用有必要使用边缘计算吗?

2019年12月17日

2019年12月17日

伴随着机器视觉技术的快速发展,在提高制造商产品质量水平的同时加快生产效率,可以说拥有巨大的潜力。这项技术的影响范围也在不断地扩大,各种新的应用注定会在我们的日常生活中发挥更大的作用。

机器视觉模式匹配的基础:光源、相机、算法

2019年10月11日

2019年10月11日

机器视觉系统还需要能够发现和识别模式。任何机器视觉任务的第一步都是模式匹配,即根据形状属性(如边缘)的预期排列,在视场中定位目标。这个过程是如何工作的?

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。

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。

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...

机器视觉如何改变金融服务

2019年9月9日

2019年9月9日

事实证明,在金融领域应用机器视觉不仅对企业有利,而且对一般消费者也有利。尽管这在5年前似乎遥不可及,但金融机构一直在使用先进技术开展业务。这些技术能够改进客户体验并减轻员工的工作负担。

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。

红外相机热成像在缺陷检查中的应用

2019年6月1日

2019年6月1日

制造商正在使用红外摄像机来辅助预防性维护,并发现与热相关的装配过程中的缺陷。

基于3D技术的机器视觉解决方案

2018年8月9日

2018年8月9日

随着机器视觉领域测量技术的多元化发展,3D视觉技术必将成为一种重要的检测手段。3D视觉技术行业中越来越受到欢迎和重视。近年来,3D视觉领域的市场容量也在快速增加,相信3D市场必将成为机器视觉的一个主流的重要检测手段。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注