2021年2月21日 机器视觉与计算机视觉技术

基于线扫描相机的表面缺陷检测系统

先简单介绍下表面缺陷检测系统吧。

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。

表面检测的市场是十分巨大的,简单举个例子,拿一个 年产量在1000万吨的钢铁公司来说,这家公司的可利用表面检测设备的市场大概为1.5~2亿人民币。
为什么要使用表面缺陷检测系统呢?

–保证产品质量,改善生产工艺,减少人工成本


线扫描表面缺陷检测系统主要构成:

视觉采集部主要包括线阵相机,镜头,光源,图像采集卡。

系统支架部分包括:相机支架,光源支架,和操作台支架。

电气部分(通信/控制部)包括编码器,运动控制卡或者PLC,也有可能会有马达等。

其他:各种电线电缆,CL线啊,电源线啊,各种SMPS啊,照明控制器啊等等。

还有PC。

简单介绍下主要配件:

线扫描相机

一般主流的分辨率为1024,2048,4096,6144,8192,12288,16384

最重要的是分辨率和相机的行频。

说到行频就肯定和接口有关系了,接口主要有RS接口,LVDS,Channellink(这几种目前几乎都不用了),目前主流GIGE,Cameralink(标准),1394,还有各种高速接口,HSlink,coaxlink等等。

主要的区别就是在数据的传输量和传输距离上(希望有群友搞下这些传输线的对比图)。

相机的输出形式好像在另一帖子也有描述,这里就不多讲了。

相机的触发模式主要是内触发和外触发,在表面检测应用时几乎都采用外触发,通过外部编码器的脉冲控制相机的扫描频率。

相机最大行频计算: 最大行频=datarate/相机分辨率

举例说明,相机datarate为80Mhz,像素为4096×1 那么行频=80M/4096=19000行/秒

此相机最高速度可以采取19000行每秒

lineperiod的计算: 1秒/最大linerate(19000)= 53us

意思是相机扫描一条线需要大概53us(最大行频情况下)

关于相机视野(FOV)的计算,这个在镜头选型的帖子中也有体现

视野(FOV)= 像元大小×像元个数×WD(工作距离)/FL(镜头焦距)

图像采集卡:我理解的采集卡主要是用来收集数据,控制相机的,图像采集卡的最大数据采集量要大于相机的最大datarate.

镜头:主要是根据视野和相机接口来选择,这里不多讲了。焦距长景深就深。接口主要是F和C,nikon和转的。

光源:线扫描光源也有很多种,高频荧光灯,卤素灯,疝气灯,小颗粒密集LED,大颗粒单排LED,小颗粒高亮度LED,激光光源。 目前的主流还是LED,比较重要的参数就是lux和寿命,LED都是高频的,不用担心频率不够会导致取像的每条线亮度不均。

光源的打光方式有很多种,在以前的文章已经介绍。打光方式主要和检测缺陷的对象有关系。缺陷有凹凸的情况出现时得需要暗场(漫反射),还和被测产品的透射率有关,对于透射率高于80%的只能有透过光。

系统支架就不做多介绍了,但是要保证精度。相机和光源的支架也可以选择通过马达来控制。

运动控制方面:如果上位通信多的情况可以采用PLC,通信少的情况可以使用一般的数字i/o处理。

PC的选择,工业电脑,server和一般组装PC,我们现在用一般组装电脑,因为在维修的时候工业电脑的应对时间很慢,没办法,使用组装电脑的话如有配件损坏可以及时维修。电脑性能的选择和所处理影像的量和软件的计算量有关系,也不多讲了。

编码器:编码器通过采集生产线的速度获得电子脉冲传送给采集卡或者直接至相机,然后相机通过脉冲控制扫描量。

一般编码器采取的信号是linedriver信号,一般TTL信号,如果是多目相机的话可以使用脉冲分配卡,将获得的脉冲信号重新发给各个相机,主要的信号种类有TTL,ITTL,DIfferentioal。

拿光圈编码器为例,一般安装在生产线的辊子上,辊子没转一圈,编码器产生固定的脉冲,然后相机依靠脉冲取像。

主流的几家线扫描和采集卡制造商都有控制行频的功能

如euresys的 linepitch, encoderpitch功能。

dalsa的 shaft encoder功能

basler的 prediver,multiply,postdiver功能

都是通过对编码器的脉冲进行除法和乘法获得新的脉冲值控制相机的扫描频率。

再就是软件方面了,这个也没啥讲的,每家公司的软件都不同。

做表面缺陷检测系统必须了解的几个参数

1、被测产品最大生产速度

2、被测产品宽度

3、需检测最小缺陷大小

其他:产品特性(厚度,透光率),生产环境,安装位置等

表面缺陷检测设备的重要参数

检测率,分类率,便利性,配件寿命。

Banner
Related Posts

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。

在图像处理中应用深度学习技术

2019年3月28日

2019年3月28日

深度学习应用凭借其在识别应用中超高的预测准确率,在图像处理领域获得了极大关注,这势必将提升现有图像处理系统的性能并开创新的应用领域。

短波红外成像技术与原理

2019年7月25日

2019年7月25日

短波红外(SWIR)的范围占据了电磁频谱略高于近红外。在1050到2500纳米之间——短波红外范围远远超出了标准硅基成像传感器的探测能力。

机器视觉系统集成发展的现状和前景

2019年7月10日

2019年7月10日

机器视觉系统集成是一门学科,随着新成像技术的不断发展,这门学科的发展势头依然强劲。

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。

细数机器视觉的9大应用场景

2019年7月23日

2019年7月23日

本文主要介绍了机器视觉的主要应用场景,目前绝大部分数字信息都是以图片或视频的形式存在的,若要对这些信息进行有效分析利用,则要依赖于机器视觉技术的发展,虽然目前已有的技术已经能够解决很多问题,但离解决所有问题还很遥远,因此机器视觉的应用前景还是非常广阔的。

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。

3D热成像技术

2019年10月30日

2019年10月30日

Fraunhofer IOF使用LWIR热像仪扩展了其高速3D相机系统。他们的数据被映射到使用黑白摄像机重建的3D点,从而获得1kHz空间热图像。

机器视觉从发展到成熟,最新技术又有些什么?

2018年8月9日

2018年8月9日

这是机器视觉行业的一个演变时期。嵌入式视觉与深度学习和人工智能相结合, 将在生命科学、自驾游、安全和农业等传统制造业以外的市场继续蓬勃发展。

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。

机器视觉技术可能比您想象的更厉害

2018年8月9日

2018年8月9日

从数字图像中自动提取信息的能力为制造商努力削减成本、提高质量和简化整体流程提供了更多可能。机器视觉的主要用途是检查、测量和机器人引导。

Teledyne DALSA的Linea HS 16k多场TDI相机

2019年11月28日

2019年11月28日

机器视觉技术公司 Teledyne DALSA ,近日推出其最新的电荷域CMOS TDI相机——Linea HS 16k多场TDI相机。多场成像允许最终用户捕获多个图像,例如一次扫描即可同时显示明场、暗场和背光图像。

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。

新的视觉系统可以在传感器内计算,无需将信息转换成数字格式

2020年3月5日

2020年3月5日

研究人员开发了一种图像传感器阵列,它作为自己的人工神经网络,可以同时捕获和识别光学图像,无需将信息转换成数字格式即可快速处理信息。

机器视觉检测系统完整解决方案以及开发流程

2019年4月25日

2019年4月25日

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。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注