2020年9月24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

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。

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。

反光物体机器人机器视觉解决方案

2019年4月9日

2019年4月9日

SwRI和ROS-Industrial integrated intelligent parts reconstruction在ROS2框架内,用于提高工业机器人的三维图像感知能力,用于路径规划和路径点密集操作,如零件打磨。

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。

3D视觉检测的未来:光度立体技术

2019年6月12日

2019年6月12日

利用3D表面定向,特别是它对反射光的影响,工业应用的光度立体产生对比度图像,突出了局部3D表面变化。

机器视觉技术发展的五大趋势

2019年6月21日

2019年6月21日

在过去的一年里,人工智能(AI)、大数据、3D成像和机器人过程自动化等领域在取得了空前的发展。在即将到来的2019年,机器视觉技术应用还将蓬勃发展,新机器视觉认为五大发展趋势将引领行业应用。

为双目立体视觉插上FPGA翅膀

2019年10月10日

2019年10月10日

FPGA具有灵活高效、可重复编程特性,可实现定制性能、高吞吐量和低延迟,是十分灵活且强大的计算加速器。所以,很多研究机构将算法进行简化后,使用FPGA进行处理。

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。

机器视觉相机类型以及接口标准详解

2018年8月9日

2018年8月9日

随着成像技术的进步,相机及其接口的类型不断演变,以满足大量应用的需求。对于检测和分析至关重要的半导体,电子,生物技术,装配和制造行业中的机器视觉应用而言,使用最好的相机系统来完成手头的任务对于获得最佳图像质量至关重要。

用于食品标签的光学字符识别(OCR)视觉系统

2019年4月24日

2019年4月24日

在食品制造工厂,系统需要从传送器中剔除带有错误打印数据代码的包装食品。虽然以前的系统运行还算正常,但它已经陈旧,原始软件开发的升级换代也无法得到支持。

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。

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?

工业机器人及机器人视觉系统详解

2019年3月26日

2019年3月26日

人类想要实现一系列的基本活动,如生活、工作、学习就必须依靠自身的器官,除脑以外,最重要的就是我们的眼睛了,(工业)机器人也不例外,要完成正常的生产任务,没有一套完善的,先进的视觉系统是很难想象的。

表面缺陷检测系统方案实施的七个步骤

2019年5月24日

2019年5月24日

表面缺陷检测系统主要以相机成像和图像处理技术为主,配置合适的相机和光源可以使被检测物体凸显表面缺陷或特征,使其检测系统能够实时、准确的对物体表面缺陷进行检测。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注