2020年11月26日 机器视觉与计算机视觉技术

机器视觉技术可能比您想象的更厉害

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。这些任务需要尽快速、高精缺执行重复的工作任务,这正是机器视觉系统的优势所在。在过去几十年里,它们的成本效益也越来越高,实施起来也越来越简单。

图1. HAWK MV-4000智能相机检查一系列印刷电路板。

自动化检验通常是在生产线上进行的,即与生产线上的产品同时进行。虽然技术复杂,但使用机器视觉来执行自动化任务的基本顺序很简单:视觉系统被触发在部件位于其前面时捕获图像,然后系统对图像进行处理,提取关键特征和数据。最后,它传达结果数据,这可以像通过/失败一样简单,以便可以进行操作和决策。这些动作包括触发拒绝机制或给机器人拾取所检测部件的位置。

只要质量得以保持,生产线的速度越快越好。而机器视觉系统需要几乎能够瞬间扫描经过它们的部件的相关图像信息。一般来说,通过将多个摄像头连接到一台PC上,可以达到最高的处理速度,但智能相机技术的最新进展使得单一、独立的设备几乎与多个相机系统一样强大(图1)。

除了令人惊叹的处理速度之外,正确的照明对于生产线至关重要,以确保相机“看到”它正在尝试处理物体图像的关键特征并忽略不相关的图像细节(例如带有日期戳的表面上的凸起)。照明要求在很大程度上取决于检查任务的性质。试图检查粗糙表面上的日期戳需要光照,以尽量减少表面不规则现象的出现,而试图在光滑表面上发现凹痕则需要光照,以特别强调这些不规则现象。

凭借先进的光学技术,卓越的照明技术和最先进的算法,机器视觉系统可以执行各种工业自动化任务,包括产品检测、印刷检测、表面缺陷检测,测量和机器人引导。

基础工具包

即使生产线上的照明近乎完美,但仍有许多变化。机器视觉是如何处理如此之多的不规则,并仍然以可靠的方式执行其任务的?事实证明,机器视觉的广泛功能归结为几个基本功能:定位、测量、计数和解码。这四项任务取决于识别像素强度值,查找边缘轮廓以及匹配形状和图案的常见功能。这些是复杂的任务,涉及逐个像素地将图像与模板进行比较,或者将一组感知边缘(通过计算相邻像素强度的梯度而生成)与模板的边缘进行比较。有许多方式可以执行和优化模式匹配,但这里的重点是工业专业人员可以使用的最终功能。

基本功能:位置

在许多情况下,复杂的机器视觉处理任务从对象定位开始。该系统经过训练可以识别特定的图案,然后该图案将定位在具有各种背景的各种图像中。机器视觉系统需要反复定位的一个常见例子是二维码,例如数据矩阵。系统必须先找到条形码才能对其进行解码,而且由于带有条形码的产品在生产线上高速运行,所以必须快速地找到条形码。实际上,高性能智能相机每分钟可以检测多达4,000个零件,或相当于每秒300英寸的传送带。代码的特定方面向视觉系统指示存在条形码,其他图形通常位于条形码附近,例如徽标。

在视野内匹配指定的图案还使得可以基于所定位的对象与训练所提供的图案的对应程度来检测缺陷。如果项目的图像与预期的图案有很大的偏差,例如:像素与期望的颜色不匹配,或者在不应该有边缘的地方出现边缘——它将被标记为返工或被生产线拒绝。

基本功能:计数

图2:检查零件的孔数和位置是否正确。

一旦机器视觉系统可以定位目标对象,它就可以计算图像中存在的类似对象的数量。它还可以判断对象是否不存在于图像中,因此存在/不存在测试也属于计数类别。例如,在汽车工业中,计数功能用于确定零件是否具有适当数量的加工孔(图2)。如果零件加工孔的数量或尺寸不对,将从生产线上移除,而不是成为新车的一部分。

基本功能:测量

机器视觉还可以计算它所定位的物体之间的距离,称为测量的任务。它可以进行非常精确的测量,以验证产品的两个组件之间的距离,例如药瓶的底部和瓶子的填充点是否符合预期值。在视觉系统能够执行测量之前,必须首先对其进行校准。简单的校准包括告诉系统一个测量单位等于一定数量的像素。更复杂的校准涉及向系统显示网格模式,其中网格间距等于一个已知值。这可以确保即使相机倾斜或旋转,或者镜头有失真,测量结果也良好。

在生产线上,使用视觉进行测量不需要对物体进行物理操作,因此不像接触式测量那样存在损坏零件的相关风险。由于这个原因,机器视觉测量实际上已经取代了接触式测量,现在机器视觉系统的成本更低,需要的编程知识也更少。它们可以每秒执行数千次测量,包括一些复杂的计算,比如接触式测量难以实现的圆度。(这是因为接触式测量仅限于几个接触点,而机器视觉可以快速、轻松地利用圆上的360个点来获得更好的测量结果)。

基本功能:一维和二维解码

在许多行业中,特别是消费电子产品和汽车行业,所有部件都标有机器可读代码。它是机器视觉系统的基本功能,它可以解码这些符号,以便在整个生产过程中跟踪零件,并记录它们成为哪个成品。这是一个称为跟踪和跟踪的概念。如果在以后出现问题,比如在试图确定哪些产品可能因为组装有缺陷的部件而需要召回。

通过以各种方式组合这些基本功能:定位、计数、测量和解码,工业自动化系统几乎可以处理任何放在它们前面的检查任务。然而,他们不能做的一件事就是解读人类的思想。出于这个原因,工业自动化解决方案提供商需要通过使用特定模式和逻辑程序对其进行预编程来告诉机器视觉软件要寻找什么。

具有具体效益的应用科学

与人工检查相比,机器视觉在速度和一致性方面提供了巨大的改进。它还可以昼夜不停地工作,始终如一地提供优质产品并可靠地捕获拙劣物品。由于机器视觉系统能够快速、准确、一致地处理与检查相关的任务,因此可以最大限度地缩短停机时间,从而可以即时执行纠正措施。还可以分析收集的关于被检查物品的适用性的数据,以发现诸如切割工具的磨损等趋势。

机器视觉的过程控制优势的一个很好的例子是代码验证。对于产品和产品零件的可追溯性至关重要,这些代码可以打印、点喷或雕刻在即将开始生产过程的部件上。代码的质量可能不一致,并会随着时间的推移而下降,这取决于标记系统的性能,因此使用机器视觉技术来验证这些代码的可读性。高级代码验证系统根据国际标准化组织(ISO)制定的标准对各种符号进行分级。他们还跟踪评分趋势,记录有关条码质量的信息,以便密切关注打印机的功能,并在出现不扫描符号的争议时提供参考。

图3:显示OCV数据的屏幕截图。

机器视觉还可以识别和验证人类可读的符号,我们称为光学字符识别(OCR)和光学字符验证(OCV)。这些都是重要的功能,因为许多项除了机器可读的代码外,还带有人类可读的代码,并且需要读取这两种类型的标记来验证数据是否匹配。OCR是用来进行实际阅读的,它的优点是即使字符变形也能阅读。另一方面,OCV是用来检查印刷质量的。它确保诸如3,8,6或B之类的字符足够清晰,以便在被人阅读时不会混淆。在印刷的有效期内完成OCV是这项技术典型的范例。我们不希望任何人误读过期日期并摄取过期的食物或药物。图3显示了OCV如何逐个像素地查看字符的形状。

现代的汽车比以往任何时候都更复杂,具有更多可选择配置和功能,使生产可能出现错误方面也越来越多。机器视觉可以帮助制造商和供应商在整个生产过程中防止缺陷。它可以引导机器人从机架中取出零件,验证它们是零件是否正确,检查零件的质量,然后定位零件并进行装配。

智能相机的引入极大地改善了在汽车工业中使用机器视觉的选择,因为它允许在生产线上的多个点配置独立的分布式检查系统。智能相机将光学、照明、视觉软件和通信集成在一个设备中,因此不必为所有检测点配备单个处理中心。

机器视觉技术利用其定位模式的能力,在引导机器人设备拾取必要物体方面表现出色。如果没有机器视觉,这些物体每次都需要放置在完全相同的位置,与预期位置稍有偏差,就会中断至少一种产品的加工,甚至可能完全停止生产线。引导机器人在移动的传送带上抓取物体也极其棘手。

然而,使用机器视觉,找到物体的位置——包括移动的目标——相对容易。系统在特定的时刻触发视觉,软件在图像中定位所需的目标。系统计算每个部件的位置和方向数据,加上它所知道的从被触发到这些部件的移动距离,然后将这些部件的“拾取”位置发送给机器人。基本上,电脑版的双向飞碟射击——你需要瞄准并将抓手对准物体所在的位置——是允许视觉控制机器人在飞行中捡起物体的。鉴于机器人指导决策需要在几分之一秒内完成,重要的是机器视觉系统或智能相机可以实现近乎实时的响应。

一种快速发展的技术

机器视觉一直在进步。这项技术曾经是一项昂贵的投资,需要大量的编程知识来实现,现在它的设置和使用都很简单,而且比以前便宜很多。在精度、速度和可靠性方面的显著提高使得机器视觉——尤其是智能相机——成为一个非常热门的工程话题。鉴于机器视觉系统已经可以完成的任务种类繁多,在不久的将来带给我们的创新将是令人兴奋。

Banner
Related Posts

中科院自动化所王欣刚:机器视觉将取代人类视觉

2019年6月21日

2019年6月21日

智能制造已成为全球制造业升级发展的重要方向,未来工厂里将采用越来越来越多的自动化技术,包括机器人、人工智能、虚拟现实等先进技术,其中,机器视觉将在智能工厂中将发挥关键作用。对于生产商来说,如何将这些技术运用到当前的生产线,将是实现工厂价值提升和未来发展的关键。

基于相机和激光传感器的车顶视觉检测系统

2019年4月24日

2019年4月24日

像多单元高速列车这样的现代轨道车辆需要定期进行检查维护,以确保最车辆的安全稳定运行,增加使用寿命并最大限度地减少列车的磨损

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。

每个机器制造者都应该了解基于组件的3D视觉系统

2019年9月1日

2019年9月1日

在构建成本效益高的三维视觉系统时,是最好使用基于组件的方法(如照相机、激光、透镜、支架、校准目标)还是采用一体化(即智能)方法?乍一看,以较低的成本购买单个组件和构建定制的视觉解决方案似乎是更经济的途径。

纺织制造商将人工智能无缝集成到生产中的三种方式

2019年9月3日

2019年9月3日

人工智能正在改进纺织品制造商的经营方式。这一过程的每一个要素,包括纺织品生产、产品成本、质量控制、数据收集、统计过程控制、准时制制造和计算机集成制造,都在进行人工智能改造。

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。

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。

机器视觉技术在农业应用研究进展

2019年3月31日

2019年3月31日

随着计算机软硬件、图像采集处理装置、图像处理技术的迅猛发展,机器视觉技术在农业的应用领域不断扩展。目前,美国、日本、德国等发达国家已经开始将机器视觉系统应用到农业生产的各个阶段,以解决人口老龄化加剧、劳动力缺失等问题引起的挑战。

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。

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。

机器视觉应用的柔性开发

2019年9月12日

2019年9月12日

本文使用IBV软件MERLIC的例子,概述了图像处理的当前要求,并展示了如何在不编程的情况下创建应用程序。

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。

基于计算机视觉和深度学习的智能缺陷检测

2019年9月4日

2019年9月4日

自亨利·福特首次引入装配线系统以来,质量控制一直是制造中的一个关键因素。其理念是,质量可以通过大规模生产流水线来实现,只要每个人在生产过程中各尽其责。从那时起,我们显然已经走了很长一段路。传统的装配线仍然以许多形式存在,尽管机器已经取代了许多手工过程。

机器视觉这条河,未来也会浑浊吗?

2019年3月21日

2019年3月21日

机器视觉的实质是一种计算机图像处理在工业领域的应用,其在机器人行业的应用方向有两种。AGV和机械臂,AGV上的应用已经很明了,主要存在于导航上面,但是在机械臂上的应用可谓是越来越广。

改善机器视觉系统的十大方法

2018年8月9日

2018年8月9日

机器视觉是一个新兴领域,如果设置正确,可以减少过程效率低下。任何使用机器视觉作为机器人引导或检查的设施都应重视这一领域,以寻求可能的改进。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注