2021年1月19日 机器视觉与计算机视觉技术

MicrochipPolarFire FPGA成像和视频开发套件加快机器视觉应用的开发与部署

机器视觉对工业自动化至关重要

制造业和工业界正在经历巨大的变化,工业物联网(IIoT)等新兴技术有望大幅提升工厂运营效率。因此,各种传感器正以前所未有的速度进行部署,让IIoT应用能够感知和洞察生产过程、工业自动化和质量控制等现实场景所发生的一切。虽然环境传感器、液体流量传感器和压力传感器可以提供许多方面的信息,但在一个持续的过程中,IIoT系统需要全面管理的最重要人类感官之一是视觉。提供计算机视觉(或称机器视觉)需要依赖图像和视频快速处理技术以及人工神经网络平台。

机器视觉无处不在

将视觉能力引入工业制造或装配流程后,机器视觉的潜在应用就变得近乎无限。因此,机器视觉系统在整个工业领域无处不在,可满足广泛的需求。例如,机器视觉可以检测一瓶沐浴露有没有装满,或者标签有没有被直接贴在正确的位置。如果标签没贴好,或者瓶子出现破裂、破碎或变形,它还会促使执行器将瓶子推入废品箱。另一个例子是工业机器人可以自动装配复杂的机械零件。机器视觉的任务可能包括确认零件正确对齐以进行装配,然后检查在进入下一个流程之前零件是否已牢固安装。

机器视觉实现的注意事项

在实现机器视觉应用时,需要考虑多种因素。首先,开发团队必须确定是否可以通过简单的图像处理技术来满足他们的系统需求,或者这个任务是否比较复杂,需要使用深度学习神经网络才能更好地完成。

  • 简单的图像处理技术包括边缘检测算法、阈值化技术,以及对相机拍摄的图像使用低通、带通或高通滤波器。使用这些技术的好处是只需要低到中等的计算资源,这意味着作业吞吐量不会受到影响。前面所列的技术在许多制造和过程自动化场景中都很有用。例如,可以用来检查工业机器人是否将瓶盖正确盖在了瓶子上。机器视觉可以使用边缘检测算法和高通滤波器来执行此任务。如果瓶盖没盖上,高通滤波器将显示暗像素。阈值化技术将颜色与背景分开,这样就可以对吸塑包装中的药片进行识别和计数。此外,机器视觉系统还可以使用类似的方法来确定每颗药丸在制造过程中的大小是否正确。
  • 如果机器视觉的任务比较复杂,例如,读取产品的零件号,开发人员可以实现人工神经网络来推断文本字符和数字。这样,设计工作就会变得更加复杂,需要训练一个神经网络模型来快速、可靠、正确地识别字母和数字。

不过也许设计师最需要考虑的还是受制于生产线处理速度的图像处理速度和计算任务延迟。为了确保设计和实现的灵活性,机器视觉平台还应采用不同的图像和视频协议以及帧速率,以使平台具有可扩展性,能够灵活支持多种应用。

我应该使用哪种计算设备?从前面的示例应用可以看出,机器视觉的计算量可能会有很大差别。大多数高端微处理器都非常适合执行计算密集型任务;但现场可编程门阵列(FPGA)特别适合用来实现大势所趋的高速图像和视频流并行处理技术。同样,它们也适用于神经网络算法,如卷积神经网络,用于模拟人脑以高精度推断图像结果。

对于开发团队来说,无论是使用图像处理技术还是神经网络技术,要针对广泛的工业应用案例实现机器视觉系统,拥有灵活的原型设计平台是完成设计的关键。

Microsemi/Microchip PolarFire FPGA成像和视频开发套件简介

Microsemi/Microchip PolarFire FPGA成像和视频开发套件是一种综合型高性能评估平台,可用于设计原型和测试机器视觉应用。该套件具有双摄像头传感器、丰富的显示器接口和外设I/O选件,能够处理4K图像,并支持HDMI 2.0、DSI、MIPI CSI-2 TX、MIPI CSI-2 RX和HD/3G SDI等协议。PolarFire FPGA具有300k逻辑元件、4GB DDR内存和用于缓冲的1GB闪存(下图)。


带插入式摄像板的Microsemi/MicrochipPolarFire FPGA成像和视频开发套件(资料来源:Microchip)

该套件提供有参考设计演示应用,这些应用展示了如何使用画中画功能、视频拼接和图像平移功能,并通过视差图进行图像深度估计。该套件的软件具有边缘检测算法IP。此IP基于Sobel滤波器,允许提取对象边缘以检测图像中的特征。

Banner
Related Posts

涂布纺织品皮革表面缺陷检测解决方案

2019年7月2日

2019年7月2日

本文详细地介绍了基于自适应视觉算法的表面缺陷检测的应用原理及实际案例。同时以涂布、纺织品和皮革等类似行业的实际案例验证了该原理的可行性和实用性。介绍了能应用于涂布、印刷、涂布、塑料、橡胶、薄膜及皮革等缺陷检测的通用解决方案。

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。

贴纸相机解决物联网成像问题

2019年4月17日

2019年4月17日

Greg Blackman报道了CSEM的Witness IOT相机,这是一款可以作为贴纸部署的超低功耗成像仪。 Andrea Dunbar博士于3月在伦敦举行的Image Sensors Europe会议上展示了这项技术

嵌入式视觉:通过软硬件协作获得成功

2019年3月21日

2019年3月21日

在可预见的未来,嵌入式视觉技术不会完全取代传统的、基于PC或智能相机的机器视觉系统。然而,从技术和经济的角度来看,它确实在许多应用领域提供了非常有效的解决方案。

新型智能玻璃为机器视觉研究提供新的模拟途径

2019年7月18日

2019年7月18日

[据光电子网站2019年7月10日报道] 美国威斯康星大学麦迪逊分校电气和计算机工程系Zongfu Yu教授带领的团队开发出了一种新型智能玻璃。不需传感器、不用接通线路或外部电源、亦不需连接互联网,这种智能玻璃就可以利用光学反射的原理识别图像。

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?

自主机器视觉系统Inspekto S70

2019年12月18日

2019年12月18日

自主机器视觉(AMV)是通过机器学习的技术,让视觉系统拥有自动识别对象的能力,它为质量保证提供了革命性的方法,同时将使巨额投资和长时间停机成为过去。

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。

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。

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。

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...

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。

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。

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。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注