2020年7月4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

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。

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。

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。

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。

莫尔法成像方法可增强机器视觉中的3D图像

2019年8月1日

2019年8月1日

我们通常认为,使用正确的照明是机器视觉应用成败的关键。低角度照明可能会带来表面纹理或有用的阴影,背光提供干净的部分轮廓,偏振滤光片可以减少不必要的眩光。这些众所周知且广泛使用的工具已经存在了几十年。

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。

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。

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。

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。

快速创建三维纳米结构图像的新方法

2019年4月17日

2019年4月17日

通过X射线激光脉冲从两个方向照射物体(在图像中心切出十字)。在下一步骤中,将星形衍射图像重建为3-D对象

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。

韩国开发用于检测机械故障的机器视觉技术

2019年7月4日

2019年7月4日

韩国机械与材料研究所(KIMM)周二宣布,它已开发出一种新的机器视觉技术,可自动检测各种机器的故障。

自动化金属表面缺陷检测系统

2019年6月25日

2019年6月25日

近年来,生产制造企业对于金属的需求快速增长,对于产品质量的要求也是日益严格。如何对金属产品质量进行有效控制,我们的方法很简单:提供针对每种金属产品应用优化的表面缺陷检测解决方案,以高效一致方法的进行在线检查。事实证明,实时信息在为客户解决问题方面具有无可估量的价值,通过消除对生产后物理带材检验的依赖,制造商能够克服重大障碍。

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。

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。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注