2020年6月27日 机器视觉与计算机视觉技术

机器视觉模式匹配的基础:光源、相机、算法

我们人类从第一次睁开眼睛开始就学会了识别模式。那是一只鸟!那是一架飞机!那些是字母A, B和C!如果我们不能从周围环境中挑选出特定的物体并加以分类,我们的视觉就没有什么用处了。

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?

事实证明,有许多方法可以执行模式匹配,因为这是一项涉及大量数据处理的任务,优化流程至关重要。在最基本的层次上,它涉及到使用图像中单个像素的强度来确定形状的轮廓(或边缘)在哪里。如果这些轮廓的排列与基于统计分析的模板模式的排列合理地相似,则视觉系统将输出一个匹配。

对比是王

由于边缘的检测是基于单个像素的不同强度,因此良好的对比度是非常重要的。这一要求导致了照明安排的各种创新,如轴上照明,照亮垂直于表面的光和穹顶照明,从各个方向提供一致的照明。这也是必要的,以尽量减少环境光和眩光来自反射表面。良好的光照可以最大限度地检测相关边缘,并最小化对不存在的边缘的感知。

还有一些图像处理算法,当光靠良好的光照是不够的时候,可以显示出图像的某些特征。阈值化是这种图像处理算法的一个例子,它通过计算不同强度下像素数量的直方图来确定强度阈值。该算法逐像素查看图像,将阈值以下的所有像素设置为黑色,阈值以上的所有像素设置为白色。


在Visionscape机器视觉软件中的阈值化示例。

寻找一种模式

在机器视觉系统在产品线上,它需要知道自己在寻找什么。系统的操作人员通过提供模板映像告诉它要查找什么。然后系统会记住形状,包括边缘的位置以及相对于模板模式的整体大小它们之间的距离。重要的是视觉系统能够找到相同的模式在不同的大小和方向。

一旦系统知道它想要找到什么,它就开始分析捕获图像的像素数据。像素的强度范围从0到255,这些值可用于计算。为了找到物体的边缘,该软件通过执行像素减法来寻找对比度的大变化。如果减法的结果接近于零,那么这两个像素就不构成一条边。强度上的巨大差异——无论是正的还是负的——表明可能存在一个边缘。

像素减法的结果存储在数据结构中,软件水平和垂直扫描修改后的图像表示,以找到轮廓。它记录轮廓的相对距离,然后查找参考图像和任何发现的形状之间的统计相似性。可以改变系统的统计容忍度,以使匹配的可能性更大或更小。高容差将使误报更常见,而将容差设置在较低级别的系统更有可能错过真正的比赛。

机器视觉的未来:深度学习

在传统的机器视觉中,您需要准确地告诉系统您希望它寻找什么。这可能需要大量的编程工作。如果系统能够自己找出要查找的内容,那不是很好吗?这就是将深度学习算法融入工业机器视觉系统背后的推动力。

深度学习利用卷积神经网络(CNNs)等先进算法,让计算机根据一组训练数据来学习它们需要做什么。不需要指定一个对象的精确轮廓,一系列的图像被呈现给系统,指定它们要么包含感兴趣的对象,要么不包含。在这个训练期间,这些算法自己发现图像的哪些属性表明目标可能存在。这导致了更强的识别率,因为视觉系统处理大量数据的能力使它在识别物体的定义特征方面比人类做得更好。

机器视觉正在迅速发展,专门研究它的工程师们也在不断地展望未来。未来几年可能会在照明、相机设备和机器视觉算法方面带来大量创新,使工业自动化比以往任何时候都更加精简和灵活。

Banner
Related Posts

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。

用于柔性显示器的缺陷检测系统

2019年5月10日

2019年5月10日

韩国国家计量院开发了一种用于自由曲面显示器(包括柔性显示器)的缺陷检测技术,该技术将帮助显示器制造商用在制造过程中通过拍摄的一张图像来检测缺陷。

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。

红外相机热成像在缺陷检查中的应用

2019年6月1日

2019年6月1日

制造商正在使用红外摄像机来辅助预防性维护,并发现与热相关的装配过程中的缺陷。

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。

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。

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。

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。

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。

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。

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

基于机器视觉的监测系统​

2019年11月3日

2019年11月3日

本研究基于机器视觉技术,结合Python语言,openCV库等,编写出了一套高精度,高稳定性的位移监测算法,以Nvidia Jetson开发板为载体,结合单片机,红外传感器等,设计制造了一套具有形变监测与预警功能的系统。

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

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注