机器视觉介绍

机器视觉介绍


机器视觉检测系统任务
尺寸测量 、条码识别 、外观测量 、字符识别
定位测量 、有无检测 、瑕疵检测 、颜色识别


一 什么是机器视觉(MV)

“机器视觉是通过光学的装置和非接触的传感器,自动地接收和处理真实物体的图像,以获得所需信息或用于控制机器人运动的装置。”

机器视觉就是用机器代替人眼来做测量和判断。


要求:
一 掌握机器视觉各部件及选型知识(光源等)
二 熟悉机器视觉软件的应用
三 能够设计典型的视觉系统


二 应用领域

应用领域 典型应用
汽车制造业 气缸盖监测,汽车车身检测,金属铸件检测,装配线上检测,尺寸测量。
电子、半导体行业 PCB板钻孔定位及测量,BGA锡珠检测,手机平板装配,零部件外观检测,航天电池片检测。
烟草行业 油封质量检测,在线包装质量检测,烟支外观检测,铝箔纸检测,杂物剔除。
金属加工行业 表面质量在线检测,工件识别测量定位,圆孔直径测量,齿轮缺陷检测,钢材尺寸检测,螺丝流水线检测,缺陷检测,金属球表面二维码在线识别系统。
包装行业 证件配页装订在线检测,票据号码印刷质量在线检测,啤酒瓶盖高速检测,卷烟条盒包装质量检测,硬币边缘字符在线,包装带缺陷高速自动检测。

应用
引导 定位、纠偏、实时反馈
检测 防错、计数、分类、表面伤缺
测量 距离、角度、真圆度、直线度
ID 一维码、二维码、OCR

应用
离线检测机台,单工位的人工上下料检测
在线静态检测,在线停止的检测
在线动态检测,在线不停止的检测
机器人辅助定位, 机器人引导
高速分检,超高速的快速分类
线扫描检测,大幅面、高均匀的检测

三 干扰因素

(受环境干扰影响大)

干扰因素
光照 太阳光的干扰,不同材质物体的反光特性不同。
干扰物 积灰、油污、废弃物、烟尘、水汽都会带来不确定的影响。
震动 规律性的震动,突发的震动。
空间 安装空间、物体的运动空间。
温度 不同的温度下,光学特性会不同。

四 优劣

视觉系统的优势领域 视觉系统的劣势领域
产品单一,检测任务单一。 产品随机或者不确定。
重复、繁琐的检测任务。 不同产品有不同的检测任务。
特殊的检测任务。 只有定性没有定量的检测要求。
危险或不适宜人的工作场合。 缺少足够测试样本的需求。

五 方案设计

(技术方案多变,需要通过实验来确定方案。)

PLC控制系统 机器视觉
客户需求 外设清单,工艺描述 检测要求,现场环境,详细技术参数
方案制定 根据清单、客户指定配置系统 通过实验确定技术方案
采购 根据初步设计指定采购清单 实验借用、实验采购、项目采购
软件编制 根据工艺流程图编制 不同的方案不同的算法,确定方案之前就已经开始了部分的方案验证设计。
现场调试 根据设备运转情况调试 根据生产的情况和环境的变化进行调试

六 方案设计过程

1 需求获取

(了解客户的检测产品、检测目的和检测指标)

  • 产品大小规格及数量。
  • 产品的特性。
  • 检测内容及指标。
  • 检测精度要求。
  • 检测速度要求。
  • 运动中还是静止检测。
  • 结果输出方式,IO及通讯方式等。

2 方案准备

(为实现客户的检测要求而准备方案)

  • 包含检测特征的实物样品。
  • 初步评估需要使用的相机、镜头、光源选型。
  • 需要的话可以向厂家要求借测。
  • 必要的实验平台。

3 方案设计

(对客户提供的样品做实验结果验证和配置选型)

  • 对成像的效果使用软件快速评估成像方案是否可行。
  • 适用软件验证检测效果的精度和重复性,验证检测任务是否可实现。
  • 根据验证的结果给出方案的配置和报价。

七 工业前沿

3d视觉:

目前处于起步阶段,但在部分领域逐渐使用,包括导检测、逆向工程、测绘、定位识别、测量等,但精度限制了3D视觉在很多场景的应用,目前工程上识别定位与测量应用较多,相信未来这块潜力巨大。

深度学习:

传统的机器学习在特征提取上主要依靠人来分析和建立逻辑,而深度学习则通过多层感知机模拟大脑工作,构建深度神经网络(如卷积神经网络等)来学习简单特征、建立复杂特征、学习映射并输出。

随着越来越多的基于深度学习的机器视觉软件推向市场,深度学习给机器视觉的赋能会越来越明显。


八 商业视觉软硬件

Cognex康耐视:系统、软件、传感器、智能相机。
Keyence基恩士:系统、软件、传感器、智能相机。
Halcon 德国MVTEC公司:软件。
NI美国国家仪器:软件、智能相机。
HIKVISION海康威视:相机、镜头、软件。
DAHUA大华:相机、镜头、软件。
汇萃视觉:软件

九 标定

标定的作用:

  1. 像素变换(单位像素的物理长度)
  2. 透视投影及光学畸变校正
  3. 不同坐标系之间的标定
  4. 多个相机通过标定统一到同一个坐标系

十 机器视觉工业应用的通用流程

  1. 采集图像
  2. Blob分析(目标特征对象有无分析)
  3. 获得位置、角度信息
  4. 仿射变换(进行定位)
  5. 图像预处理
  6. 图像处理
  7. 结果输出

版权声明:本文为CSDN博主「*匿名*」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_41375318/article/details/111194192

*匿名*

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

使用YOLOv5训练自己的数据集

使用YOLOv5训练自己的数据 新东西出来,总是要试试,这几天使用了yolov5跑了几个模型,特来记录一下心得与坑。 作者给出的教程,可以先浏览一下: link. 源码下载链接: lin