视觉工程师

已于 2023-07-05 17:29:39 修改
阅读量976 收藏 12
点赞数 2
分类专栏： VM 文章标签： 计算机视觉
于 2023-07-03 15:56:35 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_67368830/article/details/131512440
版权

文章目录

1 视觉工程师

1.1 职业技能

视觉工程师扮演者将具体算法应用落地的角色，优秀的视觉工程师通常具备以下职业技能：

  • 1、了解工业相机、镜头、光源和工控机等硬件知识
  • 2 、熟悉图像处理、机器视觉领域常用算法原理
  • 3、具备一定的代码阅读与开发能力，能编写脚本，开发上位机

1.2 认证体系工程师层次划分

1.21 初级工程师

能够设计简单的视觉方案，运用视觉软件完成方案塔建、测试与维护。
了解相机、镜头、光源、工控机等硬件安装，掌握一种或多种视觉软件的使用与简单调试

1.22 中级工程师

初级基础上，能够调用SDK算子进行软件的二次开发，封装算子模块
熟悉图片处理、机器视觉算法原理，熟悉机器视觉处理流程，精通C#或C++语言，多线程、多进程、内存共享、网络编程技术

1.23 高级工程师

中级基础上，具备丰富的项目经验，问题解决能力和自主学习能力
能够自主设计与搭建视觉应用系统，具备丰富的机器视觉项目开发经验和问题解决经验逻辑思维清晰

1.3 常见的视觉应用软件

代码型：
OpenCV:开源，开发灵活，编程复杂，较高的应用门槛，且性能一般
算子型：
HALCON:基础的封装，开发灵活，性能优秀，开发便捷度一般
平台型:
VISIONPRO:开发便捷，周期短，性能优秀，灵活性一般
VISION MASTER：开发灵活，低应用门槛，工具丰富，性能优秀，相对年轻：

2 VM

2.1 VM是什么

VM是通用型视觉算法开发平台

  • 图片化交互
  • 流程式编辑
  • 可视化配置

2.2 VM的定位

通用平台
1.为视觉应用提供算法工具
2.为视觉开发提供基础平台
3.专注于底层模块的性能提升

2.3 VM的开发模式

  • 快速模式
  • 开发模式
  • 设计模式

2.4 VM版本演进

VM版本演进

2.5 VM界面介绍

VM界面介绍

  • 1、工具箱
    工具箱是视觉工具包的集合，包含：采集、定位、测量、识别、深度学习标定、对位、图像处理、颜色处理、缺陷检测、逻辑检查、逻辑工具和通信单元。视觉工具包是完成视觉方案的基石。用户按照项目需求，选择对应的视觉工具包，进行方案的塔建和测试。
    视图工具包可以通过拖拽的方式将模块拉入流程编辑区

  • 2、流程编辑区
    流程编辑区
    VM4.0多了模块状态指示灯，点亮模块当前的状态，模块下方是顺序型的是报绿灯，分支的报红灯。

  • 3、工具栏
    工具栏包含对相机、光源控制器硬件的操作
    工具栏

  • 4、图像处理
    图像处理
    鼠标移动到图像处理界面的某一点，右下角会返回当前捕获像素信息，包括X,Y,G,R,B某些工具需要这些像素信息作为参数

  • 5、结果显示
    结果显示包括当前结果、历史结果和帮助三个部分，下面通过图片介绍
    当前结果
    历史结果
    帮助

  • 6、状态栏
    状态栏
    流程编辑区设计好就可以作为一套视觉解决方案去使用

3 VM模块介绍

模块选择
模块选择是根据实际的需求去选择，如果是一个空白环境的搭建，选择通用方案，定位测量通过定位、测量工具进行设计，缺陷检测借助工具查找工件缺陷，用于识别，通过识别工具进行方案设计

4 特征匹配

4.1 算法解释

  • 根据边缘强度、长度、趋势一致性等提取匹配特征，特征更合理、匹配精度更高
  • 高精度和快速两种工具

4.2 特征匹配的性能

  • 0.1像素精度，0.05度
  • 支持平移、旋转、缩放等多个自由度
  • 能适应遮挡、模糊、明暗等干扰

特征匹配

4.3 特征匹配的模块创建

4.4 高精度特征匹配建模参数

在这里插入图片描述

4.41 建模参数-特征尺度

在这里插入图片描述

4.42 建模参数-对比度阈值

在这里插入图片描述

4.5 特征匹配的运行参数

在这里插入图片描述

4.51 模板匹配的运行参数-极性

在这里插入图片描述

4.52 模板匹配运行参数-角度范围与尺度范围

在这里插入图片描述
角度和尺度范围内的示例，
在这里插入图片描述

4.53 模板匹配运行参数-最大重叠率、延拓阈值

在这里插入图片描述
最大重叠率的示例，
在这里插入图片描述
延拓阈值的示例，如下图延拓阈值高于50的会被找到
在这里插入图片描述

4.54 模板匹配运行参数-阈值类型

在这里插入图片描述
阈值类型示例，当特征的边缘强弱发生变化时，使用自动阈值可以保证特征奶可以被查找到
在这里插入图片描述

4.6 高精度特征匹配

高进度特征匹配提供了不同高斯金字塔层级的颗粒度参数，在底层级使用精细尺度，在高层级使用使用粗糙尺度，获取到的边缘特征会更多更精准，这是有别于快速特征匹配的地方

4.7 模板匹配的应用

在这里插入图片描述

5 Blob分析

在这里插入图片描述

5.1 Blob运行参数-阈值方式

在这里插入图片描述

5.2 Blob运行参数-连通性、最小重叠率

在这里插入图片描述

6 卡尺工具

在这里插入图片描述

6.1 卡尺工具的延伸-几何查找工具

在这里插入图片描述

6.2 间距检查

间距检查：工具用于检测两特征之间的间距，首先是查找满足条件的边缘，然后进行距离测量

6.21 间距检查运行参数-滤波尺寸、边缘阈值、边缘极性

在这里插入图片描述

6.3 圆查找

圆查找：先检测出多个边缘点，然后拟合成圆形，可用于圆的定位与测量

本工具一次只能查找一个圆，如果要查找多个圆，建议配合循环功能使用

6.31 圆查找运行参数-扇环半径、卡尺数量、剔除点数

在这里插入图片描述

6.32 圆查找运行参数-初定位、剔除距离、投影宽度

在这里插入图片描述

6.4 几何查找工具的应用

在这里插入图片描述

6.41 识别

在这里插入图片描述

6.42 二维码识别

二维码的识别，用于识别目标图像中的二维码，将读取的二维码信息以字符的形式输出。一次可以高效的识别多个二维码，目前只支持QR码和DataMatrix码

6.43 二维码运行参数-边缘类型、码宽范围

在这里插入图片描述

6.44 二维码运行参数-镜像模式、OR畸变、应用模式

在这里插入图片描述

7 VM深度学习

在这里插入图片描述

7.1 模型训练步骤

在这里插入图片描述

7.2 图像分割

在这里插入图片描述
在这里插入图片描述

7.21 图像分割运行参数-模型文件路径、方案存模型、最小分数

在这里插入图片描述

7.22 图像分割-应用场景

在这里插入图片描述

7.23 特殊的图像分割-目标检测

在这里插入图片描述
在这里插入图片描述

7.231 目标检测运行参数-最大重叠率、边缘筛选使能

在这里插入图片描述

7.3 字符定位与识别

在这里插入图片描述

7.31 文本识别运行参数-字符过滤、最小置信度

在这里插入图片描述

7.32 文本识别运行参数-最大重叠率

在这里插入图片描述

8 图像相关工具

8.1 图像滤波

在这里插入图片描述

8.11 图像滤波运行参数-图像滤波类型

在这里插入图片描述

8.2 图像运算

在这里插入图片描述

8.21 图像运算-图像输入源、运算类型

在这里插入图片描述

8.3 仿射变换

在这里插入图片描述

8.31 仿射变换运行参数

在这里插入图片描述

8.4 颜色抽取

在这里插入图片描述

8.41 颜色抽取运行参数-颜色空间、颜色区域选择

在这里插入图片描述

8.5 颜色识别

在这里插入图片描述
在这里插入图片描述

8.6 缺陷对比

在这里插入图片描述

8.11 缺陷对比配置步骤

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

9 逻辑相关工具

9.1 条件检测

在这里插入图片描述

9.2 Group

在这里插入图片描述

9.21 Group输入、输出设置

在这里插入图片描述

9.22 Group循环设置

在这里插入图片描述

9.23 Group在VM 4.0的功能

在这里插入图片描述

10 VM工具栏分析

10.1 全局相机

在这里插入图片描述
在这里插入图片描述

10.2 全局相机

在这里插入图片描述

10.3 光源控制

在这里插入图片描述

11 前端界面

在这里插入图片描述
在这里插入图片描述

12 脚本

在这里插入图片描述

13 综合案例

13.1 功能需求

在这里插入图片描述

13.2 设计思路

在这里插入图片描述
在这里插入图片描述

DY.美好
关注
  • 2
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器视觉工程师应该具备哪些技能？
超人视觉的博客
03-03 9147
随着自动化市场的发展，智能检测的需求越来越多，机器视觉的应用到快速发展，同样，企业对于机器视觉人才的需求急剧上升。那么对于机器视觉工程师，咱们应该具备哪些方面的技能呢，首先咱们要明确机器视觉方面有些什么样的岗位： 一类，机器视觉调试工程师，主要是基于现成的机器视觉框架软件去调试下基本参数，以及硬件方面的安装等，相对是比较简单。那么对于这类的工程师，主要只需要懂得该公司相应使用的软件，知道怎么应用，以及一些相机硬件等方面的知识储备。 二类，机器视觉开发工程师，这类工程师是基于图像处理软件上进行二次开发，相
海康威视【初级-中级】机器视觉工程师考核素材
05-08
海康威视机器视觉认证工程师考核素材包，包括初级与中级，目前机器视觉认证工程师窗口关闭，可提前熟悉考核，待窗口打开后去考试取证。
算法工程师5——计算机视觉知识点概览
xiaotiig的博客
03-03 595
计算机视觉1 基础1.1 计算机视觉定义1.2 人眼图像的形成1.3 灰度级1.4 分辨率1.5 数字图像的表示1.6 像素关系1.7 图像中常用的距离有3个1.8 图像计算1.8.1 像素计算1.8.2 坐标计算1.9 色彩3要素2 图像预处理2.1 灰度变换2.1.1 对比度增强2.1.2 对比度压缩2.1.3 伽马矫正2.1.4 直方图变换2.2 空间滤波图像处理总结 1 基础 1.1 计算机视觉定义 计算机视觉大部分内容运用了人工智能技术，同样人工智能的发展离不开计算机视觉。计算机视觉是人工智能
作为一名视觉工程师该怎么学习？
weixin_44317873的博客
09-01 2745
作为一名刚刚入门的视觉工程师，我来写一点点这段时间的收获感悟吧! 首先，进入公司之后，你肯定会被安排去做和视觉相关的工作，这个工作你没有任何经验，所以会有一个人来带你，这个人一般有两种情况：1，视觉相关经验十足，经手项目非常多，那么恭喜你，中奖了，你得到了一个超级好的师傅，好到可以省去你半年的学习时间。2，在其他方面经验十足，但是对于视觉方面，只能起一个引导方向的作用，这很常见，请你在心里告诉自己，因为我就是这样的，视觉工程师在工厂里面可以说是非常稀缺的了，大厂可能会不一样，但也不会很多。 那么我们在没
视觉工程师必备视觉知识
最新发布
小白学视觉
03-02 67
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。一、机器视觉优势机器视...
视觉算法工程师的基本职责（合集）
2301_78256053的博客
06-09 191
3. 深入挖掘大量数据表，结合其字段、字段的数据类型、数据内容，以及数据表的结构等，设计算法以筛选出每张数据表的若干关键特殊属性，从而方便在大规模的数据集中实现数据快速查询、定位等。3、负责物体检测(行人、车辆、通用目标)、分类、跟踪、识别、图像理解、图像质量评估和增强，视频分析等前沿技术研发和实现;3.对机器学习、模式识别、深度学习等有一定的了解，具有实际目标检测、图像识别、图像分割等项目开发经验者优先;2、精通数理统计，掌握常用数据挖掘方法，例如：线性回归，逻辑回归，决策树分群，聚类、关联分析等;
机器视觉工程师应该了解的16个工业镜头专业术语
together_1的博客
02-16 370
机器视觉目前已成为实现工业自动化和智能化的核心关键点之一，科技发展日新月异，机器视觉行业伴随制造业的强势崛起，受到各行业的广泛关注和充分的工业应用，下面小编给大家介绍一些常见的机器视觉工业镜头的相关专业术语。 一、远心光学系统 指主光线平行于镜头光学轴的光学系统。而光从物体朝向镜头发出，与光学轴保持平行，甚至在轴外同样如此，则称为物体侧远心光学系统。光从镜头朝向影像，与与光学轴保持平行，甚至在轴外同样如此，则称为影像侧远心光学系统。 二、远心镜头 远心镜头指主光线与镜头光源平行的镜头。有物体..
视觉工程师的生活是怎样的（二）？
weixin_44317873的博客
12-19 1450
鉴于之前的写作方式太难往后面写了，就开了另外一个问题了，还是沿着之前的时间线来的。 8.30号是boring的一天，我咸到裂开，所有的程序已经都到顶了，我却上不了顶楼。 也再一次验证了一点，能力这个东西，真的有瓶颈的，一般人可能遇不到，但是遇到了就是真正的难受了。 你有两种方法去突破它。 1，外部打破：找高手过来指导，如何疯狂问。或者跳槽，换一个环境，在另外一个环境下，瓶颈就不存在了，但是它并没有真正的消失，属于隐患。 2，内部突破：这个是最复杂最难的，因为人谁都可以救，唯独救不了自己。...
机器视觉工程师必须了解的基础知识
小白学视觉
09-04 4679
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 正文CCD（像素）与视觉系统的基础知识关于摄像元件 CCD数码相机的构造与传统的胶片式相机（模拟式...
[视觉概述] 机器视觉应用方向、项目流程及学习思路总结
热门推荐
Loewen丶的小窝
05-24 1万+
需求分析：一个项目主要包含①定位、识别②缺陷检测③OCR字符识别④测量类的项目这四个大方向 方案设计：根据客户应用的场合不同，选择相应的镜头、相机、支架、光源及如何打光等 概要设计：软件架构体系，vc++联合halcon还是c#联合halcon等，还有算法流程，怎么通讯、怎么识别等 详细设计：每一个功能模块怎么做，包括图像采集模块、处理模块、包括算法模块，如何通讯等。通常将每个模块形成一个动态库...
计算机视觉图像算法工程师应该了解哪些知识
weixin_35750747的博客
02-15 1246
作为一名计算机视觉图像算法工程师，应该了解以下几个方面的知识： 数学基础：包括线性代数、微积分、概率论、统计学等，这些数学基础是深入理解计算机视觉算法的基础。 编程语言：掌握至少一门编程语言，比如Python、C++等，熟练运用编程语言进行算法实现。 计算机视觉基础：理解计算机视觉的基本概念，比如图像处理、图像分割、目标检测、物体跟踪、三维重建等。 深度学习算法：熟悉深度学习算法，比如卷积...
625圆_视觉工程师_
10-01
圆的拟合：路径位置采集图片进行圆的拟合找出圆的位置
计算机视觉工程师面试真题
10-25
包含笔试题和机试题，以及所需要用到的处理图片，可以用来练手。
计算机视觉工程师岗位工作职责范本.docx
03-11
。。。
计算机视觉工程师岗位工作职责范本.pdf
03-11
。。。
机器视觉工程师的几种类型
超人视觉的博客
08-10 4412
近日，有些准备步入机器视觉领域的同学会问到机器视觉的岗位定位，那么以下对于机器视觉工程师的岗位定位做以下总结： 一、机器视觉算法开发工程师 机器视觉算法开发工程师亦是底层算法开发工程师，是机器视觉底层开发的人才，这类人才普遍要求会高一些，因为需要做的工作是从基层开发视觉系统，那么需要对整个机器视觉的底层原理、软件编程等要求是非常高的、需要自己写出像图像处理库的能力，就像COGNEX等公司算法...
视觉工程师必须知道选型知识
aspaspaspasq的博客
12-11 1073
1、工业相机的丢帧的问题是由什么原因引起的? 经常会有一些机器视觉工程师认为USB接口的工业相机会造成丢帧现象。一般而言，工业相机丢帧与工业相机所采用的传输接口是没有关系的，无论是USB，还是1394、GigE、或者是CameraLink。设计不良的驱动程序或工业相机硬件才是造成丢帧的真正原因：设计不良的工业相机之所以会发生丢帧的现象，其实就是传输通道的堵塞，无法及时处理,所以新的图像进来时，前...
计算机视觉工程师学习路线
大白的博客
08-29 1888
1. 学习编程语言和基础库 学习Python语言,掌握基础语法、函数、面向对象编程等概念 学习Numpy库,用于科学计算和多维数组 学习OpenCV库,包含了许多图像处理和计算机视觉算法 学习TensorFlow/PyTorch,主要的深度学习框架 2. 学习数字图像处理算法 图像的表示方式(像素、灰度、二值化等) 彩色空间转换(RGB、HSV等) 滤波操作(均值滤波、高斯滤波、中值滤波等) 形态学操作(腐蚀、膨胀、开运算、闭运算等) 影像增强(直方图均衡化、自适应均衡化等) 边缘检测算
机器视觉工程师应聘攻略
09-27
### 回答1： 如果你想成为一名机器视觉工程师，以下是一些应聘攻略： 1. 学习基础知识: 要成为一名机器视觉工程师，你需要掌握数学、计算机科学、图像处理、机器学习等基础知识。 2. 积累项目经验: 参与一些实际项目，在实际操作中练习你的技能，也可以通过开源项目获得经验。 3. 掌握开发工具: 了解常用的机器视觉技术栈，如 OpenCV、TensorFlow、PyTorch等。 4. 扩大人脉: 参加行业会议、交流平台，与同行交流经验，并对新技术动态保持关注。 5. 编写优秀的简历和作品集: 准备一份详细的简历和一个有吸引力的作品集，以证明你的实际技能和经验。 这些都是应聘机器视觉工程师的基本步骤，你需要不断学习、实践、积累经验才能成为一名出色的机器视觉工程师。 ### 回答2： 作为一名机器视觉工程师应聘者，以下是一些应聘攻略： 1. 教育背景和专业知识：在简历中突出自己的教育背景和专业知识。包括相关的学位、研究项目、课程和培训经历。这些都能够证明你在机器视觉领域的专业能力。 2.项目经验和实习经历：详细描述自己在机器视觉项目中的角色和贡献。包括使用的技术、解决的问题以及所取得的成果。此外，展示与机器视觉相关的实习经验也是很有帮助的。 3.编程和算法能力：机器视觉工程师需要具备良好的编程和算法能力。强调你的编程技能，如Python、C++等，并说明你掌握的关键算法，如机器学习、图像处理和计算机视觉等。 4.解决问题的能力：讲述你在机器视觉项目中遇到的困难和挑战，以及你是如何通过扎实的分析和创造性的解决方案克服这些问题的。这展示了你的问题解决能力和创新精神。 5.团队合作能力：机器视觉工程师通常需要与跨学科团队合作。强调你在过去的项目中与其他团队成员合作的经验，以及你在集体项目中的贡献。 6.专业网络：加入机器视觉相关的组织和社交网络，如学术论坛和社区。这将帮助你与行业内的专业人士建立联系，并了解最新的行业动态和趋势。 7.个人的主动性和学习能力：强调你对机器视觉领域的热情和持续学习的态度。通过参与自主项目、开源项目和参加专业研讨会等方式来展示你的主动性和学习能力。 总体来说，作为机器视觉工程师应聘者，需要突出自己的专业知识、项目经验、编程和算法能力，同时展示解决问题和团队合作能力。此外，与行业专业人士建立联系和持续学习也是非常重要的。 ### 回答3： 机器视觉工程师是一个专业性很强的职位，应聘者在面试中需要集中展示自己的技术水平和工作经验，以下是一些应聘攻略： 1. 准备好技术知识：机器视觉工程师需要掌握各种图像处理算法、机器学习技术以及计算机视觉理论知识。应聘者需要复习相关教材和论文，并在面试中展示对这些技术的理解和应用能力。 2. 强调实际项目经验：拥有实际项目经验可以证明应聘者的实际能力。在简历和面试中，应聘者可以详细描述自己参与过的机器视觉项目，包括项目目标、实现方法和取得的成果。 3. 开展个人项目：除了实际项目经验，个人项目也可以展示应聘者的技术能力。应聘者可以选择一些与机器视觉相关的小项目，自主完成并在简历和面试中介绍。 4. 学习相关工具和软件包：机器视觉工程师需要熟悉常用的机器学习和图像处理工具和软件包，如OpenCV、TensorFlow等。熟练掌握这些工具可以提高应聘者的技术实力。 5. 主动参与社区和学术活动：参与机器视觉相关的社区和学术活动可以扩展应聘者的人脉圈和专业知识。应聘者可以参加相关的学术研讨会、技术讲座和线上论坛，并在简历中突出展示这些参与经历。 6. 自信和良好沟通能力：在面试中展示自信和良好的沟通能力非常重要。应聘者需要清晰表达自己的思想和观点，并与面试官进行积极互动。 通过以上攻略，应聘者可以提高自己的竞争力，增加获得机器视觉工程师职位的机会。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值