工业视觉技术点总结
这是一种用于自动检验、零件加工以及装配自动化等等生产过程的技术,对图像进行控制以及监视的一种机器识别。按照现在的技术水平,用户对该机器的要求是成本要低,可靠性要高,而且速度要快,如今该系统的硬件应用结构主要是照明、摄像机、图像预处理和数据压缩、图像存储和图像解释等等这几个大部分。
第一,照明。这个部分是工业视觉检测的重要不部分,照明的局部有四种,一种是背光,一种是漫射顶光,一种是直射顶光,还有一种是结构光,这四种都有不同的使用范围,用户使用时是需要结合自己的实际需求来选择的。
第二,摄像。获取图像数据的方法基本上是使用阴极射线管式、固体式摄像机这两种,如果要求的精度很高,那么可以使用线扫描摄像机,但是固体摄像机在工业行业中有很大的优势,比如说稳定性可靠,寿命长久,而且成像的效果好。
第三,图像预处理。这个部分主要是对图像进行改进,能够在识别的时候更加清楚。一般图像预处理分为几个步骤,首先是阴影校正,其次是灰度校正,再其次是噪音过滤,最后就是图像增强。
第四,数据压缩。据了解,数据压缩技术中最简单的,就是取图像灰度的阈值,然后产生二值图像,而这样的图像是还可以再进行压缩。工业视觉检测应用结构大概就是这些,这种图像识别机器在工业行业中应用广泛,能够提高工作效率,解决更多工业方面遇到的问题。
软件方面:
1、基于视觉的产品表面质量的检测
主要是划痕、脏污、亮斑、缺角和凸起等。
计算方法:
图像分块
图像匹配
图像矫正:仿射变换、透视变换
像素比对
缺陷类型分类
2、视觉定位(双目、多目定位)
检测对象:机械零部件等
计算方法:
特征点提取
图像(旋转)匹配
变换矩阵的拟合
3、工业视觉主要组成部分
相机、光源的配置
视觉检测工位的机械设计
图像处理算法
人机交互软件
4、考虑的因素
检测对象特征:光源的照射角度(定制)、相机景深(远心镜头)
检测的实时性:对相机的帧率、光源亮度
其他:曝光时间、运动模糊、光源亮度(定制)
5、图像核心算法
图像预处理:图像去噪、灰度转换、二值化、提取梯度、LBP
图像分割:灰度、梯度、角点
边缘检测:Canny、形态学方法、图形拟合
图像匹配:NCC、NC++、Rotated-NCC
图像矫正:仿射变换、透视变换
像素比对:定义多种规则
缺陷分类:连通域分析、长宽比、占空比等指标
6、关于机器学习在工业检测中的应用
因为通常情况下,工业检测中比较难获得足够多的样本,机器学习应用并不多。
但是有些场景满足一定的数据条件下,基于机器学习特别是深度学习算法的识别检测系统往往远好于传统方法。
作者:萧风博宇
链接:https://www.jianshu.com/p/9e8147845d75