提高机器视觉检测精度的 7 种方法

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

来源 | 机器视觉沙龙

随着越来越多的制造商每天使用机器视觉系统对其生产设施进行检测，您是否拥有机器视觉检测解决方案不再只是一个问题。 您还必须确保您的检测系统尽可能准确和高效。

机器视觉检测为无数制造商提高了效率和产量。 机器视觉检测不依赖人工检查员，而是使用摄像头捕捉图像并快速确定成品和包装是否合格。 机器视觉系统不仅可以检查样品，还可以检查每个产品和包装。

当工作正常时，机器视觉系统有时可以比人类快数百倍地执行检查。 但如果检测系统没有正确校准或出现其他故障，精度差会导致大问题。 较慢的检查速度或不正确的结果可能会导致生产量降低和制造商的巨大损失。

总结7个提高视觉检测精度的经验：

1.选择合适的光源。

如果没有合适的光源，即使是最好的相机也无法捕捉到清晰的图像。 对于某些应用，背光可能会产生最佳效果。 在其他情况下，您可能需要明场照明或低角度线性阵列。 您的系统集成商可以帮助您做出正确的选择。

2. 校准您的光源。

一旦您知道哪种类型的光源最好，可能仍需要进一步校准。 调整照明系统的频率和波长，以减少来自生产环境或您正在使用的零件和材料上可能存在的涂层的噪音。

3. 过滤灯光。

机器视觉在保持一致的环境中效果最佳。 但这可能很难保证一整天。 环境光、重新布置的生产线和不断变化的产品都会影响照明。 镜头过滤器可以帮助消除不需要的光。

4.触发功能。

在某些情况下，生产环境中的电噪声会导致检测系统误触发。 这可能会导致分析失败并导致产品不应该出现故障。 触发功能可以帮助您避免这种情况。

5.添加AI技术。

人工智能和嵌入式系统正变得越来越容易被各种制造商使用。 人工智能可以通过基于强大的数据集做出更智能的决策来减少面积。

6、改善零件定位。

一些合格的元件由于定位不良而未能通过检查。 添加更精确的工具来固定零件进行检查可以提高机器视觉检查的准确性。

7.增加稳定性。

生产环境中的设备经常会受到噪音和振动的影响，从而导致图像模糊。 这可能导致不必要的故障和重复检查。

本文仅做学术分享，如有侵权，请联系删文。

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~