作者： 發(fā)布時間：2024-01-18 瀏覽次數(shù) :0
在工業(yè)或生產(chǎn)環(huán)境中，機器視覺通常使用單個相機或多個相機自動檢查和分析物體。然后利用獲得的數(shù)據(jù)控制過程或生產(chǎn)活動。例如在裝配線的典型應用中，對部件執(zhí)行操作之后，觸發(fā)相機以捕獲和處理圖像?？梢詫ο鄼C進行編程以檢查目標物體的位置、顏色、大小或形狀、或物體是否存在。它還可以查看和解密標準或二維矩陣條形碼，甚至可以讀取字符。
在對產(chǎn)品進行檢查后，通常會生成一個信號以確定如何處理它。零件可能被拒收到容器或分支輸送機中，或通過更多的裝配操作、系統(tǒng)跟蹤其檢查結(jié)果。相對于簡單的傳感器，機器視覺系統(tǒng)通?？梢蕴峁╆P于物體的更多信息。機器視覺的典型應用包括：質(zhì)量保證，機器人/機器指導，測試和校準，實時過程控制，數(shù)據(jù)采集，機器監(jiān)控，排序/計數(shù)。
許多制造商使用自動化機器視覺而不是人工檢查員，因為它更適合重復性的檢查任務。它更快、更客觀，并且可以持續(xù)不間斷的工作。機器視覺系統(tǒng)每分鐘可檢測數(shù)百甚至數(shù)千個零件，并提供比人工檢查員更一致和更可靠的檢測結(jié)果。
通過減少缺陷、提高產(chǎn)量，機器視覺系統(tǒng)幫助制造企業(yè)跟蹤產(chǎn)品、組件和提升合規(guī)性，從而節(jié)省了成本并提高了盈利能力。
機器視覺檢測未來的發(fā)展趨勢有以下幾個方向：
1、光源與成像：機器視覺中優(yōu)質(zhì)的成像是第yi步，由于不同材料物體表面反光、折射等問題都會影響被測物體特征的提取，因此光源與成像可以說是機器視覺檢測要攻克的第yi個難關。比如現(xiàn)在玻璃、反光表面的劃痕檢測等，很多時候問題都卡在不同缺陷的集成成像上。
2、重噪音中低對比度圖像中的特征提?。?/strong>在重噪音環(huán)境下，真假瑕疵的鑒別很多時候較難，這也是很多場景始終存在一定誤檢率的原因，但這塊通過成像和邊緣特征提取的快速發(fā)展，已經(jīng)在不斷取得各種突破。
3、對非預期缺陷的識別：在應用中，往往是給定一些具體的缺陷模式，使用機器視覺來識別它們到底有沒有發(fā)生。但經(jīng)常遇到的情況是，許多明顯的缺陷，因為之前沒有發(fā)生過，或者發(fā)生的模式過分多樣，而被漏檢。如果換做是人，雖然在操作流程文件中沒讓他去檢測這個缺陷，但是他會注意到，從而有較大幾率抓住它，而機器視覺在這點上的“智慧”目前還較難突破。
4、嵌入式解決方案發(fā)展迅猛，智能相機性能與成本優(yōu)勢突出，嵌入式PC會越來越強大。模塊化的通用型軟件平臺和人工智能軟件平臺將降低開發(fā)人員技術(shù)要求和縮短開發(fā)周期。
蘇公網(wǎng)安備32021402003217號
