400-8560-998

机器视觉检测未来有哪些发展方向

2020-03-20 14:01:08 0

    在工业或生产环境中,机器视觉通常使用单个相机或多个相机自动检查和分析物体。然后利用获得的数据控制过程或生产活动。例如在装配线的典型应用中,对部件实行操作之后,触发相机以捕获和处理图像。可以对相机进行编程以检查目标物体的位置、颜色、大小或形状、或物体是否存在。它还可以查看和解密标准或二维矩阵条形码,甚至可以读取字符。

    在对产品进行检查后,通常会生成一个信号以确定如何处理它。零件可能被拒收到容器或分支输送机中,或通过更多的装配操作、系统跟踪其检查结果。相对于简单的传感器,机器视觉系统通常可以提供关于物体的更多信息。机器视觉的典型应用包括:质量保证,机器人/机器引导,测试和校准,实时过程控制,数据采集,机器监控,排序/计数。

    许多制造商使用自动化机器视觉而不是人工检查员,因为它更适合重复性的检查任务。它更快、更客观,并且可以持续不间断的工作。机器视觉系统每分钟可检测数百甚至数千个零件,并提供比人工检查员更一致和更可靠的检测结果。

    通过减少缺陷、提高产量,机器视觉系统帮助制造企业跟踪产品、组件和提升合规性,从而节省了成本并提高了盈利能力。

   

机器视觉检测未来的发展趋势有以下几个方向:

    1、光源与成像:机器视觉中优质的成像是第一步,由于不同材料物体表面反光、折射等问题都会影响被测物体特征的提取,因此光源与成像可以说是机器视觉检测要攻克的第一个难关。比如现在玻璃、反光表面的划痕检测等,很多时候问题都卡在不同缺陷的集成成像上。

    2、重噪音中低对比度图像中的特征提取:在重噪音环境下,真假瑕疵的鉴别很多时候较难,这也是很多场景始终存在一定误检率的原因,但这块通过成像和边缘特征提取的快速发展,已经在不断取得各种突破。

    3、对非预期缺陷的识别:在应用中,往往是给定一些具体的缺陷模式,使用机器视觉来识别它们到底有没有发生。但经常遇到的情况是,许多明显的缺陷,因为之前没有发生过,或者发生的模式过分多样,而被漏检。如果换做是人,虽然在操作流程文件中没让他去检测这个缺陷,但是他会注意到,从而有较大几率抓住它,而机器视觉在这点上的“智慧”目前还较难突破。

    4、嵌入式解决方案发展迅猛,智能相机性能与成本优势突出,嵌入式PC会越来越强大。模块化的通用型App平台和人工智能App平台将降低开发人员技术要求和缩短开发周期。


XML 地图 | Sitemap 地图