機器視覺到工業(yè)機器視覺有哪些變化?2022-12-21 10:12
智能化交通管理系統(tǒng):根據(jù)在交通干道置放監(jiān)控攝像頭,當(dāng)有交通違章車子(如闖紅燈違章)時,監(jiān)控攝像頭將車子的支付牌照拍攝出來,傳送給智能管理系統(tǒng),系統(tǒng)軟件利用機器視覺圖象處理技術(shù)性,對拍攝的照片開展解析,獲取出車牌號碼,儲存在數(shù)據(jù)庫查詢中,能夠供技術(shù)人員開展查找。 一、從機器視覺到工業(yè)機器視覺 機器視覺這個概念的歷史盡管很短,但機器視覺設(shè)備的出現(xiàn)并不短。可以說,照相機的誕生就意味著機器視覺的萌芽,包括無聲電影也可以歸為機器視覺。如今到處可見的各種攝像頭,以及人們須臾不離手的手機都是機器視覺產(chǎn)品。現(xiàn)代物流更使得我們生活中的絕大部分商品都用到了機器視覺,如快遞商品與超市商品的二維碼就是最突出的例子。 從起源來說,機器視覺就是以機器代替人眼的視覺作用。 從發(fā)展來說,機器視覺所具備的能力已經(jīng)超越人眼,僅就尺寸的精確度以及位置的準(zhǔn)確度來說,機器視覺更具有優(yōu)勢,而且能力仍在增長中。 從技術(shù)上來說,機器視覺作為一項綜合技術(shù),集成了多種技術(shù),如圖像處理、機械工程技術(shù)、控制、電光源照明、光學(xué)成像、傳感器、模擬與數(shù)字視頻技術(shù)、計算機軟硬件技術(shù)(圖像增強和分析算法、圖像卡、I/O卡等)。一個典型的機器視覺應(yīng)用系統(tǒng)包括圖像捕捉、光源系統(tǒng)、圖像數(shù)字化模塊、數(shù)字圖像處理模塊、智能判斷決策模塊和機械控制執(zhí)行模塊。 從系統(tǒng)上來說,機器視覺是一套圖像處理系統(tǒng)。它由圖像攝取裝置將被攝取目標(biāo)轉(zhuǎn)換成圖像信號(即機器視覺產(chǎn)品),再將圖像信號,結(jié)合特定需求,根據(jù)像素分布和亮度、顏色等形態(tài)信息,轉(zhuǎn)變成數(shù)字化信號。如果僅以獲取數(shù)據(jù)為目的,至此已經(jīng)完成,但是如果要根據(jù)獲取數(shù)據(jù)調(diào)動設(shè)備執(zhí)行任務(wù),則需要對數(shù)字信號進行運算,針對目標(biāo)特征進行對比,如涂裝中的色差,指令設(shè)備繼續(xù)工作,或者轉(zhuǎn)入另一道工序。 簡單來說,機器視覺在工業(yè)上的應(yīng)用,就是工業(yè)機器視覺。最常見的就是,以機器視覺代替人眼進行測量和判斷,更高級一些的可以輔助決策或自行決策。其特點就是利用機器視覺的特性,提高生產(chǎn)的靈活性和自動化程度。一些不適于人工作業(yè)的危險工況環(huán)境或者人工難以滿足要求的場景,都是機器視覺發(fā)揮特長的場合。當(dāng)然,大批量枯燥的重復(fù)勞動,如分揀等,也是機器視覺的應(yīng)用領(lǐng)域。可以說工業(yè)機器視覺的快速部署,正是提高生產(chǎn)效率和自動化程度的推進力量。
二、機器視覺技術(shù)應(yīng)用的場景有哪些? 1、機器視覺技術(shù)應(yīng)用在圖像檢測場景 機器視覺技術(shù)工業(yè)生產(chǎn)檢測中,經(jīng)常用于機器視覺圖像檢測。一般用于印刷線路板的視覺檢測、厚鋼板表面的全自動視覺檢測、大中型鋼件平面度和平整度精確測量、器皿容量或殘渣檢測、機械零件的自動檢索歸類和幾何圖形尺寸檢測等。 除此之外,在很多其他方式無法檢測的場所,利用機器視覺系統(tǒng)能夠合理地保持。機器視覺技術(shù)的運用正愈來愈多地替代人去進行很多工作中,這毫無疑問在挺大水平上提升了制造自動化技術(shù)水準(zhǔn)和檢測系統(tǒng)軟件的智能化水準(zhǔn)。 2、機器視覺技術(shù)在品質(zhì)檢測中的運用案例 機器視覺系統(tǒng)在品質(zhì)檢測的各個領(lǐng)域獲得了普遍的運用,比如:選用激光器掃描儀與CCD探測器的大中型鋼件平面度、平整度檢測儀,它以平穩(wěn)的準(zhǔn)直粒子束為精確測量基準(zhǔn)線,配上旋轉(zhuǎn)軸系,轉(zhuǎn)動五角標(biāo)棱鏡掃到相互之間平行面或豎直的標(biāo)準(zhǔn)平面圖,將其與被測大中型鋼件的各面開展較為。在生產(chǎn)加工或安裝大中型鋼件時,能用該錯器精確測量面間的平面度及平整度。 3、機器視覺技術(shù)應(yīng)用在智能化交通管理系統(tǒng) 智能化交通管理系統(tǒng):根據(jù)在交通干道置放監(jiān)控攝像頭,當(dāng)有交通違章車子(如闖紅燈違章)時,監(jiān)控攝像頭將車子的支付牌照拍攝出來,傳送給智能管理系統(tǒng),系統(tǒng)軟件利用機器視覺圖象處理技術(shù)性,對拍攝的照片開展解析,獲取出車牌號碼,儲存在數(shù)據(jù)庫查詢中,能夠供技術(shù)人員開展查找。 三、工業(yè)機器視覺的軟硬件及技術(shù) 工業(yè)機器視覺主要有光源、鏡頭、工業(yè)相機、圖像采集卡、圖像處理系統(tǒng),算法與軟件平臺,以及其他外部設(shè)備組成。 工業(yè)機器視覺硬件 工業(yè)光源。光源是機器視覺中基礎(chǔ)的部件之一。發(fā)揮著照亮目標(biāo)、突出特征,便于圖像處理的作用。同時,要具備克服環(huán)境光干擾、保證圖像穩(wěn)定性的能力,以及作為測量或作為參照物的工具性能。特殊情況下,對物體特定部位予以亮度增強。 相比于普通的照明光源,它的照度、均勻性和穩(wěn)定性指標(biāo)更高。基本上要將被測物與背景做出明顯區(qū)分,保證工業(yè)鏡頭能獲得高品質(zhì)、高對比度的圖像。 工業(yè)鏡頭。工業(yè)鏡頭與普通的照相機鏡頭相比,同樣在分辨率、對比度、景深以及像差等指標(biāo)上,有著更高的要求。需要更小的光學(xué)畸變、足夠高的光學(xué)分辨率、豐富的光譜響應(yīng)選擇等,以滿足不同生產(chǎn)環(huán)境的應(yīng)用需求。 工業(yè)相機。它具有高的圖像穩(wěn)定性、高傳輸能力和高抗干擾能力等。其功能是將光信號轉(zhuǎn)變成為可解釋的電信號,再將電信號模數(shù)轉(zhuǎn)換并交由處理器進行分析和識別。 四、工業(yè)機器視覺主要應(yīng)用消費電子行業(yè) 消費電子行業(yè)的產(chǎn)品主要包括平板電腦、筆記本、臺式機、傳統(tǒng)手機(淘汰中)、智能手機、電視和相機等7大類。 其中,智能手機憑借越來越多的消費應(yīng)用,市場占比逐步攀升,目前已接近50%。 工業(yè)機器視覺主要應(yīng)用在主板、零部件組裝、整機組裝這三大生產(chǎn)環(huán)節(jié)。 隨著消費電子產(chǎn)品越來越精密化,在元器件尺寸越來越小的同時,質(zhì)量標(biāo)準(zhǔn)也在同步提高。因此,對于工業(yè)機器視覺的需求不斷放大。以5G智能手機為例,產(chǎn)品升級與技術(shù)升級,相應(yīng)地需要機器視覺工具進行升級。 在主板和零部件組裝上,仍以2D視覺為主,3D視覺為輔。 在整機組裝上,仍以人力為主。機器視覺主要做外觀檢測,最多的是做玻璃檢測。在缺陷檢測上,是機器視覺應(yīng)用最廣的地方。其高精度、高速度的檢測能力,可很好完成對劃痕、破損、斑點、色差等的檢測。 半導(dǎo)體行業(yè)是工業(yè)機器視覺應(yīng)用最早,且較為成熟的領(lǐng)域,這也和半導(dǎo)體行業(yè)迭代升級快速有關(guān),其高端市場基本被海外廠商占據(jù)。 從另一方面說,這也和半導(dǎo)體器件精度非常高,人工檢測已不能發(fā)揮應(yīng)有作用有關(guān)。如半導(dǎo)體的外觀缺陷、尺寸、數(shù)量、平整度、距離、定位、校準(zhǔn)、焊點質(zhì)量、彎曲度等檢測,尤其芯片制作中的檢測、定位、切割和封裝都需要工業(yè)機器視覺來主導(dǎo)。以切割為例,要求定位迅速準(zhǔn)確。如果定位出錯,整個芯片就會報廢。整個切割過程也需要機器視覺系統(tǒng)進行全程定位引導(dǎo)。切割完成后則由機器視覺識別出非缺陷產(chǎn)品進入貼片流程。 五、發(fā)展趨勢 數(shù)據(jù)顯示,2018年工業(yè)機器視覺技術(shù)市場規(guī)模已達 44.4億美元,預(yù)計2023年將達122.9 億美元,年復(fù)合增長率高達21%。 目前,機器視覺正由傳統(tǒng)工業(yè)視覺向深度學(xué)習(xí)工業(yè)視覺轉(zhuǎn)變,未來工業(yè)機器視覺的應(yīng)用領(lǐng)域越來越寬廣。基于此,可將工業(yè)機器視覺看做AI的重要分支。 傳統(tǒng)工業(yè)視覺用一個不恰當(dāng)?shù)谋扔鱽碚f,類似于“擺拍”,基本上是完成規(guī)定動作。具體說,目標(biāo)物及其背景、光源、采集光學(xué)器材的參數(shù)等都是給定的,目標(biāo)感知區(qū)域也是劃定的,數(shù)字圖像是按照要求進行處理的,提取什么信息數(shù)據(jù)是約定好的,輸出給哪臺設(shè)備也是設(shè)計好的。也就是說是按照視覺工程師的一系列設(shè)定去完成規(guī)定動作,很難適應(yīng)隨機性強、特征復(fù)雜的工作任務(wù)。如果隨機出現(xiàn)了超過機器邏輯之外的復(fù)雜外觀缺陷檢測,也就無能為力。很明顯,它沒有主動的行為能力,也就是不具備AI的深度學(xué)習(xí)能力。 未來的工業(yè)機器視覺會與AI相結(jié)合,解決圖像視頻場景多樣、物體種類繁多,以及非受控條件下,目標(biāo)物受光照、姿態(tài)、遮擋等多變量影響等問題,要獨立面對數(shù)據(jù)量巨大、特征復(fù)雜、部分應(yīng)用需實時自主處理等深度場景。 從現(xiàn)狀來看,仍然存在以下制約因素。 一是端側(cè)算力成本越來越高。這和工業(yè)機器視覺的深度學(xué)習(xí)能力成正比,就像高級技工的工資高于學(xué)徒工一樣,工業(yè)機器視覺對算力硬件性能的要求越來越高,直接導(dǎo)致算力成本價格上升。另外,一臺獨立算力設(shè)備很難復(fù)用與共享,也是成本升高的重要因素。 二是單點系統(tǒng)維護成本過高。主要是設(shè)備調(diào)試、軟件運維、監(jiān)控分析必須在工作場地完成所造成的。工業(yè)機器視覺在工廠的大規(guī)模應(yīng)用,推高了維護成本。 三是數(shù)據(jù)孤島。圖像數(shù)據(jù)的處理也需要在工廠完成,有效數(shù)據(jù)難以被多個系統(tǒng)共享,導(dǎo)致系統(tǒng)功能更新緩慢,難以適應(yīng)于移動應(yīng)用場景。同時,工廠車間的有線互聯(lián)網(wǎng)建設(shè)成本過高、容量不足,無法滿足工業(yè)相機數(shù)據(jù)上行的數(shù)據(jù)容量需求。 四是通用性、智能性欠佳。在通用性上,一些集成應(yīng)用專用性較強,一臺設(shè)備可能只適用于一種機器視覺設(shè)備或單一行業(yè),研發(fā)成本高企。在智能性上,當(dāng)庫存量較多時或者移動速度較快時,機器視覺工作的準(zhǔn)確率明顯下降,設(shè)定的場景超過了它能接受的數(shù)值,更適合小規(guī)模、品類少和工位分揀與檢測,對于復(fù)雜堆疊物體則有心無力。這與其缺乏深度學(xué)習(xí)能力有關(guān)。因此,大規(guī)模工業(yè)應(yīng)用尚待時日。 實際上,解決以上所有痛點是未來的發(fā)展方向。通用機器視覺,以及工業(yè)機器視覺的應(yīng)用場景的不斷豐富,將解決成本難題,不僅降低總成本,而且24小時不間斷工作,使得成本大大降低。一旦可規(guī)模代替產(chǎn)線檢測人員、操作人員等,就具備了成本優(yōu)勢。 上一篇: 視覺外觀檢測系統(tǒng)檢測原理
下一篇: 機器視覺檢測都能檢測到哪些缺陷?
|