Machine vision-systeem is een technisch systeem dat machines gebruikt om menselijke ogen te vervangen om metingen, identificatie en beoordeling te voltooien. Het is een van de belangrijke takken van de informatica. Het systeem integreert multidisciplinaire technologieën zoals optica, mechanica, elektronica en computersoftware en hardware, en omvat vele gebieden zoals beeldverwerking, patroonherkenning, kunstmatige intelligentie, signaalverwerking en optisch-mechanische integratie.
Met de snelle ontwikkeling van sleuteltechnologieën zoals beeldverwerking en patroonherkenning zijn de diepte en breedte van machine vision-toepassingen ook blijven groeien.
De afgelopen jaren is machine vision-technologie, gedreven door slimme productie en industriële automatisering, geëvolueerd naar hogere precisie en intelligentie. Vergeleken met traditionele tweedimensionale beeldverwerking transformeren onderzoek en toepassing op het gebied van industriële visie geleidelijk naar 3D visuele inspectietechnologie, en wordt deze op grote schaal toegepast in scenario's zoals lasinspectie, het sorteren van onderdelen en het meten van metaalplaten.
Er kan worden gezegd dat machine vision-inspectie zich ontwikkelt van 'tweedimensionale herkenning' naar 'driedimensionale perceptie'.
Vanuit het perspectief van de systeemsamenstelling omvat een compleet machine vision-systeem doorgaans een verlichtingssysteem, industriële lens, camerasysteem en beeldverwerkingssysteem. In praktische toepassingen is het noodzakelijk om uitgebreid rekening te houden met sleutelfactoren zoals de werkingssnelheid van het systeem en de efficiëntie van de beeldverwerking, het cameratype (kleur of zwart-wit), of het inspectiedoel het meten van de grootte of de identificatie van defecten is, het vereiste gezichtsveldbereik, de resolutie en het beeldcontrast volgens specifieke inspectiebehoeften, om zo een stabiele en efficiënte oplossing voor visuele inspectie te bouwen.
het visuele systeemDe structuur van
Ontwerp van hardwaresystemen
Het hardwaregedeelte van het machine vision-systeem bestaat voornamelijk uit industriële lenzen, industriële camera's, beeldopnamekaarten, invoer-/uitvoereenheden en besturingsapparatuur.
De algehele prestaties van het visionsysteem zijn niet alleen afhankelijk van de kwaliteit van de camerapixels en de hardware zelf, maar, nog belangrijker, van de redelijke afstemming en samenwerking tussen de verschillende hardwaremodules. De afstemming van lens- en cameraresolutie en de compatibiliteit van capture-kaart en data-interface zullen bijvoorbeeld rechtstreeks van invloed zijn op de beeldkwaliteit en operationele stabiliteit van het systeem.
Daarom is een krachtig vision-systeem onlosmakelijk verbonden met een uitgebreide afweging van hardwareselectie, systeemstructuur en toepassingsscenario's.
Ontwerp van softwaresystemen
Het softwareontwerp van het visuele systeem is een van de kernschakels in het gehele systeem en kent een hoge technische complexiteit. Tijdens het softwareontwikkelingsproces moeten we niet alleen aandacht besteden aan de optimalisatie van de programmastructuur en operationele efficiëntie, maar ook focussen op de nauwkeurigheid, realiseerbaarheid en stabiele prestaties van het algoritme in daadwerkelijke scenario's.
Nadat het softwaresysteem is voltooid, moet de robuustheid ervan volledig worden getest en continu worden geoptimaliseerd om ervoor te zorgen dat het systeem stabiele en betrouwbare detectieprestaties kan behouden in complexe externe omgevingen zoals veranderingen in de verlichting, achtergrondinterferentie en doelverschillen.
Bij robotvisietoepassingen bestaat het systeem doorgaans uit twee delen: een beeldacquisitiemodule en een visieverwerkingsmodule.
Onder hen omvat de beeldverwervingsmodule een verlichtingssysteem, een visuele sensor, een analoog-naar-digitaal-omzetter (A/D), een framegeheugen, enz., en wordt gebruikt om tweedimensionale beeldinformatie in de omgeving te verzamelen.
Het robotvisiesysteem verkrijgt beeldgegevens via de visuele sensor en analyseert, identificeert en begrijpt deze vervolgens door de visieprocessor, en zet de verwerkingsresultaten om in uitvoerbare besturingsinstructies, zodat de robot het doelobject nauwkeurig kan identificeren en de ruimtelijke positie ervan kan bepalen, waardoor taken zoals positionering, grijpen en montage worden voltooid.
Zeer nauwkeurige contactloze meetoplossing
De spectrale confocale sensor werkt op basis van het principe van witlichtverspreiding, waarbij monochromatisch licht van verschillende golflengten op verschillende focusposities wordt gefocusseerd via een speciaal optisch systeem. Het systeem kan de afstand tussen het object en de sensor nauwkeurig berekenen op basis van de golflengte-informatie van het licht dat wordt gereflecteerd door het oppervlak van het gemeten object.
Deze meetmethode wordt niet beïnvloed door de intensiteit van gereflecteerd licht, is geschikt voor bijna alle materialen en kan contactloze metingen met hoge precisie en hoge stabiliteit bereiken. Met één enkele scan kan de volledige of gedeeltelijke 3D-topografie van het oppervlak van het gemeten object worden verkregen, wat aanzienlijke voordelen heeft, zoals hoge precisie, hoge snelheid en sterke stabiliteit.
Vergeleken met traditionele laserdetectiemethoden presteert spectrale confocale technologie bijzonder goed bij de detectie van transparante objecten, sterk reflecterende spiegels en sterk lichtabsorberende materialen. Het wordt veel gebruikt in online detectiescenario's in sectoren zoals 3C-elektronica, halfgeleiders, lithiumbatterijen, nieuwe energie en precisiehardware.
3D-meetoplossing van industriële kwaliteit
Lasertriangulatie is een volwassen driedimensionale meetmethode die veel wordt gebruikt in industrieën zoals hout, rubber, banden, auto-onderdelen, metaal en gietijzer. Het is ook geschikt voor grootschalige inspectiescenario's zoals wegdekken.
Deze technologie genereert 3D-puntenwolkgegevens door gestructureerd laserlicht op het oppervlak van een object te projecteren, en de camera verzamelt het laserlijnprofiel en berekent hoogte-informatie. In praktische toepassingen beweegt het gemeten object meestal onder de sensor en worden continu meerdere contoursecties verzameld en gesplitst om uiteindelijk een compleet driedimensionaal beeld te vormen.
De installatiehoek tussen de laser en de camera heeft een belangrijke invloed op de meetnauwkeurigheid en de systeemstabiliteit. Het vergroten van de hoek helpt de hoogteresolutie te verbeteren, terwijl het verkleinen van de hoek de algehele stabiliteit verbetert. Gecombineerd met volwassen software-algoritmen heeft deze technologie een efficiënte en betrouwbare verwerking en analyse van 3D-gegevens kunnen realiseren.
3D-stereovisiecamera-oplossing
De 3D-stereovisiecamera is gebaseerd op het principe van binoculair zicht, vergelijkbaar met dat van het menselijk oog. Het verkrijgt beelden vanuit verschillende kijkhoeken via twee camera's en gebruikt parallaxinformatie om de dieptegegevens van het object te berekenen.
In feitelijke industriële toepassingen wordt willekeurige textuurprojectie gewoonlijk gecombineerd om de karakteristieke informatie van het oppervlak van het gemeten object te verbeteren, waardoor de nauwkeurigheid van de beeldafstemming wordt verbeterd. Deze technologie wordt veel gebruikt in scenario's zoals robotgeleiding, assemblagepositionering en systeemfoutopsporing, en heeft een goed aanpassingsvermogen aangetoond in dynamische detectie en flexibele productieomgevingen.
Snelle ruimtelijke positionering
ToF-camera's berekenen de doelafstand door pulsen van infrarood licht uit te zenden en de tijd te meten die het gereflecteerde licht nodig heeft om terug te keren naar de sensor, vergelijkbaar met radarbereik.
De vroege ToF-technologie werd beperkt door de resolutie en meetnauwkeurigheid, waardoor het moeilijk werd om aan detectievereisten op industrieel niveau te voldoen. Met de vooruitgang van de technologie zijn er megapixel ToF-camera's ontstaan, die geleidelijk worden gepromoot in toepassingen zoals 3D-objectdetectie, het laden en lossen van robots en het laden en lossen van pallets.
Opgemerkt moet worden dat ToF-technologie geschikter is voor doelherkenning en ruimtelijke positionering, en niet geschikt is voor dimensionale meetscenario's met hoge precisie.
De rol van software in 3D-visie
bestaan In een 3D-machine vision-systeem is software voor beeldverwerking en -analyse gelijkwaardig aan het 'brein' van het systeem.
Traditionele visuele inspectie is sterk afhankelijk van het programmeren van regels en voltooit inspectietaken door middel van functievergelijking en drempelwaardebepaling. Naarmate de complexiteit van toepassingsscenario’s blijft toenemen, worden deep learning en kunstmatige neurale netwerken (ANN) geleidelijk mainstream-oplossingen.
Kunstmatige neurale netwerken zijn samengesteld uit een groot aantal onderling verbonden 'neuronen', en hun verbindingsgewichten kunnen continu worden aangepast op basis van de trainingsgegevens, waardoor autonoom leren en kenmerkextractie wordt bereikt. Onder het deep learning-framework hoeft het systeem complexe afbeeldingskenmerken niet handmatig te definiëren. Het hoeft alleen originele beeldgegevens in te voeren om de extractie, classificatie en beoordeling van kenmerken automatisch te voltooien, wat een sterker aanpassingsvermogen en robuustheid in complexe industriële omgevingen oplevert.
Met de voortdurende volwassenheid van 3D-beeldtechnologie, puntenwolkverwerkingsalgoritmen en kunstmatige intelligentie ontwikkelt machine vision-inspectie zich in de richting van hogere precisie, sterkere intelligentie en bredere toepassingsscenario's.
Zhixiang Vision's combinatie van 3D-machinevisie en deep learning zal de grenzen van industriële inspectie blijven verleggen en betrouwbaardere technische ondersteuning bieden voor intelligente productie- en automatiseringsupgrades. De machine vision-industrie zit vol verwachtingen voor de toekomst, laten we afwachten.
