Machine vision system er et teknisk system som bruker maskiner til å erstatte menneskelige øyne for å fullføre måling, identifikasjon og vurdering. Det er en av de viktige grenene innen informatikk. Systemet integrerer tverrfaglige teknologier som optikk, mekanikk, elektronikk og dataprogramvare og maskinvare, og involverer mange felt som bildebehandling, mønstergjenkjenning, kunstig intelligens, signalbehandling og optisk-mekanisk integrasjon.
Med den raske utviklingen av nøkkelteknologier som bildebehandling og mønstergjenkjenning, har også dybden og bredden av maskinsynsapplikasjoner fortsatt å utvide seg.
De siste årene, drevet av smart produksjon og industriell automatisering, har maskinsynsteknologi utviklet seg mot høyere presisjon og intelligens. Sammenlignet med tradisjonell todimensjonal bildebehandling, transformeres forskning og anvendelse innen industrisyn gradvis til 3D visuell inspeksjonsteknologi, og har blitt brukt i stor skala i scenarier som sveisinspeksjon, sortering av deler og måling av metallplater.
Det kan sies at inspeksjon av maskinsyn beveger seg fra 'todimensjonal gjenkjenning' til 'tredimensjonal persepsjon'.
Fra perspektivet til systemsammensetning inkluderer et komplett maskinsynssystem vanligvis et belysningssystem, industrilinse, kamerasystem og bildebehandlingssystem. I praktiske applikasjoner er det nødvendig å vurdere nøkkelfaktorer som systemdriftshastighet og bildebehandlingseffektivitet, kameratype (farge eller svart-hvitt), om inspeksjonsmålet er størrelsesmåling eller defektidentifikasjon, nødvendig synsfelt, oppløsning og bildekontrast i henhold til spesifikke inspeksjonsbehov, for å bygge en stabil og effektiv visuell inspeksjonsløsning.
det visuelle systemetStrukturen til
Design av maskinvaresystem
Maskinvaredelen av machine vision-systemet består hovedsakelig av industrielle linser, industrikameraer, bildefangstkort, inngangs-/utdataenheter og kontrollenheter.
Den generelle ytelsen til synssystemet avhenger ikke bare av kvaliteten på kamerapiksler og maskinvare i seg selv, men enda viktigere, rimelig matching og samarbeid mellom de ulike maskinvaremodulene. For eksempel vil matching av objektiv og kameraoppløsning, og kompatibiliteten til opptakskort og datagrensesnitt direkte påvirke systemets bildekvalitet og driftsstabilitet.
Derfor er et høyytelses visjonssystem uatskillelig fra omfattende vurdering av maskinvarevalg, systemstruktur og applikasjonsscenarier.
Design av programvaresystem
Programvaredesignet til det visuelle systemet er en av kjerneleddene i hele systemet og har høy teknisk kompleksitet. Under programvareutviklingsprosessen trenger vi ikke bare å ta hensyn til optimalisering av programstruktur og driftseffektivitet, men også fokusere på nøyaktigheten, realiserbarheten og stabil ytelse av algoritmen i faktiske scenarier.
Etter at programvaresystemet er fullført, må dets robusthet testes fullstendig og kontinuerlig optimaliseres for å sikre at systemet kan opprettholde stabil og pålitelig deteksjonsytelse i komplekse eksterne miljøer som lysendringer, bakgrunnsinterferens og målforskjeller.
I robotsynsapplikasjoner består systemet vanligvis av to deler: en bildeinnsamlingsmodul og en synsbehandlingsmodul.
Blant dem inkluderer bildeopptaksmodulen et lyssystem, en visuell sensor, en analog-til-digital-omformer (A/D), et rammeminne, etc., og brukes til å samle inn todimensjonal bildeinformasjon i miljøet.
Robotsynssystemet innhenter bildedata gjennom den visuelle sensoren, og analyserer, identifiserer og forstår dem av synsprosessoren, og konverterer behandlingsresultatene til kjørbare kontrollinstruksjoner, slik at roboten nøyaktig kan identifisere målobjektet og bestemme dets romlige posisjon, og dermed fullføre oppgaver som posisjonering, griping og montering.
Høypresisjon berøringsfri måleløsning
Den spektrale konfokale sensoren fungerer basert på prinsippet om spredning av hvitt lys, og fokuserer monokromatisk lys med forskjellige bølgelengder ved forskjellige fokusposisjoner gjennom et spesielt optisk system. Systemet kan nøyaktig beregne avstanden mellom objektet og sensoren basert på bølgelengdeinformasjonen til lyset som reflekteres fra overflaten til det målte objektet.
Denne målemetoden påvirkes ikke av intensiteten til reflektert lys, er egnet for nesten alle materialer, og kan oppnå høypresisjon, høystabil berøringsfri måling. En enkelt skanning kan oppnå fullstendig eller delvis 3D-topografi av overflaten til det målte objektet, som har betydelige fordeler som høy presisjon, høy hastighet og sterk stabilitet.
Sammenlignet med tradisjonelle laserdeteksjonsmetoder, presterer spektral konfokalteknologi spesielt godt i deteksjon av transparente objekter, sterkt reflekterende speil og sterke lysabsorberende materialer. Det er mye brukt i online deteksjonsscenarier i bransjer som 3C elektronikk, halvledere, litiumbatteri ny energi og presisjonsmaskinvare.
Industriell klasse 3D måleløsning
Lasertriangulering er en moden tredimensjonal målemetode som er mye brukt i bransjer som tre, gummi, dekk, bildeler, metall og støpejern. Den er også egnet for inspeksjonsscenarier i stor skala som veidekker.
Denne teknologien genererer 3D-punktskydata ved å projisere strukturert laserlys på overflaten av et objekt, og kameraet samler inn laserlinjeprofilen og beregner høydeinformasjon. I praktiske applikasjoner beveger det målte objektet seg vanligvis under sensoren, og flere konturseksjoner samles kontinuerlig og skjøtes for til slutt å danne et komplett tredimensjonalt bilde.
Installasjonsvinkelen mellom laseren og kameraet har en viktig innvirkning på målenøyaktighet og systemstabilitet. Å øke vinkelen bidrar til å forbedre høydeoppløsningen, mens å redusere vinkelen bidrar til å forbedre den generelle stabiliteten. Kombinert med modne programvarealgoritmer har denne teknologien vært i stand til å oppnå effektiv og pålitelig 3D-databehandling og -analyse.
3D stereo vision kamera løsning
3D stereokameraet er basert på prinsippet om kikkertsyn som ligner på det menneskelige øyet. Den tar bilder fra forskjellige synsvinkler gjennom to kameraer og bruker parallakseinformasjon for å beregne dybdedataene til objektet.
I faktiske industrielle applikasjoner kombineres vanligvis tilfeldig teksturprojeksjon for å forbedre den karakteristiske informasjonen til overflaten til det målte objektet, og dermed forbedre bildetilpasningsnøyaktigheten. Denne teknologien har blitt mye brukt i scenarier som robotveiledning, monteringsposisjonering og systemfeilsøking, og har vist god tilpasningsevne i dynamisk deteksjon og fleksible produksjonsmiljøer.
Rask romlig posisjonering
ToF-kameraer beregner målavstanden ved å sende ut pulser av infrarødt lys og måle tiden det tar før det reflekterte lyset går tilbake til sensoren, på samme måte som radaravstand.
Tidlig ToF-teknologi var begrenset av oppløsning og målenøyaktighet, noe som gjorde det vanskelig å oppfylle deteksjonskravene på industrielt nivå. Med utviklingen av teknologien har megapiksel ToF-kameraer dukket opp, som gradvis fremmes i applikasjoner som 3D-objektdeteksjon, lasting og lossing av roboter og lasting og lossing av paller.
Det bør bemerkes at ToF-teknologi er mer egnet for målgjenkjenning og romlig posisjonering, og er ikke egnet for dimensjonale målescenarier med høy presisjon.
Programvarens rolle i 3D-syn
eksistere I et 3D-maskinsynssystem er bildebehandlings- og analyseprogramvare ekvivalent med 'hjernen' til systemet.
Tradisjonell visuell inspeksjon er sterkt avhengig av regelprogrammering og fullfører inspeksjonsoppgaver gjennom funksjonssammenligning og terskelvurdering. Ettersom kompleksiteten til applikasjonsscenarier fortsetter å øke, blir dyp læring og kunstige nevrale nettverk (ANN) gradvis mainstream-løsninger.
Kunstige nevrale nettverk er sammensatt av et stort antall sammenkoblede 'nevroner', og forbindelsesvektene deres kan kontinuerlig justeres i henhold til treningsdataene, og derved oppnå autonom læring og funksjonsutvinning. Under rammeverket for dyp læring trenger ikke systemet manuelt å definere komplekse bildefunksjoner. Den trenger bare å legge inn originale bildedata for automatisk å fullføre funksjonsutvinning, klassifisering og vurdering, og viser sterkere tilpasningsevne og robusthet i komplekse industrielle miljøer.
Med den kontinuerlige modenheten til 3D-bildeteknologi, punktskybehandlingsalgoritmer og kunstig intelligens, utvikler maskinsynsinspeksjon seg mot høyere presisjon, sterkere intelligens og bredere applikasjonsscenarier.
Zhixiang Visions kombinasjon av 3D maskinsyn og dyp læring vil fortsette å utvide grensene for industriell inspeksjon og gi mer pålitelig teknisk støtte for intelligente produksjons- og automasjonsoppgraderinger. Maskinsynsindustrien er full av forventninger til fremtiden, la oss vente og se.
