視覺檢測設(shè)備有那些配件和功能

機器視覺（MV）是用于在工業(yè)上通常為自動檢查，過程控制和機器人引導(dǎo)等應(yīng)用提供基于圖像的自動檢查和分析 的技術(shù)和方法。機器視覺是指許多技術(shù)，軟件和硬件產(chǎn)品，集成系統(tǒng)，操作，方法和專業(yè)知識。機器視覺作為系統(tǒng)工程學(xué)科可以被認為與計算機視覺（一種計算機科學(xué)形式）不同。它試圖以新的方式集成現(xiàn)有技術(shù)，并將其應(yīng)用于解決現(xiàn)實世界中的問題。該術(shù)語在工業(yè)自動化環(huán)境中是這些功能的常用術(shù)語，但在其他環(huán)境（例如安全性和車輛導(dǎo)航）中也用于這些功能。

整個機器視覺過程包括計劃需求和項目的細節(jié)，然后創(chuàng)建解決方案。在運行時，該過程從成像開始，然后是圖像的自動分析和所需信息的提取。

視覺檢測

術(shù)語“機器視覺”的定義不盡相同，但都包括用于自動從圖像中提取信息的技術(shù)和方法，這與圖像處理相反，在圖像處理中，輸出是另一幅圖像。提取的信息可以是簡單的好/壞部分信號，或更復(fù)雜的數(shù)據(jù)集，例如圖像中每個對象的身份，位置和方向。該信息可用于諸如工業(yè)中的自動檢查，機器人和流程指導(dǎo)，安全監(jiān)控和車輛指導(dǎo)等應(yīng)用。該領(lǐng)域涵蓋了大量技術(shù)，軟件和硬件產(chǎn)品，集成系統(tǒng)，操作，方法和專業(yè)知識。 機器視覺實際上是工業(yè)自動化應(yīng)用中用于這些功能的唯一術(shù)語。該術(shù)語在其他環(huán)境（例如安全性和車輛導(dǎo)航）中對于這些功能不太通用。可以將機器視覺作為系統(tǒng)工程學(xué)學(xué)科與計算機視覺（基本計算機科學(xué)的一種形式）區(qū)別開; 機器視覺試圖以新的方式集成現(xiàn)有技術(shù)，并將其應(yīng)用到滿足工業(yè)自動化和類似應(yīng)用領(lǐng)域要求的方式來解決實際問題。貿(mào)易展覽會和貿(mào)易團體（例如自動成像協(xié)會和歐洲機器視覺協(xié)會）也廣泛地使用該術(shù)語。這個更廣泛的定義還包括最常與圖像處理相關(guān)的產(chǎn)品和應(yīng)用。機器視覺的主要用途是自動檢查和工業(yè)機器人 /過程指導(dǎo)。參見機器視覺詞匯表。

基于影像的自動檢查和分類

機器視覺的主要用途是基于圖像的自動檢查和分類以及機器人引導(dǎo)。在本節(jié)中前者縮寫為“自動檢查”。整個過程包括計劃需求和項目的詳細信息，然后創(chuàng)建解決方案。本節(jié)描述了解決方案運行期間發(fā)生的技術(shù)過程。

操作方法和順序

自動檢查操作序列中的第一步是通常使用照相機，鏡頭和照明設(shè)備來獲取圖像，這些圖像經(jīng)設(shè)計可提供后續(xù)處理所需的差異。

設(shè)備

自動檢查系統(tǒng)的組件通常包括照明，照相機或其他成像儀，處理器，軟件和輸出設(shè)備。

視覺成像

成像設(shè)備（例如相機）可以與主圖像處理單元分離，也可以與其組合，在這種情況下，該組合通常稱為智能相機或智能傳感器。 將完整處理功能包含在與相機相同的外殼中通常被稱為嵌入式處理。

 分開時，可以使用模擬或標準化數(shù)字接口（Camera Link，CoaXPress）與計算機之間的專用中間硬件，定制處理設(shè)備或抓幀器建立連接。[17] [18] [19] [20]MV實施還使用能夠通過FireWire，USB或千兆以太網(wǎng)接口直接連接（無幀捕獲器）到計算機的數(shù)碼相機。

盡管常規(guī)（2D可見光）成像是MV中最常用的方法，但替代方法包括多光譜成像，高光譜成像，對各種紅外波段成像，線掃描成像，表面3D成像和X射線成像。 MV 2D可見光成像的關(guān)鍵區(qū)別在于單色vs.顏色，幀頻，分辨率，以及成像過程在整個圖像上是否是同時進行的，使其適合于移動過程。

盡管使用二維成像解決了絕大多數(shù)機器視覺應(yīng)用，但利用3D成像的機器視覺應(yīng)用卻在行業(yè)中不斷發(fā)展。成像最常用的方法是基于掃描的三角測量，該方法在成像過程中利用產(chǎn)品或圖像的運動。激光投射到物體表面。在機器視覺中，這是通過移動工件或移動相機和激光成像系統(tǒng)的掃描運動來完成的。攝像機從不同角度觀看了該線。線的偏差代表形狀變化。來自多次掃描的線被組裝成深度圖或點云。[26] 立體視覺用于特殊情況下，涉及一對攝像機的兩個視圖中都具有的獨特功能。[26]用于機器視覺的其他3D方法是飛行時間和基于網(wǎng)格的。[26] [24]一種方法是使用偽隨機結(jié)構(gòu)光系統(tǒng)的基于網(wǎng)格陣列的系統(tǒng)，該系統(tǒng)由大約2012年的Microsoft Kinect系統(tǒng)采用。[27] [28]

圖像處理

獲取圖像后，將對其進行處理。中央處理功能通常由CPU，GPU，F(xiàn)PGA或它們的組合完成。深度學(xué)習(xí)訓(xùn)練和推理對處理性能提出了更高的要求。 通常按照最終所需結(jié)果的順序使用多個處理階段。典型的序列可能始于諸如過濾器之類的工具，這些工具會修改圖像，然后提取對象，然后從這些對象中提取（例如，測量，讀取代碼）數(shù)據(jù)，然后傳達該數(shù)據(jù)或?qū)⑵渑c目標值進行比較，創(chuàng)建并傳達“通過/失敗”結(jié)果。機器視覺圖像處理方法包括：

拼接 / 套準：合并相鄰的2D或3D圖像。[ 需要引用 ]

過濾（例如形態(tài)過濾）

閾值：閾值始于設(shè)置或確定灰度值，該灰度值可用于以下步驟。然后，該值用于分離圖像的各個部分，有時根據(jù)其是低于還是高于該灰度值，將圖像的每個部分轉(zhuǎn)換為簡單的黑白。

像素計數(shù)：計算亮或暗像素的數(shù)量[ 需要引證 ]

分割：將數(shù)字圖像分割為多個段，以簡化和/或?qū)D像表示更改為更有意義且更易于分析的內(nèi)容。

邊緣檢測：發(fā)現(xiàn)物體邊緣

顏色分析：使用顏色識別零件，產(chǎn)品和物品，從顏色評估質(zhì)量，并使用顏色隔離特征。

斑點檢測和提取：檢查圖像中是否有相連像素（例如，灰色物體中的黑洞）的離散斑點作為圖像界標。

神經(jīng)網(wǎng)絡(luò) / 深度學(xué)習(xí) / 機器學(xué)習(xí)處理：加權(quán)和自訓(xùn)練多變量決策 大約在2019年有了很大的擴展，它使用深度學(xué)習(xí)和機器學(xué)習(xí)來顯著擴展機器視覺功能。

模式識別，包括模板匹配。查找，匹配和/或計數(shù)特定模式。這可以包括對象的位置，該對象可以被旋轉(zhuǎn)，被另一對象部分隱藏或尺寸變化。

條碼，數(shù)據(jù)矩陣和“ 二維條碼 ”讀數(shù)]

光學(xué)字符識別：自動讀取諸如序列號之類的文本 

計量/度量：測量對象尺寸（例如，以像素， 英寸或毫米為單位）

與目標值進行比較以確定“通過或失敗”或“通過/不通過”結(jié)果。例如，通過代碼或條形碼驗證，會將讀取的值與存儲的目標值進行比較。為了進行測量，將測量值與適當?shù)闹岛凸钸M行比較。為了驗證字母數(shù)字代碼，將OCR的值與適當?shù)幕蚰繕酥颠M行比較。為了檢查污點，可以將污點的測量大小與質(zhì)量標準允許的最大值進行比較。

輸出

自動檢查系統(tǒng)的常見輸出是通過/失敗決定。這些決定可能進而觸發(fā)拒絕失敗物品或發(fā)出警報的機制。其他常見輸出包括機器人引導(dǎo)系統(tǒng)的對象位置和方向信息。

 另外，輸出類型包括數(shù)值測量數(shù)據(jù)，從代碼和字符讀取的數(shù)據(jù)，對象的計數(shù)和分類，過程或結(jié)果的顯示，存儲的圖像，來自自動空間監(jiān)視MV系統(tǒng)的警報以及過程控制信號。還包括用戶界面，用于集成多組件系統(tǒng)和自動數(shù)據(jù)交換的界面。