掃一掃,關注我們
微信公眾號:wx888
技術支持:東莞機械網
發布時間:2021-06-07 02:27:22 人氣:268 來源:橡膠硅膠自動化設備廠家
常見機器視覺系統主要可分為兩類,一類是基于計算機的,如工控機或PC,另一類是更加緊湊的嵌入式設備。典型的基于工控機的機器視覺系統主要包括:光學系統,攝像機和工控機(包含圖像采集、圖像處理和分析、控制/通信)等單元,如圖所示。機器視覺系統對核心的圖像處理要求算法準確、快捷和穩定,同時還要求系統的實現成本低,升級換代方便。
(1)圖像采集
圖像采集就是從工作現場獲取場景圖像的過程,是機器視覺的第一步,采集工具大多為CCD或CMOS照相機或攝像機。照相機采集的是單幅的圖像,攝像機可以采集連續的現場圖像。就一幅圖像而言,它實際上是三維場景在二維圖像平面上的投影,圖像中某一點的彩色(亮度和色度)是場景中對應點彩色的反映。這就是我們可以用采集圖像來替代真實場景的根本依據所在。
(2)圖像預處理
對于采集到的數字化的現場圖像,由于受到設備和環境因素的影響,往往會受到不同程度的干擾,如噪聲、幾何形變、彩色失調等,都會妨礙接下來的處理環節。為此,必須對采集圖像進行預處理。常見的預處理包括噪聲消除、幾何校正、直方圖均衡等處理。
(3)圖像分割
圖像分割就是按照應用要求,把圖像分成各具特征的區域,從中提取出感興趣目標。在圖像中常見的特征有灰度、彩色、紋理、邊緣、角點等。例如,對汽車裝配流水線圖像進行分割,分成背景區域和工件區域,提供給后續處理單元對工件安裝部分的處理。
(4)目標識別和分類
在制造或安防等行業,機器視覺都離不開對輸入圖像的目標進行識別和分類處理,以便在此基礎上完成后續的判斷和操作。識別和分類技術有很多相同的地方,常常在目標識別完成后,目標的類別也就明確了。近來的圖像識別技術正在跨越傳統方法,形成以神經網絡為主流的智能化圖像識別方法,如卷積神經網絡(CNN)、回歸神經網絡(RNN)等一類性能優越的方法。
(6)目標檢測和跟蹤
圖像處理中的運動目標檢測和跟蹤,就是實時檢測攝像機捕獲的場景圖像中是否有運動目標,并預測它下一步的運動方向和趨勢,即跟蹤。并及時將這些運動數據提交給后續的分析和控制處理,形成相應的控制動作。圖像采集一般使用單個攝像機,如果需要也可以使用兩個攝像機,模仿人的雙目視覺而獲得場景的立體信息,這樣更加有利于目標檢測和跟蹤處理。
(1)穩定性:某種處理方法往往在研究和開發中表現良好,但在復雜多變的應用環境中,卻不時地出現問題。例如人臉識別系統,在目標配合時識別率可高達95%以上,但在實際監控環境下,識別率就會大大下降。
(3)準確性:機器視覺系統要求圖像識別和測量的準確性接近100%,任何微小的誤差都有可能帶來不可預測的后果。例如目標定位的誤差會使裝配出來的設備不符合要求。
今后機器視覺中智能圖像處理的發展主要體現在以下幾個方面:
(2)實時性:出現更多結構新穎、資源充足、運算快速的硬件平臺支撐,例如基于多CPU、多GPU的并行處理結構的計算機,海量存儲單元等。
(4)融合處理:從單圖像傳感器發展到多傳感器(多視點)的融合處理,可更加充分地獲取現場信息。還可融合多類傳感器,如圖像傳感器、聲音傳感器、溫度傳感器等共同完對現場目標定位、識別和測量。
東莞銘威自動化設備廠專注于視覺檢測設備領域的研發與生產,歡迎前來咨詢了解更多的視覺檢測案例與視覺檢測方案。