机器视觉系统的关键技术在哪
机器视觉系统的关键技术在哪?专家解释,
成功的机器视觉系统最主要的是解决图像采
集和图像处理分析这两大问题
,而图像的采集又牵扯到了光源、光学成像、数字图像获取
和传输等几大技术问题
。那对于机器视觉系统的关键技术该怎样认识呢?
机器视觉技术通过计算机对摄取的图像进行处理,
分析其中的信息,
并做出相应的判断,
进而发出对设备的控制指令。
机器视觉系统的具体应用需求千差万别,
视觉系统本身也可能
有多种不同的形式,但都包括以下过程
:
◇图像采集
利用光源照射被观察的物体或环境,通过光学成像系统采集图像,通过相
机和图像采集卡将光学图像转换为数字图像,这是机器视觉系统的前端和信息来源。
◇图像处理和分析
计算机通过图像处理软件对图像进行处理,分析获取其中的有用信
息。如
PCB
板的图像中是否存在线路断路、纺织品的图像中是否存在疵点、文档图像中存
在哪些文字等。这是整个机器视觉系统的核心。
◇判断和控制
图像处理获得的信息最终用于对对象(被测物体、环境)的判断,并形
成对应的控制指令,发送给相应的机构。如摄取的零件图像中,计算零件的尺寸是否与标
准一致,不一致则发出报警,做出标记或进行剔除。
◇照明设计
照明设计主要包括三个方面
:
光源、目标和环境的光反射和传送特性、光
源的结构。
照明直接作用于系统的原始输入,
对输入数据质量的好坏有直接的影响。
光源决
不仅仅是为了照亮物体,
通过有效的光源设计可以令需要检测的特征突出,
同时抑制不需要
的干扰特征,
给后端的图像处理带来极大的便利。
而不恰当的照明方案会造成图像亮度不均
匀,干扰增加,
有效特征与背景难以区分,令图像处理变得极其困难,
甚至成为不可能完成
的任务。
由于被测对象、
环境和检测要求千差万别,
因而不存在通用的机器视觉照明设备,
需要针对每个具体的案例来设计照明的方案,要考虑物体和特征的光学特性、距离、背景,
根据检测要求具体选择光的强度、颜色和光谱组成、均匀性、光源的形状、照射方式等。
◇相机是一个光电转换器件,它将光学成像系统所形成的光学图像转变成视频
/
数字电
信号。相机通常由核心的光电转换器件、外围电路、输出
/
控制接口组成。目前最常用的光
电转换器件为
CCD
,其特点是以电荷为信号,而不像其他器件输出电流或者电压信号。
对
相机除了考察其光电转换器件外,
还应考虑系统速度、
检测的视野范围、
系统所要达到的精
度等因素。
相机输出的模拟视频信号并不能为计算机直接识别,
图像采集卡通过对模拟视频信号的
量化处理将模拟视频信号数字化,
形成计算机能直接处理的数字图像,
并提供与计算机的高
速接口。图像采集卡需要实时完成高速、大数据量的图像数据采集,必须与相机协调工作,
才能完成特定的任务。
◇机器视觉中常用的算法包括
:
搜索、
边缘
(
Edge
)
、
Blob
分析、
卡尺工具
(
Caliper Tool
)
、
光学字符识别、色彩分析。