信息摘要:
随着深度学习、三维视觉技术、高精度成像技术和机器视觉互联技术的发展,机器视觉的性能优势得到进一步提升,应用领域也向多维拓展。
机器视觉起源于上世纪50年代 —— Gilson提出了“光流”的概念,在相关统计模型的基础上发展了逐像素计算模型,标志着二维图像统计模型的发展。
机器视觉是用机器代替人眼进行测量和判断。机器视觉系统通过机器视觉产品将捕捉到的物体转换成图像信号,再传输给专用的图像处理系统,获得被捕捉物体的形状信息,并根据像素分布、亮度、颜色等信息将其转换成数字信号;图像系统对这些信号进行各种操作,提取目标的特征,然后根据识别结果控制现场设备的动作。
机器视觉的主要应用领域,机器视觉应用,机器视觉技术
随着深度学习、三维视觉技术、高精度成像技术和机器视觉互联技术的发展,机器视觉的性能优势得到进一步提升,应用领域也向多维拓展。
机器视觉的主要应用领域
1汽车制造行业
以往汽车制造质量主要依靠三坐标测量,效率低、耗时长、数据缺乏,只能离线测量。机器视觉引入了非接触测量技术,并逐渐发展为固定式在线测量站和机器人柔性在线测量站,能够对人体尺寸波动进行严格监控,提供数据支持。
蓝光扫描测量、表面缺陷测量等视觉测量方法可以进行更精确的测量,并对车身的基本特征尺寸、装配效果和缺陷提供高精度的监控。多种监视和测量手段相结合,确保生产零件零缺陷,保证车辆制造的高质量。
2图像识别
图像识别,简单地说,就是利用机器视觉对图像进行处理、分析和理解,识别出各种物体和目标。
识别条形码就是一种图像识别。在商品的生产过程中,制造商将大量的数据存储在一个小的条形码中,以此管理商品。
随着机器视觉图像识别的应用越来越广泛,各种物料表面的条码变得非常容易识别、读取和检测,从而提高了现代化水平,降低了生产成本,大大提高了生产效率。
3电子行业
电子行业元器件尺寸小、质量标准高,用机器视觉系统检测最适合不过。同时,电子产品需求量大、生命周期短,拉动机器视觉市场需求。
机器视觉在消费电子领域,以PCB检测、零部件及整机外观检测、装配引导等应用为主,以改变传统的人工目视检测法易漏检、时间长、速度慢、成本高的缺点。
使用机器视觉,操作者可以及时得到反馈,确定印刷过程中的操作是否良好,从而达到防伪的目的,这对提高生产效率和成品率非常重要。
4物体分拣
在机器视觉应用中,目标分类应用是继识别和检测之后的一个环节。利用机器视觉系统对图像进行处理,利用机械手实现产品分类。
在以前的生产线中,材料是通过人工方法放入注塑机,然后进行下一道工序。现在采用自动分料设备,利用机器视觉系统对产品图像进行采集、分析、输出结果,再由机器人将相应的物料放置在一个固定的位置,从而实现工业生产的智能化、自动化和现代化。
机器视觉功能很少被看作是一个孤立的系统,而是作为整个自动化系统或设备的有机组成部分。它与运动控制、逻辑控制、数据采集、企业数据库管理等功能配合,并以此发挥其优势。为了打开视觉与各种信息系统之间的通道,实现系统间的互联,制定数据接口、通信协议等基本通用标准,机器视觉的推动将是产业发展的必然趋势。
资讯来源:东莞铭威网
|