視覺檢測精度取決什麼,照明,像素還是算力?

2020-12-20 觸想智能

視覺檢測,簡單定義就是用機器代替人眼來做測量和判斷。定義簡單,實現過程卻很複雜,要理解,也可以用人眼做一個對比。科學告訴我們,人類看見物體是由物體反射的光達成的,再通過人眼球複雜的成像系統經視神經傳給大腦,人就可以視物了。

光線,成像系統,處理系統構成視物的三要素,在視覺檢測系統中同樣如此。

機器視覺主應用分定位、測量、檢測和識別四類。這些應用由一整套的工業視覺檢測系統完成,包括攝像頭和光學部件、燈光、圖像傳感器和檢測軟體,也是上述說的成像系統和處理系統。

隨著工業自動化的發展,機器視覺的應用範圍逐漸擴大和完善,在國外機器視覺的應用普及主要體現在半導體和電子行業,元器件行業檢測量大,檢測難度高,人眼難以發現的細微瑕疵,只有憑藉機器的高精度和維度來代替解決。

對於檢測效果,不同的應用領域有不同的要求,拿機器視覺下的兩個分支,工業視覺和計算機視覺對比,工業視覺則更加注重檢測精度的提高。

攝像頭和光學部件,燈光,圖像傳感器,檢測軟體構成視覺檢測系統的主要部分,同時檢測精度也由它們決定。

在檢測的過程中,照明的目的是增強圖像特徵點與背景的對比度。在圖像中,對比度代表著圖像信號的質量,它反應了兩個區間的差別,光源就是要突出這些區別。適當的光源照明可以將被測物體的目標信息與背景信息區分,以獲得高品質,高對比的圖像,從而降低圖像處理算法的難度,同時提高系統精度和可靠性。

檢測軟體精度問題,工業相機捕捉到的圖像還需通過工業計算機進行處理分辨,檢測軟體需要創建和執行程序,處理採集回來的圖像數據、以及做出「通過/失敗(pass\fail)」決定,幀率和解析度變得重要。

物體的移動速度同樣是重要的因素,如果被測量的物體不是靜止的,而是運動狀態,那麼一定要考慮運動模糊對圖像精度的影響(模糊像素=物體運動速度*相機曝光時間),不是軟體能夠決定(編程,根據相機曝光時間調整物體運動速度)

根據視覺檢測應用領域,視覺檢測系統對其組成部分有著不同的要求,在智能製造領域,照明亮度,相機的像素,計算機的算力與性能同樣重要,比如在相機和計算機上的選擇上,都要求是工業級的,且對工業相機的幀頻解析度等指標依據需求篩選,而計算機的的性能、算力和環境適應同時也要和檢測需求匹配(物體移動速度,燈光亮度,檢測軟體兼容等),檢測精度的提高是最重要的,而這取決於以上談到的各種因素之間的相互匹配。

相關焦點

  • 【視覺基礎】CCD(像素)與視覺系統的基礎知識-機器視覺系列第1篇
    所謂 200 萬像素 CCD 就是一個由 200 萬個光電二極體構成的集合體。在檢測位置及檢測物體的尺寸均已確定的情況下,使用一個光電傳感器就可以檢測該位置是否存在該物體。但是,在生產線上的位置不確定、工件有不同尺寸,或者不只是檢查工件是否存在,而是要測量工件大小、尺寸時,則使用一個光電傳感器是遠遠不夠的。
  • 食用油雷射噴碼視覺檢測分揀系統
    摘要:當前食用油雷射噴碼檢測方法仍是傳統的人工燈檢法,存在成本高、不穩定、精度低、人員調動等問題,已經不能滿足生產商和消費者的要求,為此設計一種基於機器視覺和自動化控制技術的食用油雷射噴碼檢測分揀系統。
  • 基於機器視覺技術的香菸濾棒內置物檢測系統設計
    搭建了一套基於背光照明的機器視覺檢測系統,利用灰度化、興趣區域定位、投影變換等處理得到內置物的投影曲線,根據曲線波形確定內置物的位置和有無。本檢測系統對捲菸材料的生產和質量控制有一定的指導意義。  在這種加入內置物的濾棒生產過程中,可能出現內置物缺失、內置物在濾棒內偏離預定位置等缺陷,為保證濾棒及香菸的質量,需要對濾棒進行質量檢測;目前對該類特殊的香菸濾棒還沒有一種完善的檢測方法,因此急需一種檢測方法,準確檢測出合格的香菸濾棒。  1 檢測原理  濾棒在普通照明下,內置物是不可見的。
  • 手機外殼的外觀缺陷是如何通過視覺檢測的?
    傳統的表面缺陷檢測方法是人工檢測,但是人工檢測受人為主觀因素的幹擾很大,人工檢測效率低,成本高,價格昂貴。在很大程度上,產品質量的提高受到限制。而機器視覺檢測正在逐步替代人工檢測,檢測更精準迅速。機器視覺是在計算機,電子工程和其他學科的基礎上發展起來的一個新的研究方向。一個典型的機器視覺檢測系統主要包括檢測對象,計算機,光源和照相機。
  • 全景視覺點膠機(全景視覺點膠機系統)如何合適選相機、鏡頭
    應用案例:假設檢測一個物體的表面劃痕,要求拍攝的物體大小為10*8mm,要求的檢測精度是0.01mm。根據要檢測的速度,選擇相機的幀率一定要大於或等於檢測速度,等於的情況就是你處理圖像的時間一定要快,一定要在相機的曝光和傳輸的時間內完成。6、選擇線陣還是面陣的工業相機。對於檢測精度要求很高,運動速度很快,面陣相機的解析度和幀率達不到要求的情況下,當然線陣工業相機是必然的一個選擇。7、選擇工業相機的傳輸接口。
  • 下一代ADAS視覺,挑戰800萬像素+120度廣角
    120度水平視場角、800萬像素前視攝像頭的一體化方案,將引領下一代ADAS視覺的方案主流趨勢。 近日,麥格納宣布,將推出基於Mobileye EyeQ5的前向視覺ADAS一體機方案(軟硬體打包),這套方案將在歐洲一家汽車製造商巨頭的多款車型搭載。
  • 手機輔料在線視覺檢測,在組裝中使用的越來越多
    1、 面對這些難點時已顯得無所適從,如項目實施周期可長達 2個多月; 2、 需要專職自動化人員; 3、 專機佔用大量產線空間; 4、 難以實現低成本的精細力控; 5、 投資回報慢,適應性差等 。二、手機組裝過程中針對輔料檢測的解決方案 機器視覺自 1999 年引入國內,20 年的發展與深度研發,在消費電子、太陽 能、鋰電池、半導體、印刷、機械製造、表面貼裝、製藥、汽車零部件、食品飲 料、雷射等 行業得到了廣泛的應用。
  • 點膠機安裝視覺運動控制系統有什麼好處?看看文章怎麼說
    隨著科技的發展,市場上要求速度快,效率高,精度高的設備才能滿足當前的需求,因此就出現了全自動點膠機。視覺自動點膠機的工作原理: 其點膠是通過視覺系統(即圖像攝取裝置,分 CMOS 和CCD 兩種)將被攝取目標轉換成圖像信號,傳送給專用的圖像處理系統,根據像素分布和亮度、顏色等信息,轉變成數位化信號;圖像系統對這些信號進行各種運算來抽取目標的特徵,進而根據判別的結果來控制現場的設備動作
  • 機器視覺涉及廣泛 淺談其前世今生
    機器視覺主要用計算機來模擬人的視覺功能,但並不僅僅是人眼的簡單延伸,更重要的是具有人腦的一部分功能一一從客觀事物的圖像中提取信息,進行處理並加以理解,最終用於實際檢測、測量和控制。   一個典型的工業機器視覺應用系統,包括數字圖像處理技術、機械工程技術、控制技術、光源照明技術、光學成像技術、傳感器技術、模擬與數字視頻技術、計算機軟硬體技術、人機接口技術等。
  • 阿貓還是阿狗?AI視覺識別中目標檢測的關鍵技術
    最簡單的視覺識別是根據圖片中的物體對圖片進行分類,典型的就是判斷一張照片是貓還是狗。再進一步不僅要識別圖片中物體,還要對它進行定位。實際工程中,圖片一般會同時存在多個物體,面對這種複雜場景需要應用目標檢測,同時包含分類和定位。比目標檢測更深入的是語義分割,從上圖可以看到目標檢測只是簡單的框出了物體,而語義分析會挖掘出圖像中更深層次的信息。
  • CMOS傳感器在3D視覺、感測和度量中的應用
    從那時開始,這一應用範圍裡,不論在速度、精度和3D圖像解析度都有飛躍進展,並且獲得從消費性市場到機器視覺工業的廣泛應用。隨著工業4.0變革來臨,面對諸如複雜的物件辨識和尺寸量度任務,以至人機互動所需要的複雜互動,2D視覺在精度和距離測量方面均出現技術限制,市場對3D視覺的需求因而與日俱增。
  • 【ImageNet最後的冠軍】顏水成:像素級標註數據集將引領計算機視覺...
    而計算機視覺的未來屬於多標籤、像素級、語義級分析。  他不認為Web Vision是最終取代ImageNet的數據集,他認為需要一個像素級、多標籤的數據集才可能引領計算機視覺進入下一個時代。如果像素級分類做好了,無論做任何類型圖像理解和語義理解的問題都好辦了。  雖然現在新的數據集有做語義級別分析或者局部關聯分析的,但這些資料庫存在內在的局限性。
  • 高性能標準CMOS傳感器在3D視覺技術中的應用
    隨著工業4.0變革來臨,面對諸如複雜的物件辨識和尺寸量度任務,以至人機互動所需要的複雜互動,2D視覺在精度和距離測量方面均出現技術限制,市場對3D視覺的需求因而與日俱增。 3D視覺能提高機器人/機器系統在工業自動化應用的自主性和效率,提供2D視覺不能比擬的高精度質量檢測,反向工程和物件度量等關鍵能力。
  • 智能汽車什麼最重要?這家公司用晶片告訴你:是算力!
    地平線徵程2滿足AEC-Q100標準,可提供超過4TOPS(1TOPS=1萬億次計算每秒)的等效算力,典型功耗僅2瓦,配合高效的算法,每TOPS的算力可以處理的幀數可達同等算力
  • ...開發出擁有業界最小*1像素 和最高*1HDR性能的事件檢測用堆疊式...
    該新型事件檢測用堆疊式視野傳感器能夠異步檢測每個像素的亮度變化,並僅輸出被檢測到變化的像素的坐標和時間數據,從而實現高效,高速,低延遲的數據輸出。儘管體積小,功耗低,但該視野傳感器仍可實現高解析度,高速和高時間解析度的數據輸出。
  • 多少像素夠用? 教你認識相機——像素
    今天小編經過ET滕飛的允許轉載了老生常談的相機像素問題分析,告訴大家相機像素多少夠用。  什麼是像素  首先,像素是感光元件記錄光信號的基本單位,通常來說1個像素對應1個光電二極體。同時,像素也是照片文件的最小單元。
  • 僅用40張圖片就能訓練視覺模型:CVPR 2019伯克利新論文說了什麼
    為了儘可能地消滅「次元壁」中存在的「視覺盲點」,OLTR開放長尾識別框架應運而生。OLTR,讓CV系統更全能如上所述,「開放長尾識別」(OLTR)的核心任務目標,就是讓系統能夠從長尾數據和開放的分布式數據中進行學習,能夠在包括頭、尾和開放類的平衡測試集上表現出較好的分類精度。
  • 微軟亞洲研究院王井東:下一代視覺識別的基本網絡結構是什麼樣的...
    在大會第二天的「視覺智能•城市物聯」專場上,微軟亞洲研究院首席研究員王井東分享了其在新一代視覺識別網絡結構上的研究成果。王井東介紹,目前學界的網絡結構都是圍繞分類任務而發明,除了分類以外,在計算機視覺裡面還有其它的重要任務,比如圖像分割、人臉關鍵點的檢測、人體姿態估計、目標檢測等等。下一代的網絡結構是什麼樣的呢?是否適用於更為廣泛的視覺識別問題?
  • 計算機視覺 | Day 12 邊緣檢測
    (3)計算機視覺的五大應用語義分割2、求邊緣幅度的算法:canny算子效果比其他的都要好,但是實現起來有點麻煩3、什麼是邊緣提取?(3)檢測:經過增強的圖像,往往鄰域中有很多的梯度值比較大,而在特定的應用中,這些點並不是我們要找的邊緣點,所以應該採用某種方法來對這些點進行取捨。實際工程中,常用的方法是通過閾值化方法來檢測。5、邊緣檢測的原理關於邊緣檢測的基礎來自於一個事實,即在邊緣部分,像素值出現「跳躍」或者較大的變化。
  • 基於平面投影的單目視覺AGV 定位算法
    曹小華 任曉玉0 引言視覺定位是計算機視覺中的一個重要研究問題,廣泛應用於機器人自主導航、機器人定位、視覺伺服、攝像機校正、目標跟蹤、視覺檢測、物品識別和工業零部件裝配等領域。相比於基於多相機的模型定位方法,單目視覺的優點主要體現在只需單幅圖像技能實現定位,不存在圖像匹配問題,處理速度快,定位精度高。傳統視覺對目標定位,是通過對攝像機的內外參數進行標定來實現的[2]。計算機標定方法可以分為傳統標定方法、自標定方法和基於主動視覺的標定方法[3]。