机器视觉检测

更新时间:2023-12-25 21:16:01 阅读量: 教育文库 文档下载

说明:文章内容仅供预览,部分内容可能不全。下载后的文档,内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的,是否完整无缺。

机器视觉检测 一、概念

视觉检测是指通过机器视觉产品(即图像摄取装置,分 CMOS 和CCD 两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。

机器视觉检测的特点是提高生产的柔性和自动化程度。

2、典型结构

五大块:照明、镜头、相机、图像采集卡、软件

1.照明

照明是影响机器视觉系统输入的重要因素,它直接影响输入数据的质量和应用效果。目前没有通用的照明设备,具体应用场景选择相应的照明装置。照射方法可分为:

分类 背向照明

具体说明

优点

被测物放在光源和摄像机之能获得高对间 比度的图像 光源和摄像机位于被测物的便于安装 同侧

前向照明

结构光

将光栅或线光源等投射到被测物上,根据它们产生的畸变,解调出被测物的三维信息

频闪光照明

将高频率的光脉冲照射到物

体上,摄像机拍摄要求与光源同步

2.镜头

镜头的选择应注意以下几点:焦距、目标高度、影像高度、放大倍数、影响至目标的距离、中心点/节点、畸变。 3.相机

按照不同标准可分为:标准分辨率数字相机和模拟相机等。

要根据不同的实际应用场合选不同的相机和高分辨率相机:线扫描CCD和面阵CCD;单色相机和彩色相机。

为优化捕捉到的图像,需要对光圈、对比度和快门速度进行调整。 4.图像采集卡

图像采集卡是图像采集部分和图像处理部分的接口。将图像信号采集到电脑中,以数据文件的形式保存在硬盘上。通过它,可以把摄像机拍摄的视频信号从摄像带上转存到计算机中。 5.软件

视觉检测系统使用软件处理图像。软件采用算法工具帮助分析图像。视觉检测解决方案使用此类工具组合来完成所需要的检测。是视觉检测的核心部分,最终形成缺陷的判断并能向后续执行机构发出指令。常用的包括,搜索工具,边界工具,特征分析工具,过程工具,视觉打印工具等。

3、关键——光源的选择

1.光源选型基本要素:

对比机器视觉应用的照明的最重要的任务就是使需要被观察的特征度 与需要被忽略的图像特征之间产生最大的对比度,从而易于特

征的区分。好的照明应该能够保证需要检测的特征突出于其他背景。

亮度 当光源不够亮时的缺点。第一,相机的信噪比不够;由于光源

的亮度不够,图像的对比度必然不够,在图像上出现噪声的可能性也随即增大。其次,光源的亮度不够,必然要加大光圈,从而减小了景深。另外,当光源的亮度不够的时候,自然光等随机光对系统的影响会最大。

鲁棒光源是否对部件的位置敏感度最小。当光源放置在摄像头视野性 的不同区域或不同角度时,结果图像应该不会随之变化。方向

性很强的光源,增大了对高亮区域的镜面反射发生的可能性,

这不利于后面的特征提取。

2.光源类型

类型 环形光源

特点 应用

提供不同照射角度以及不同PCB基板检颜色,能够突出物体全面信测、IC元件息。LED阵列的密度高、亮检测 度大。且排列布阵空间紧凑,节省空间。

在物体的背光面,采用高强电子元件,度的LED阵列做光源。可以胶片污点检突出外形轮廓特征。 测 照射角度可以随意安装,适图像扫描、用于方形结构或者是大物件LED面板检测 的检测。

背光源

条形光源

同轴光源

采用分光镜设计,可以减少适用于表面阴影带来的困扰,使得光源凹凸不平不能够均匀照射在物体表面,完整的物体 提高成像清晰度。

4、图像采集过程

1

工件定位检测器探测到物体已经运动至接近摄像系统的视野中心,向图像采集部分发送触发脉冲,可分为连续触发和外部触发。

图像采集部分按照事先设定的程序和延时,分别向摄像机和照明系统发出启动脉冲。

摄像机停止目前的扫描,重新开始新的一帧扫描,或者摄像机在启动脉冲来到之前处于等待状态,启动脉冲到来后启动一帧扫描。

摄像机开始新的一帧扫描之前打开曝光机构,曝光时间可以事先设定。

2

3

4 5

另一个启动脉冲打开灯光照明,灯光的开启时间应该与摄像机的曝光时间匹配。

摄像机曝光后,正式开始一帧图像的扫描和输出。

6 7

图像采集部分接收模拟视频信号通过A/D将其数字化,或者是直接接收摄像机数字化后的数字视频数据。

图像采集部分将数字图像存放在处理器或计算机的内存中。

8 9

处理器对图像进行处理、分析、识别,获得测量结果或逻辑控制值(合格或不合格)。

10 11

处理结果控制流水线的动作、进行定位、纠正运动的误差等。

通过Excel等方式打印缺陷输出结果(生产批号、缺陷位置、坐标、面积、类别、产生时间等信息)

五、视觉检测分类

(1)按照检测功能可划分:定位、缺陷检测、计数/遗漏检测、尺寸测量。

(2)按照其安装的载体可分为:在线检测系统和离线检测系统。

(3)按照检测技术划分,通常有立体视觉检测技术、斑点检测技术、尺寸测量技术、OCR技术等等。 六、视觉检测应用

印刷行业检测 利用在线/离线的视觉系统发现印刷过程中的质量问

题,如堆墨、飞墨、缺印/浅印、套印不准、颜色偏差等,同时在线设备可将颜色偏差和墨量多少的检测结果反馈给PLC,控制印刷设备的供墨量,对供墨量进行在线调节,提高印刷质量和效率。 PCB板检测

利用视觉系统对PCB裸板进行检测,检测板上的导线和元件的位置和间距错误、线路和元件的尺寸错误、元件形状错误、线路的通段、板上污损等。

机器视觉检测可以轻松应对金属零件生产的质量控制,如硬币、汽车零部件、连接器等。通过图像处理的方法,发现金属零件表面的划伤、残缺、变色、粘膜等缺陷,并指导机械传动系统将残缺品剔除,大大提高了生产效率。同时对缺陷类型的统计分析能够指导生产参数的调整,提高产品质量。

零件检测

汽车安全

这类数字化系统的工作原理就是通过视觉传感器对人的眼睑眼球的几何特征和动作特征、眼睛的凝视角度及其动态变化、头部位置和方向的变化等进行实时检测和测量,建立驾驶人眼部头部特征与疲劳状态的关系模型,研究疲劳状态的多参量综合描述方法;同时研究多元信息的快速融合方法,提高疲劳检测的可靠性和准确性,从而研制稳定可靠的驾驶员疲劳监测系统。它检测的方法很多,比如:人脸快速检测方法、疲劳程度检测方法、疲劳驾驶问题检测等等。

同时,在交通行业的车牌识别和流量检测、药品行业的包装检测、饮料行业的容量检测和外包装检测、烟草行业的烟标检测和外包装检测、纺织行业的布匹瑕疵检测、五金行业的螺丝钉检测、运输行业的货物分拣、食品行业的水果分拣、电子行业的焊接检测和装配定位、钢铁行业的钢板表面缺陷检测、智能读表、智能抄表等都有应用。

七、一套高品质的机器视觉检测系统,必须具备的条件 1.高品质的成像系统

成像系统被称为视觉检测设备的“眼睛”,因此“眼睛”识别能力的好坏是评价成像系统的最关键指标。通常,成像系统的评价指标主要体现在三个方面:

(1)能否发现存在的缺陷

基于图像方法进行的检测,所能够依据的最原始也是唯一的资料即是所采到的图像上的颜色(或者亮度变化,除此之外,没有其他资料可供参考。所以,一个高品质的成像系统首先应该是一个能充分表现被检测物表面颜色变化的成像系统。因此除了选择具有高清晰度的相机与镜头之外,用以营造成像环境的光照设计也显得非常重要,有时候甚至会出现为特殊缺陷专门设计的光照系统。经常所说的100%质量检测系统,实际上指的是在能够充分表现各种缺陷的图像中的100%全检。

(2)能够发现的缺陷的最小尺寸

数字图像的最小计量单位是像素(pixel,它本身并不代表被摄物实际的尺寸大小。被摄物实际尺寸大小与像素之间的关联是通过一个叫做分辨力的物理量来完

成的。分辨力指的是每单位像素代表的实际物体尺寸。分辨力数值越小,图像的精细程度就越高,检测系统能够发现的缺陷尺寸就越小,检测精度就越高。 (3)能否足够快地摄取图像

如同人眼看运动物体一样,当物体运动的足够快时,人眼就不能再清晰的观察到物体的全部。机器视觉检测系统的“眼睛”摄像机也有一个拍摄速度上限,即相机主频。当被摄物的运行速度超出了摄像机的主频上限时,摄像机就不能获得清晰、完整的图像,检测就不能正常地继续下去。摄像机主频越高,采集速度也就越快,检测才能保持高效进行。因此,是否采用了足够高主频的摄像机也是评价一个成像系统是否高品质的关键因素。 2.成熟的图像处理与分析算法

图像处理与分析算法在整个检测系统中相当于人工检测时人脑的判断思维,由于机器视觉是一个实践性很强的学科,评价一个算法的好坏更多的是依赖于实际应用的验证而非考察算法中是否采用了比较先进或高深复杂的理论。因此一个能够充分模拟人脑判断过程与方法并且稳定、高效的图像处理与分析算法才是我们需要的,也就是所谓的成熟的处理与分析算法。因此,在设计处理算法时,需要充分分析人的判断过程,并将其转换成计算机的语言。 3.可操作性好

可操作性好主要要求检测设备的应用操作要具备简洁、方便并易于理解的特点。比如系统有友好的人机交互界面、良好的导向性操作设计等。 4.稳定的其他配套设施

其他配套设施指的是除了检测系统以外的设施,如传输控制平台、缺陷处理装置(剔除、报警、标记等。对配套设施的要求是必须运行稳定、信号响应及时、迅速。

八、机器视觉系统设计难点

第一:打光的稳定性

工业视觉应用一般分成四大类:定位、测量、检测和识别,其中测量对光照的稳定性要求最高,因为光照只要发生10-20%的变化,测量结果将可能偏差出1-2个像素,这不是软件的问题,这是光照变化,导致了图像上边缘位置发生了变化,即使再厉害的软件也解决不了问题,必须从系统设计的角度,排除环境光的干扰,同时要保证主动照明光源的发光稳定性。当然通过硬件相机分辨率的提升也是提高精度,抗环境干扰的一种办法。 第二:工件位置的不一致性

一般做测量的项目,无论是离线检测,还是在线检测,只要是全自动化的检测设备,首先做的第一步工作都是要能找到待测目标物。每次待测目标物出现在拍摄视场中时,要能精确知道待测目标物在哪里,即使你使用一些机械夹具等,也不能特别高精度保证待测目标物每次都出现在同一位置的,这就需要用到定位功能,如果定位不准确,可能测量工具出现的位置就不准确,测量结果有时会有较大偏差。 第三:标定

一般在高精度测量时需要做以下几个标定,一光学畸变标定(如果不是用的软件镜头,一般都必须标定),二投影畸变的标定,也就是因为安装位置误差代表的图像畸变校正,三物像空间的标定,也就是具体算出每个像素对应物空间的尺寸。不过目前的标定算法都是基于平面的标定,如果待测量的物理不是平面的,标定就会需要作一些特种算法来处理,通常的标定算法是解决不了的。此外有些标定,因为不方面使用标定板,也必须设计特殊的标定方法,因此标定不一定能通过软件中已有的标定算法全部解决。

【智能制造领域中,工业机器人的定位是所有功能中相对较难的一种,由于对于作业精度和作业速度的需求,该功能的难点主要在于标定(图像坐标系与外部坐标系的映射)精确度与标定速度的提升,定位过程中的精确度与速度的提升等。】 第四:物体的运动速度

如果被测量的物体不是静止的,而是在运动状态,那么一定要考虑运动模糊对图像精度(模糊像素=物体运动速度*相机曝光时间),这也不是软件能够解决的。 第五:软件的测量精度

在测量应用中软件的精度只能按照1/2—1/4个像素考虑,最好按照1/2,而不能向定位应用一样达到1/10-1/30个像素精度,因为测量应用中软件能够从图像上提取的特征点非常少。

本文来源:https://www.bwwdw.com/article/58cx.html

Top