机器视觉技术在工业检测中的应用综述

机器视觉主要研究用计算机来模拟人的视觉功能,通过摄像机等得到图像,然后将它转换成数字化图像信号,再送入计算机,利用软件从中获取所需信息,做出正确的计算和判断,通过数字图像处理算法和识别算法,对客观世界的三维景物和物体进行形态和运动识别,根据识别结果来控制现场的设备动作。从功能上来看,典型的机器视觉系统可以分为:图像采集部分、图像处理部分和运动控制部分,计算机视觉是研究试图建立从图像或者多维数据中获取“所需信息”的人工智能识别系统。正广泛地应用于医学、军事、工业、农业等诸多领域中。 


  视觉技术研究与应用的必要性 
  视觉技术在国内外发展极其必要。2008年经济危机极大冲击了美国至全球的各个领域。美国汽车制造业 “Big Three”频临破产,进一步自动化是唯一出路。美国政府推行“Made in US” 计划。出台多个政策刺激鼓励企业技术发明创新,视觉技术的应用就显得非常必要。近年在国内,劳动力工资成本大幅提高,很多生产企业迁移到人力资源更低廉的国家和区域,食品、医药质量事件不断。“Made in China”在世界声誉亟需提高,为提高质量保持竞争力,各领域的视觉检测及高度自动化势在必行。视觉检测对工业自动化的重要性与日俱增,工业自动化需求对视觉技术的推动高度集成化。 


  国外典型研究与应用 
  对于机器视觉技术,世界各国都在研究与应用。1994年S.T rika等研究了一种基于机器视觉的多面体零件特征提取技术,获得零件特征。1998年,J.Merlet等将机器视觉技术应用于部件装配。同年, Du-Ming Tsai等将机器视觉和神经网络技术相结合, 实现对机械零件表面粗糙度的非接触测量。2003年,Eladaw .iA.E将机器视觉技术用于数控铣加工中, 以获得实时加工数据。日本的视觉识别机器人研究,从数量或研究成果看都占据着明显的领先地位.美英德韩也都在开展相关研究。国外的卡耐基-梅隆M.A.Smith等提出了一种在视频帧中检测文字的方法。韩国Soongsil大学的Kim基于支持向量机和Camshift算法检测视频帧中的文字。 


  国内典型研究与应用 
  相对国外,国内计算机视觉技术应用研究起步较晚,与国外有差距,还需进一步在深度、广度及实践方面作出努力。国内的李留格等采用BP神经网络来进行轮胎胎号字符识别;李朝辉等利用形态算子提取视频帧的高频分量,把文本字符从复杂的视频中分离出来;周详等利用改进的BP神经网络对字符进行识别,提高了识别率和识别速度。字符识别技术是机器视觉领域的一个重要分支,在文字信息处理,办公自动化、实时监控系统等高技术领域,都有重要的使用价值和理论意义。本文以输血袋的字符识别为例介绍机器视觉在工业智能检测中的应用。 


  机器视觉识别技术应用实例
  当前,机器视觉已成功地应用于工业检测领域,大幅度地提高了产品的质量和生产效率。企业中用于检测输血袋编号。在血袋生产过程中,血袋上的字符编号的正确和唯一是必不可少的检测信息。依靠工人的肉眼逐条检测带状转印薄膜上的字符串,来追踪血袋编号是否错印,劳动强度大,效率低,不能从根本上保证检测质量。一旦血袋编号出现重印、错印将会发生严重医疗事故,因此一种基于机器视觉技术的血袋编号字符的提取、识别与错误反馈于一体的检测系统就适时、必要的诞生了,用以提高一次性血袋出厂编号的检测精度和自动化水平,保证产品质量,解决生产实际问题。 


  字符在线识别系统组成 
  为达到识别目的,识别系统由硬件和软件构成。硬件系统主要有血袋编号检测台机械结构、LED阵列照明系统、血袋编号图像采集系统、摄像机和计算机等。软件部分是系统的核心,主要由图像预处理、字符定位、字符倾斜校正、字符分割、字符识别等部分组成。 


  识别系统的实现 
  本系统基于labVIEW编程、图像处理、微型计算机接口技术等实现输血袋的文字在线识别。使用图像灰度化技术、平滑、校正、直方图均衡化等技术进行图像预处理。使用投影定位法等对字符进行定位。使用投影法、模版匹配等进行倾斜角度调整。使用垂直投影法对字符进行分割。使用了BP神经网络来识别分割后的字符。为提高识别率,设计训练了三个神经网络:字母网络、数字网络、字母与数字网络。 


  实验结果 
  利用该系统做过多次实验,测试了大量数据,整体看,系统稳定可靠,系统对输血袋文字识别程度非常高。本系统提高生产效率和生产过程的自动化程度,并为机器视觉系统应用于此种生产线,提供了成功的先例和经验。但由于各种原因,也会对识别的结果有一定的影响,因此,在识别率方面,尚有一定的差距。 


  机器视觉技术在应用中存在问题 
  虽然机器视觉技术目前已广泛应用到各领域,但由于其自身或配套技术上仍有不完善的地方,要广泛的应用还有一定限制。而图像处理算法的效率高低是计算机视觉成功应用的关键,尽管国内外都提出一些新的算法, 但是大部分仍处于实验阶段。特别是有复杂背景的工业现场,对视觉识别技术的识别率和精度降低。 


  机器视觉技术应用前景极为广阔,目前应用于生产生活各领域,但我国发展滞后,在工业检测中离实用化、商业化还有差距,因此亟待提高我国机器视觉技术的发展速度和水平,达到工业生产的智能化、现代化,为我国的现代化建设做出应有贡献。 


深圳辰视智能科技有限公司是一家集机器视觉、工业智能化于一体的高新技术企业,是由一支中国科学院机器视觉技术研究的精英团队在深圳创立。


辰视智能拥有基于深度学习的三维视觉引导、机器人运动控制、视觉检测、三维建模等方面的核心技术,并研发了机器人三维视觉引导系统 、机器人二维视觉引导系统、三维检测系统、产品外观检测系统等可根据客户需求定制化的智能产品。以高效·低成本·模块化的方式为自动化集成商、自动化设备厂商、机器人厂家提供机器视觉的相关解决方案。 


辰视智能致力于技术的不断研究、创新、突破,为合作伙伴提供世界领先的机器视觉产品及技术。

机器视觉技术在工业检测中的应用综述_第1张图片

机器视觉技术在工业检测中的应用综述_第2张图片

机器视觉技术在工业检测中的应用综述_第3张图片

机器视觉技术在工业检测中的应用综述_第4张图片


你可能感兴趣的:(机器视觉技术在工业检测中的应用综述)