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。

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。譬如,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

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。

钢铁制造厂运用机器视觉优化效率及质量

钢铁制造过程中,辨识及追溯其产品是一项困难的任务。要快速且精准地查询、追溯、检索品项,几乎每个产业都将条形码辨识看作一项非常重要的技术,使得库存及库存控制系统有重大的进步。当一家日本钢铁制造商寻求方法提升辨识及追踪自家产品质量时,The Imaging Source 映美精相机的机器视觉产品为他们提供了解决方案。

机器视觉技术在工业检测中的应用综述_第1张图片

机器视觉与条形码追溯:使用机器视觉进行条形码辨识,能很容易地追踪及检视大型钢铁。

挑战:建立一套稳健的条形码辨识系统

线性(一维)条形码提供可靠的追踪及追溯功能已长达几十年。即使扫描条形码为非常简单且高度自动化的动作,但如果我们可精确地控制条形码在产品上的位置及方向,一维条形码仍为最稳健的扫描方式。然而,许多钢铁制品通常巨大笨重,增加扫描定位困难,许多钢铁工厂不得不选择以人工的方式追踪制品,例如快速喷漆、粉笔做记、人为辨别及手抄数据纪录等方式。而吵杂、繁忙、光线不足的工作环境、易耗损的卷标(记号)及其他人为因素(如工作疲乏等),皆可能导致产线出错,造成更多时间及金钱损失。

解决方案:变焦相机撷取条形码影像及可视化信息

钢铁工厂工程师选择The Imaging Source映美精相机的GigE 彩色变焦相机,搭配条形码辨识软件IC Barcode。变焦相机搭载全局及卷帘快门感光组件,提供130~500MP像素分辨率,包含电动变焦、聚焦及光圈控制,通过以太网络供电GigE接口驱动。安装于输送带上的相机,即便与物体的距离改变或没有定位于最佳位置,光学变焦功使其不仅能撷取条形码影像,还可以实时获得其他可视化信息,检查产品是否有瑕疵,把控产品质量。

变焦相机安装于生产线:即便不是定位在最准确的位置,也能撷取条形码影像与其他可视化信息,把控产品质量。

通过相机的GigE接口,影像数据便转换至主计算机。不同于激光扫描系统,图像式条形码辨识并不仅限于一维条形码,该系统使产线经理可以使用一维或二维条形码,甚或两者同时交替使用。例如,IC Barcode软件高效稳健的条形码辨识算法,能够迅速地侦测并辨识任何方位的一维与二维条形码。此外,也可设定只扫描特定条形码图形及方位,或设定感兴趣区域(ROI)来加速侦测及解码。同时,IC Barcode将条形码图像数据转换成可用的讯息并储存于主计算机中,供未来读取使用。

在质量管控上,钢铁制品常常出现各种表面瑕疵。因此,增设图像式条形码系统能够提升质量控制效益。The Imaging Source映美精相机的产品内置光学镜头,可快速调整以捕获钢铁制品图像,帮助品管经理通过机器视觉技术来检查产品。该视觉系统有助于减少高代价错误,提升管控效率,提高精准度及员工的安全性。

国内机器视觉发展如何实现逆风翻盘?

我国机器视觉产业发展起步晚,但增速迅猛,技术集中且升级较快。当下,国内机器视觉发展的重要任务,是深耕好电子和半导体领域主要市场,在此基础上不断开拓出更加智能化、数字化的细分市场。

全球机器视觉发展至今,已有三十余年历史,我国机器视觉从90年代末发展以来,也已经有了十余年的发展经验。在这个过程中,图像处理、光学成像、传感器、处理器等技术的飞速崛起带动了机器视觉的蓬勃发展,各种新概念、新理论的不断涌现,也使得机器视觉技术与时俱进、日久弥新。

随着生产逐渐从劳动密集型向技术密集型转移,我国对能提效增速、减少成本的机器视觉技术需求也愈发旺盛,在国际先进机器视觉企业和国内企业的共同作用下,如今,我国已经成为机器视觉技术的主要集散地,同时,国内市场也已成为全球机器视觉产业发展的主要市场之一。

国内机器视觉发展现状

一直以来,全球机器视觉市场都保持着稳定发展态势,从2015年至2017年,全球机器视觉市场规模从40多亿美元扩大到70多亿美元,年均增长率维持在两位数左右,相关机构预测,至2020年全球市场将突破百亿大关,2025年将争取达到200亿。

目前,美国和日本占据着全球机器视觉市场超过一半的份额,而我国因为起步较晚,与其差距较大。2015年我国机器视觉市场为3.5亿美元,仅占全球市场份额的8%左右。

不过,随着十三五规划对制造业技术创新的强调,和中国制造2025战略的持续推进,我国机器视觉迎来了爆发式增长。进入工业4.0时代以来,国内机器视觉市场常年以20%以上的增速飞速发展,并将继续维持这个全球领先的增速对前面国家实现追赶。

辰视智能在工业级机器视觉领域也有多年深耕,并研发出工业机器人3D视觉引导系统、二维定位以及检测等国内领先的技术。

市场在高速增长,持续扩大的同时,机器视觉先进技术也在不断向国内市场聚集。一方面缘于国外企业带来了先进系统和技术,另一方面主要得益于国内技术的自我发展。据了解,从2016年以来,国内机器视觉技术相关专利申请常年连续两年维持在1000项以上,为2010年以来的最大值,这个成绩相对于全球机器视觉专利的数量来说也很亮眼。

遗憾的是,虽然专利申请众多,技术发展迅猛,但商业化落地程度却远远不够。因为如此众多的专利之中,基本都是大学或研究机构申请居多,企业专利相对较少,这就意味着国内大部分机器视觉技术仍然停留在研究和试验阶段,距离真正商业化应用还有一定距离。

电子和半导体领域为国内机器视觉增长主力

从全球应用领域的演变来看,机器视觉最初在电子和半导体领域获得了广泛应用。不少专家认为,国际机器视觉的崛起在一定程度上得益于电子和半导体行业的发展。

机器视觉具有测量、检测、识别、定位上的强大功能,在电子和半导体领域扮演者不可或缺的角色。一方面,在半导体大规模集成电路的产业链中,从上游加工切割,到末端印刷、贴片,都需要依赖高精度的机器视觉组件进行引导和定位;另一方面,在电子制造领域,从小型元器件到大型硬件设备,也都对机器视觉系统有旺盛需求。

如今,在国家缺芯事件如火如荼的时间节点,电子和半导体领域的发展越来越受到国家和行业的重视。《中国半导体产业“十三五”发展规划》就对大力发展集成电路产业提供了政策支持,计划2020年市场规模达到9000亿,在这样千亿市场需求的带动下,初步预计将给机器视觉带来30亿的规模增长。

眼下,在国际市场上,电子和半导体领域已经成为了机器视觉增长的主力军,占到了全行业市场需求的40-50%,而我国起步较晚,机器视觉的发展阶段还未与国际步调一致。因此,从国际市场发挥样板作用的角度来说,提高机器视觉在电子和半导体领域的渗透率,牢牢把握住这个掘金行业,将成为当前我国机器视觉发展的重要任务之一。

智慧城市、无人模式将成为未来增长带动点

把握主要发展领域的同时,由于新的发展趋势也在不断繁衍,新技术和新标准在不断革新,国内机器视觉发展还需要紧跟时代潮流。如今,在智能化的趋势下,智慧城市和无人模式的出现有望成为机器视觉发展新的增长点。

不管是智慧城市建设下的智能交通管理、自动驾驶、智能安防,还是无人模式下的无人商店、无人物流,机器视觉技术都是这些新概念发展的前提,预计在未来3-5年内,不少企业和政府机构都将积极拥抱机器视觉技术。

当然,市场和需求的增加,同样也对机器视觉本身提出了更高的技术要求,数字化、智能化、实时化逐渐成为企业未来发展方向,与其他技术的融合和跨领域合作成为机器视觉必须要踏出的一步,只有做好了这些,才能在耕耘好主要市场的情况下,开拓出更多的增长点。

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。

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
机器视觉技术在工业检测中的应用综述_第5张图片
机器视觉技术在工业检测中的应用综述_第6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)