高精度針孔檢測(cè)設(shè)備
More >>
2022-07-28 10:44:00 精質(zhì)視覺(jué)
中國(guó)機(jī)器視覺(jué)起步于80年代的技術(shù)引進(jìn)，隨著98年半導(dǎo)體工廠的整線引進(jìn)，也帶入機(jī)器視覺(jué)系統(tǒng)，06年以前國(guó)內(nèi)機(jī)器視覺(jué)產(chǎn)品主要集中在外資制造企業(yè)，規(guī)模都較小，06年開(kāi)始，工業(yè)機(jī)器視覺(jué)應(yīng)用的客戶群開(kāi)始擴(kuò)大到印刷、食品等檢測(cè)領(lǐng)域，2011年市場(chǎng)開(kāi)始高速增長(zhǎng)，隨著人工成本的增加和制造業(yè)的升級(jí)需求，加上計(jì)算機(jī)視覺(jué)技術(shù)的快速發(fā)展，越來(lái)越多機(jī)器視覺(jué)方案滲透到各領(lǐng)域，到2016年我國(guó)機(jī)器視覺(jué)市場(chǎng)規(guī)模已達(dá)近70億元。
機(jī)器視覺(jué)中，缺陷檢測(cè)功能，是機(jī)器視覺(jué)應(yīng)用得最多的功能之一，主要檢測(cè)產(chǎn)品表面的各種信息。在現(xiàn)代工業(yè)自動(dòng)化生產(chǎn)中，連續(xù)大批量生產(chǎn)中每個(gè)制程都有一定的次品率，單獨(dú)看雖然比率很小，但相乘后卻成為企業(yè)難以提高良率的瓶頸，并且在經(jīng)過(guò)完整制程后再剔除次品成本會(huì)高很多(例如，如果錫膏印刷工序存在定位偏差，且該問(wèn)題直到芯片貼裝后的在線測(cè)試才被發(fā)現(xiàn)，那么返修的成本將會(huì)是原成本的100倍以上)，因此及時(shí)檢測(cè)及次品剔除對(duì)質(zhì)量控制和成本控制是非常重要的，也是制造業(yè)進(jìn)一步升級(jí)的重要基石。
在檢測(cè)行業(yè)，與人類視覺(jué)相比，機(jī)器視覺(jué)優(yōu)勢(shì)明顯
1)精確度高：人類視覺(jué)是64灰度級(jí)，且對(duì)微小目標(biāo)分辨力弱;機(jī)器視覺(jué)可顯著提高灰度級(jí)，同時(shí)可觀測(cè)微米級(jí)的目標(biāo);
2)速度快：人類是無(wú)法看清快速運(yùn)動(dòng)的目標(biāo)的，機(jī)器快門(mén)時(shí)間則可達(dá)微秒級(jí)別;
3)穩(wěn)定性高：機(jī)器視覺(jué)解決了人類一個(gè)非常嚴(yán)重的問(wèn)題，不穩(wěn)定，人工目檢是勞動(dòng)非常枯燥和辛苦的行業(yè)，無(wú)論你設(shè)計(jì)怎樣的獎(jiǎng)懲制度，都會(huì)發(fā)生比較高的漏檢率。但是機(jī)器視覺(jué)檢測(cè)設(shè)備則沒(méi)有疲勞問(wèn)題，沒(méi)有情緒波動(dòng)，只要是你在算法中寫(xiě)好的東西，每一次都會(huì)認(rèn)真執(zhí)行。在質(zhì)控中大大提升效果可控性。
4)信息的集成與留存：機(jī)器視覺(jué)獲得的信息量是全面且可追溯的，相關(guān)信息可以很方便的集成和留存。
機(jī)器視覺(jué)技術(shù)近年發(fā)展迅速
1)圖像采集技術(shù)發(fā)展迅猛
CCD、CMOS等固件越來(lái)越成熟，圖像敏感器件尺寸不斷縮小，像元數(shù)量和數(shù)據(jù)率不斷提高，分辨率和幀率的提升速度可以說(shuō)日新月異，產(chǎn)品系列也越來(lái)越豐富，在增益、快門(mén)和信噪比等參數(shù)上不斷優(yōu)化，通過(guò)核心測(cè)試指標(biāo)(MTF、畸變、信噪比、光源亮度、均勻性、色溫、系統(tǒng)成像能力綜合評(píng)估等)來(lái)對(duì)光源、鏡頭和相機(jī)進(jìn)行綜合選擇，使得很多以前成像上的難點(diǎn)問(wèn)題得以不斷突破。
2)圖像處理和模式識(shí)別發(fā)展迅速
圖像處理上，隨著圖像高精度的邊緣信息的提取，很多原本混合在背景噪聲中難以直接檢測(cè)的低對(duì)比度瑕疵開(kāi)始得到分辨。
模式識(shí)別上，本身可以看作一個(gè)標(biāo)記過(guò)程，在一定量度或觀測(cè)的基礎(chǔ)上，把待識(shí)模式劃分到各自的模式中去。圖像識(shí)別中運(yùn)用得較多的主要是決策理論和結(jié)構(gòu)方法。決策理論方法的基礎(chǔ)是決策函數(shù)，利用它對(duì)模式向量進(jìn)行分類識(shí)別，是以定時(shí)描述(如統(tǒng)計(jì)紋理)為基礎(chǔ)的;結(jié)構(gòu)方法的核心是將物體分解成了模式或模式基元，而不同的物體結(jié)構(gòu)有不同的基元串(或稱字符串)，通過(guò)對(duì)未知物體利用給定的模式基元求出編碼邊界，得到字符串，再根據(jù)字符串判斷它的屬類。在特征生成上，很多新算法不斷出現(xiàn)，包括基于小波、小波包、分形的特征，以及獨(dú)二分量分析;還有關(guān)子支持向量機(jī)，變形模板匹配，線性以及非線性分類器的設(shè)計(jì)等都在不斷延展。
3)深度學(xué)習(xí)帶來(lái)的突破
傳統(tǒng)的機(jī)器學(xué)習(xí)在特征提取上主要依靠人來(lái)分析和建立邏輯，而深度學(xué)習(xí)則通過(guò)多層感知機(jī)模擬大腦工作，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)(如卷積神經(jīng)網(wǎng)絡(luò)等)來(lái)學(xué)習(xí)簡(jiǎn)單特征、建立復(fù)雜特征、學(xué)習(xí)映射并輸出，訓(xùn)練過(guò)程中所有層級(jí)都會(huì)被不斷優(yōu)化。在具體的應(yīng)用上，例如自動(dòng)ROI區(qū)域分割;標(biāo)點(diǎn)定位(通過(guò)防真視覺(jué)可靈活檢測(cè)未知瑕疵);從重噪聲圖像重檢測(cè)無(wú)法描述或量化的瑕疵如橘皮瑕疵;分辨玻璃蓋板檢測(cè)中的真假瑕疵等。隨著越來(lái)越多的基于深度學(xué)習(xí)的機(jī)器視覺(jué)軟件推向市場(chǎng)(包括瑞士的vidi，韓國(guó)的SUALAB，香港的應(yīng)科院等)，深度學(xué)習(xí)給機(jī)器視覺(jué)的賦能會(huì)越來(lái)越明顯。
4)3d視覺(jué)的發(fā)展
3D視覺(jué)還處于起步階段，許多應(yīng)用程序都在使用3D表面重構(gòu)，包括導(dǎo)航、工業(yè)檢測(cè)、逆向工程、測(cè)繪、物體識(shí)別、測(cè)量與分級(jí)等，但精度問(wèn)題限制了3D視覺(jué)在很多場(chǎng)景的應(yīng)用，目前工程上最先鋪開(kāi)的應(yīng)用是物流里的標(biāo)準(zhǔn)件體積測(cè)量，相信未來(lái)這塊潛力巨大。
諸多難點(diǎn)有待攻破
1)光源與成像：機(jī)器視覺(jué)中優(yōu)質(zhì)的成像是第一步，由于不同材料物體表面反光、折射等問(wèn)題都會(huì)影響被測(cè)物體特征的提取，因此光源與成像可以說(shuō)是機(jī)器視覺(jué)檢測(cè)要攻克的第一個(gè)難關(guān)。比如現(xiàn)在玻璃、反光表面的劃痕檢測(cè)等，很多時(shí)候問(wèn)題都卡在不同缺陷的集成成像上。
2)重噪音中低對(duì)比度圖像中的特征提?。涸谥卦胍舡h(huán)境下，真假瑕疵的鑒別很多時(shí)候較難，這也是很多場(chǎng)景始終存在一定誤檢率的原因，但這塊通過(guò)成像和邊緣特征提取的快速發(fā)展，已經(jīng)在不斷取得各種突破。
3)對(duì)非預(yù)期缺陷的識(shí)別：在應(yīng)用中，往往是給定一些具體的缺陷模式，使用機(jī)器視覺(jué)來(lái)識(shí)別它們到底有沒(méi)有發(fā)生。但經(jīng)常遇到的情況是，許多明顯的缺陷，因?yàn)橹皼](méi)有發(fā)生過(guò)，或者發(fā)生的模式過(guò)分多樣，而被漏檢。如果換做是人，雖然在操作流程文件中沒(méi)讓他去檢測(cè)這個(gè)缺陷，但是他會(huì)注意到，從而有較大幾率抓住它，而機(jī)器視覺(jué)在這點(diǎn)上的“智慧”目前還較難突破。
