М

Машинное зрение

Машинное зрение — это применение компьютерного зрения в промышленности и производстве. В то время как компьютерное зрение — это общий набор методов, позволяющих компьютерам видеть, областью интереса машинного зрения, как инженерного направления, являются цифровые устройства ввода / вывода и компьютерные сети, предназначенные для контроля производственного оборудования, такого как роботы-манипуляторы или аппараты для извлечения бракованной продукции. Машинное зрение является подразделением инженерии, связанным с вычислительной техникой, оптикой, машиностроения и промышленной автоматизацией. Одним из самых распространенных применений машинного зрения является инспекция промышленных товаров, таких как полупроводниковые чипы, автомобили, продукты питания и лекарства. Люди, работающие на сборочных линиях, осматривают части продукции и делают выводы о качестве исполнения. Системы машинного зрения для этой цели используют цифровые и интелектувальни камеры, а также программное обеспечение обработки изображения для выполнения аналогичных проверок.

Введение

Системы машинного зрения запрограммированы на выполнение узкоспециализированных задач, таких как подсчет объектов на конвейере, считывания серийных номеров или поиск поверхностных дефектов. Польза системы визуального исследования на основе машинного зрения заключается в высокой скорости работы с увеличением оборота, возможности 24-часовой работы и точности измерений, повторяются. Поскольку преимущество машин над человеком заключается в отсутствии усталости, болезней или невнимательности. Но рядом с тем люди обладают тонким восприятием течение короткого периода и большей гибкостью в классификации и адаптации к поиску новых дефектов. Компьютеры не могут «видеть» таким же образом, как это делает человек. Фотокамеры не эквивалентны системе зрения человека, и в то время как люди могут опираться на догадки и предположения, системы искусственного зрения должны «видеть» путем изучения отдельных пикселей изображения, обрабатывая их и пытаясь сделать выводы с помощью базы знаний и набора функций таких, как устройство распознавания образов. Хотя некоторые алгоритмы машинного зрения были разработаны, чтобы имитировать зрительное восприятие человека, большее количество уникальных методов были разработаны для обработки изображений и определения соответствующих свойств изображения.

Компоненты системы машинного зрения

Хотя машинное зрение — это процесс применения компьютерного зрения для промышленного использования, полезно будет перечислить аппаратные и программные компоненты, которые часто используются. Типовое решение системы машинного зрения включает в себя несколько следующих компонентов:

  1. одна или несколько цифровых или аналоговых камер (черно-белые или цветные) с соответствующей оптикой для получения изображений;
  2. программное обеспечение для изготовления изображений для обработки. Для аналоговых камер это оцифровки изображений;
  3. процессор (современный ПК с многоядерным процессором или встроенный процессор, например — ЦСП)
  4. программное обеспечение машинного зрения, которое предоставляет инструменты для разработки отдельных приложений программного обеспечения;
  5. оборудования ввода / вывода или каналы связи отчета о полученных результатах;
  6. умная камера: одно устройство, включающее в себя все вышеназванные пункты;
  7. очень специализированные источники света (светодиоды, люминесцентные и галогенные лампы и т. д.);
  8. специфические применения программного обеспечения для обработки изображений и определения соответствующих свойств;
  9. датчик для синхронизации частей обнаружения (часто это оптический или магнитный датчик) для захвата и обработки изображения
  10. приводы определенной формы, используемые для сортировки или отвержение бракованных деталей.

Датчик синхронизации определяет, когда деталь, которая быстро движется по конвейеру, находится в положении, подлежащего инспекции. Датчик включает камеру, чтобы сделать снимок детали, когда она проходит под камерой и часто синхронизируется с импульсом освещения, чтобы сделать четкое изображение. Освещение, используется для подсветки деталей предназначенное для выделения особенностей, представляющих интерес, и сокрытие или сведение к минимуму появление особенностей, которые не имеют интереса (например, тени или отражения). Для этой цели часто используются светодиодные панели соответствующих размеров и положения. Изображение с камеры попадает в захват кадров или в память компьютера в системах, где захват кадров не используется. Захват кадров — это устройство оцифровки (как часть разумной камеры или в виде отдельной платы в компьютере), которые превращают исходные данные из камеры в цифровой формат (как правило, это двухмерный массив чисел, соответствует уровню интенсивности света определенной точки в области зрения , называемые пикселями) и размещает изображения в памяти компьютера, так чтобы оно имело возможность быть обработанным с помощью программного обеспечения для машинного зрения. Программное обеспечение, как правило, осуществляет несколько шагов для обработки изображений. Часто изображение для начала обрабатывается с целью уменьшения шумов или конвертации многих оттенков серого в простое сочетание черного и белого (бинаризации). После начальной обработки программа будет вычислять, проводить измерения и / или определять объекты, размеры, дефекты и другие характеристики изображения. В качестве последнего шага, программа пропускает или забраковывают деталь в соответствии с заданным критерием. Если деталь идет с браком, программное обеспечение подает сигнал механическом устройства для отклонения детали; другой вариант развития событий, система может остановить производственную линию и предупредить человека-работника для решения этой проблемы, а также сообщить о том, что привело к ошибке. Хотя большинство систем машинного зрения полагаются на «черно-белые» камеры, использование цветных камер становится все более распространенным явлением. Кроме того, все чаще системы машинного зрения используют цифровые камеры прямого подключения, а не камеры с отдельным захватом кадров, что сокращает расходы и упрощает систему. «Умные» камеры со встроенными процессорами, захватывают все большую часть рынка машинного зрения. Использование встроенных (и частично оптимизированных) процессоров устраняет необходимость в карте захвата кадров и во внешнем компьютере, позволяет уменьшать стоимость и сложность системы, обеспечивая вычислительную мощность для каждой камеры. «Умные» камеры, как правило, дешевле, чем системы, состоящие из камеры, питание и / или внешнего компьютера, в то время как повышение мощности встроенного процессора и ЦСП часто позволяет достичь примерно той же или более высокой производительности и больших возможностей , чем обычные ПК-системы.

Методы обработки

Коммерческие пакеты программ для машинного зрения и пакеты программ с открытым исходным кодом обычно включает в себя ряд методов обработки изображений, таких как:

  • счетчик пикселей подсчитывает количество светлых или темных пикселей;
  • бинаризация: преобразует изображение в серых тонах в бинарное (белые и черные пиксели)
  • сегментация: используется для поиска и / или подсчета деталей
    • поиск и анализ БЛОБ: проверка изображения на отдельные БЛОБ связанных точек (например, черной дыры на сером объекте) в виде опорной точки изображения. Эти БЛОБ часто представляют цели для обработки, захват или производственного брака;
    • надежное распознавание по шаблонам: поиск по шаблону объекта, который может быть возвращен, частично скрытый другим объектом, или отличаться по размеру
  • считывания штрих-кодов: декодирования 1D и 2D кодов, разработанных для считывания или сканирования машинами;
  • оптическое распознавание символов: автоматизированных чтения текста, например, серийных номеров;
  • измерения: измерение размеров объектов в дюймах или миллиметрах;
  • нахождения краев: поиск краев объектов;
  • сопоставление шаблонов: поиск, подбор, и / или подсчет конкретных моделей.

В большинстве случаев, системы машинного зрения используют последовательное сочетание этих методов обработки для выполнения полного инспектирования. Например, система, которая считывает штрих-код может также проверить поверхность на наличие царапин или повреждения и измерить длину и ширину компонентов, которые обрабатываются.

Применение машинного зрения

Применение машинного зрения разнообразное, оно охватывает различные области деятельности, включая, но не ограничиваясь следующими:

  • крупное промышленное производство;
  • ускоренное производство уникальных продуктов;
  • системы безопасности в промышленных условиях;
  • контроль предварительно изготовленных объектов (например, контроль качества, исследования допущенных ошибок);
  • системы визуального контроля и управления (учет, считывание штрих-кодов)
  • контроль автоматизированных транспортных средств;
  • контроль качества и инспектирования продуктов питания.

В автомобильной промышленности системы машинного зрения используются в качестве руководства для промышленных роботов, а также для проверки поверхности автомобиля под покраску, сварных швов, блоков цилиндров и многих других компонентов на наличие дефектов. Машинное зрение широко применяется в промышленности, позволяя значительно повысить производительность и качество выпускаемой продукции. Системы контроля способны обрабатывать не только плоские, но и объемные (трехмерные) изображения путем анализа цветности изображения или шкалы серого. Как правило, в пределах промышленного предприятия машинное зрение выполняет такие задачи как проверка качества сборки, обнаружения брака, контроль размеров, идентификация позиционирования деталей, автоматическое сбора, сортировки, оптическое распознавание символов и управления технологическим процессом. Кроме технологических линий на заводах, где осуществляется массовое промышленное производство, машинное зрение применяют для защиты оборудования и персонала в промышленных условиях, промежуточного и выходного контроля качества, ведения складского учета и управления складом, автоматическое видеонаблюдения в автоматизированных системах безопасности, автоматизации предприятий розничной торговли, а также в рентгенохирургии, для различных исследований и зондирований, бережно эндоскопических операций и других медицинских целей Успешное применение машинного зрения на практике требует знаний и навыков в различных смежных областях. Например, при осуществлении обычного проекта производственной системы машинного зрения необходимо составить архитектуру системы, определить способ анализа изображений, разработать или адаптировать алгоритмы и программное обеспечение, обеспечить оптимальные светотехнические условия, учесть характер погрузочно-разгрузочных и транспортных операций, настроить видеотехнику и средства связи и принять во внимание особенности контроля качества на конкретном предприятии.

Связанные области

Машинное зрение принадлежит к инженерным автоматизированных систем визуализации в промышленности и на производстве, и в этом качестве машинное зрение связан с самыми разнообразными областями компьютерных наук: компьютерное зрение, оборудование для управления, базы данных, сетевые системы и машинное обучение. Не стоит путать машинный и компьютерный зори. Компьютерное зрение является более общей областью исследований, тогда как машинное зрение является инженерной дисциплиной связанной с производственными задачами.

Рынок

Рынок промышленности машинного видения постоянно растет в течение последних 20 лет в связи с постоянно растущими возможностями процессоров. Последние прогнозы говорят о темпах роста рынка в пределах от 2,6% до 4,6% в 2011 году. Кроме того, суммарный объем финансов в области машинного видения (от продажи систем машинного зрения и ее компонент) возрастет от 3 869 300 000 $ в 2010 году и до 4 439 100 000 долларов в 2014.

Показать больше

Похожие статьи

Добавить комментарий

Проверьте также
Закрыть
Кнопка «Наверх»
Закрыть
Закрыть