Een korte discussie over randdetectie in machine vision

Machine vision heeft de voordelen van hoge snelheid, hoge precisie, herhaalbaarheid, objectiviteit, enz.de detectie- en montage-efficiëntie en -nauwkeurigheid worden aanzienlijk verbeterd in vergelijking met handmatig werkHet gebied van machine vision is nu een van de meest geavanceerde onderzoekshotspots geworden.

Aangezien randen het gevolg zijn van discontinuïte grayscale waarden, kan deze discontinuïteit vaak gemakkelijk worden gedetecteerd door gebruik te maken van afgeleiden.de eerste- en de tweede-orde derivaten worden geselecteerd om randjes te detecterenIn machine vision inspectie wordt deze methode meestal de edge detection local operator methode genoemd.De basisstappen van het specifieke algoritme zijn als volgt::

machinevisie

randdetectie

1. Filtering: het randdetectiealgoritme is voornamelijk gebaseerd op de eerste- en tweede-orde afgeleiden van de beeldintensiteit, maar de berekening van de afgeleiden is zeer gevoelig voor geluid,dus filters moeten worden gebruikt om de prestaties van de rand detector met betrekking tot lawaai te verbeterenHet moet worden opgemerkt dat de meeste filters ook een verlies van randsterkte veroorzaken terwijl het geluid wordt verminderd, dus er is een afweging tussen randverbetering en geluidsreductie.
2. Vergroting: De basis van randvergroting is het bepalen van de veranderingswaarde van de intensiteit van de buurt van elk punt in de afbeelding.Het versterkingsalgoritme kan punten met significante veranderingen in buurt (of lokale) intensiteitswaarden markerenDe randvergroting wordt over het algemeen bereikt door de gradiëntamplitude te berekenen.
3. Detectie: Er zijn veel punten in het beeld met relatief grote gradiëntamplitudes, en deze punten zijn niet allemaal randen in specifieke toepassingsgebieden,dus een of andere methode moet worden gebruikt om te bepalen welke punten randpunten zijnHet eenvoudigste randdetectiecriterium is het gradiëntamplitude-drempelcriterium.
4. Positionering: indien een toepassing de randpositie vereist, kan de randpositie worden geschat met een subpixelresolutie en kan de randoriëntatie ook worden geschat.

In randdetectie-algoritmen worden de eerste drie stappen vaak gebruikt.de randdetector is alleen nodig om erop te wijzen dat de rand verschijnt in de buurt van een bepaald pixel in het beeld, maar het is niet nodig de precieze plaats of richting van de rand aan te geven.

Deze vier stappen zijn essentieel bij het gebruik van machine vision voor dimensionale metingen, met name de precieze locatie en oriëntatie van de rand.met zijn krachtige prestatievoordelen, standaardiseert de kwaliteit van het product, heeft een snelle inspectie snelheid, betrouwbare en stabiele inspectie resultaten en kan worden geïnspecteerd voor een lange tijd, en wordt veel gebruikt op verschillende gebieden.