Une brève discussion sur la détection des bords en vision industrielle

La vision industrielle présente les avantages d'une vitesse élevée, d'une haute précision, d'une répétabilité, d'une objectivité, etc. Après avoir ajouté la vision industrielle à l'équipement automatisé, son efficacité et sa précision de détection et d'assemblage seront considérablement améliorées par rapport au travail manuel. Le domaine de la vision industrielle est désormais devenu l’un des pôles de recherche de pointe. La détection des contours est un élément essentiel de la vision industrielle et une technologie importante de prétraitement des images.

Étant donné que les contours sont le résultat de valeurs discontinues en niveaux de gris, cette discontinuité peut souvent être facilement détectée à l'aide de dérivées. Généralement, les dérivées du premier et du second ordre sont sélectionnées pour détecter les contours. Dans l'inspection par vision industrielle, cette méthode est généralement appelée méthode d'opérateur local de détection des bords. Pour la détection des bords de l'image, l'algorithme Canny est utilisé pour traiter et segmenter l'image. Les étapes de base de l'algorithme spécifique sont les suivantes :

1. Filtrage : L'algorithme de détection des contours est principalement basé sur les dérivées du premier et du second ordre de l'intensité de l'image, mais le calcul des dérivées est très sensible au bruit, des filtres doivent donc être utilisés pour améliorer les performances du détecteur de contour liées au bruit. Il convient de noter que la plupart des filtres entraînent également une perte de résistance des bords tout en réduisant le bruit. Il existe donc un compromis entre l'amélioration des bords et la réduction du bruit.
2. Amélioration : La base de l'amélioration des bords est de déterminer la valeur de changement de l'intensité du voisinage de chaque point de l'image. L'algorithme d'amélioration peut mettre en évidence des points présentant des changements significatifs dans les valeurs d'intensité du quartier (ou local). L'amélioration des bords est généralement réalisée en calculant l'amplitude du gradient.
3. Détection : il existe de nombreux points dans l'image avec des amplitudes de gradient relativement grandes, et ces points ne sont pas tous des bords dans des domaines d'application spécifiques, une méthode doit donc être utilisée pour déterminer quels points sont des points de bord. Le critère de détection de bord le plus simple est le critère de seuil d’amplitude du gradient.
4. Positionnement : si une application nécessite de déterminer la position du bord, la position du bord peut être estimée à une résolution inférieure au pixel, et l'orientation du bord peut également être estimée.

Dans les algorithmes de détection de contours, les trois premières étapes sont très couramment utilisées. En effet, dans la plupart des cas, le détecteur de bord doit uniquement indiquer que le bord apparaît à proximité d'un certain pixel de l'image, mais il n'est pas nécessaire d'indiquer l'emplacement ou la direction précise du bord.

Ces quatre étapes sont essentielles lors de l’utilisation de la vision industrielle pour la mesure dimensionnelle, notamment l’emplacement et l’orientation précis du bord. La technologie d'inspection par vision industrielle, avec ses puissants avantages en termes de performances, normalise la qualité des produits, offre une vitesse d'inspection rapide, des résultats d'inspection fiables et stables et peut être inspectée pendant une longue période, et est largement utilisée dans divers domaines.