Une brève discussion sur la détection des bords en vision industrielle

La vision par machine présente les avantages de haute vitesse, haute précision, répétabilité, objectivité, etc. Après l'ajout de la vision par machine 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 par machine est maintenant devenu l'un des points chauds de la recherche de pointe. La détection de contours est une partie essentielle de la vision par machine et une technologie importante de prétraitement d'image.

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

vision par machine

détection de contours

1. Filtrage : L'algorithme de détection de 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, de sorte que des filtres doivent être utilisés pour améliorer les performances du détecteur de contours liées au bruit. Il convient de noter que la plupart des filtres entraînent également une perte de force du contour tout en réduisant le bruit, il y a donc un compromis entre l'amélioration du contour et la réduction du bruit.
2. Amélioration : La base de l'amélioration du contour 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 les points présentant des changements significatifs dans les valeurs d'intensité du voisinage (ou locales). L'amélioration du contour 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 importantes, et ces points ne sont pas tous des contours dans des domaines d'application spécifiques, de sorte qu'une méthode doit être utilisée pour déterminer quels points sont des points de contour. Le critère de détection de contour le plus simple est le critère de seuil d'amplitude du gradient.
4. Positionnement : Si une application nécessite de déterminer la position du contour, la position du contour peut être estimée à une résolution sub-pixel, et l'orientation du contour 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 contours est seulement requis pour indiquer que le contour apparaît près d'un certain pixel dans l'image, mais il n'est pas nécessaire d'indiquer l'emplacement ou la direction précise du contour.

Ces quatre étapes sont essentielles lors de l'utilisation de la vision par machine pour la mesure dimensionnelle, en particulier la position et l'orientation précises du contour. La technologie d'inspection par vision par machine, avec ses puissants avantages de performance, standardise la qualité des produits, a 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.