«Λύση οπτικής επιθεώρησης» Αναπτυξιακή τάση της Τεχνολογίας Μηχανικής Επιθεώρησης

1. Η τεχνολογία απόκτησης εικόνας αναπτύσσεται ραγδαία

   Υλικολογισμικό όπως CCD, CMOS και άλλα γίνονται όλο και πιο ώριμα, το μέγεθος των συσκευών ευαίσθητων στην εικόνα συνεχίζει να συρρικνώνεται, ο αριθμός των pixel και οι ρυθμοί δεδομένων συνεχίζουν να αυξάνονται, η ταχύτητα βελτίωσης της ανάλυσης και του ρυθμού καρέ μπορεί να ειπωθεί ότι είναι ραγδαία, και η σειρά προϊόντων γίνεται όλο και πιο άφθονη. Παράμετροι όπως το κέρδος, ο κλείστρος και ο λόγος σήματος προς θόρυβο βελτιστοποιούνται συνεχώς, και βασικοί δείκτες δοκιμών (MTF, παραμόρφωση, λόγος σήματος προς θόρυβο, φωτεινότητα πηγής φωτός, ομοιομορφία, θερμοκρασία χρώματος, ολοκληρωμένη αξιολόγηση των δυνατοτήτων απεικόνισης του συστήματος, κ.λπ.) χρησιμοποιούνται για την ολοκληρωμένη επιλογή πηγών φωτός, φακών και καμερών, επιτρέποντας σε πολλά προηγουμένως δύσκολα ζητήματα απεικόνισης να ξεπεραστούν συνεχώς.

2. Η επεξεργασία εικόνας και η αναγνώριση προτύπων αναπτύσσονται ραγδαία

   Στην επεξεργασία εικόνας, με την εξαγωγή πληροφοριών ακμών υψηλής ακρίβειας από εικόνες, πολλές ελαττώματα χαμηλής αντίθεσης που αρχικά αναμειγνύονταν με θόρυβο φόντου και ήταν δύσκολο να ανιχνευθούν άμεσα άρχισαν να επιλύονται.

   Όσον αφορά την αναγνώριση προτύπων, μπορεί να θεωρηθεί ως μια διαδικασία επισήμανσης. Με βάση ορισμένες μετρήσεις ή παρατηρήσεις, τα πρότυπα που πρέπει να αναγνωριστούν χωρίζονται στα αντίστοιχα πρότυπα. Η θεωρία απόφασης και οι δομικές μέθοδοι χρησιμοποιούνται κυρίως στην αναγνώριση εικόνων. Η βάση της μεθόδου θεωρίας απόφασης είναι η συνάρτηση απόφασης, η οποία χρησιμοποιείται για την ταξινόμηση και την αναγνώριση διανυσμάτων προτύπων, η οποία βασίζεται σε χρονική περιγραφή (όπως στατιστική υφή). Ο πυρήνας της δομικής μεθόδου είναι η διάσπαση του αντικειμένου σε πρότυπα ή πρωτογενή πρότυπα, και διαφορετικές δομές αντικειμένων έχουν διαφορετικές συμβολοσειρές πρωτογενών (ή συμβολοσειρές). Χρησιμοποιώντας τα δεδομένα πρωτογενή πρότυπα για το άγνωστο αντικείμενο για να βρεθεί το όριο κωδικοποίησης, να ληφθεί η συμβολοσειρά και στη συνέχεια να κριθεί η κατηγορία του με βάση τη συμβολοσειρά. Όσον αφορά τη δημιουργία χαρακτηριστικών, πολλοί νέοι αλγόριθμοι αναδύονται συνεχώς, συμπεριλαμβανομένων χαρακτηριστικών που βασίζονται σε κυματιστές, πακέτα κυματιστών, φράκταλ και μοναδική ανάλυση συνιστωσών. Μηχανές υποστήριξης διανυσμάτων συσχετιστή, αντιστοίχιση παραμορφωμένων προτύπων και ο σχεδιασμός γραμμικών και μη γραμμικών ταξινομητών επεκτείνονται συνεχώς.

3. Επαναστατικές αλλαγές που έφερε η βαθιά μάθηση

   Η παραδοσιακή μηχανική μάθηση βασίζεται κυρίως στους ανθρώπους για την ανάλυση και τη δημιουργία λογικής για την εξαγωγή χαρακτηριστικών, ενώ η βαθιά μάθηση προσομοιώνει την εργασία του εγκεφάλου μέσω πολυεπίπεδων αντιληπτήρων και δημιουργεί βαθιά νευρωνικά δίκτυα (όπως συνελικτικά νευρωνικά δίκτυα, κ.λπ.) για να μάθει απλά χαρακτηριστικά, να δημιουργήσει σύνθετα χαρακτηριστικά, να μάθει αντιστοιχίσεις και να εξάγει αποτελέσματα. Κατά τη διάρκεια της διαδικασίας εκπαίδευσης, όλα τα επίπεδα θα βελτιστοποιούνται συνεχώς. Σε συγκεκριμένες εφαρμογές, όπως η αυτόματη τμηματοποίηση περιοχής ROI. η τοποθέτηση σημείων στίξης (άγνωστα ελαττώματα μπορούν να ανιχνευθούν ευέλικτα μέσω αυθεντικής όρασης). η επανεπιθεώρηση ελαττωμάτων που δεν μπορούν να περιγραφούν ή να ποσοτικοποιηθούν από εικόνες με έντονο θόρυβο, όπως ελαττώματα φλοιού πορτοκαλιού. η διάκριση πραγματικών και ψευδών ελαττωμάτων στην επιθεώρηση γυάλινων καλυμμάτων, κ.λπ. Καθώς όλο και περισσότερο λογισμικό μηχανικής όρασης που βασίζεται σε βαθιά μάθηση εισάγεται στην αγορά (συμπεριλαμβανομένων των vidi από την Ελβετία, SUALAB από τη Νότια Κορέα, ASTRI από το Χονγκ Κονγκ, κ.λπ.), η ενδυνάμωση της μηχανικής όρασης από τη βαθιά μάθηση θα γίνει όλο και πιο εμφανής.

4. Ανάπτυξη 3D όρασης

   Η 3D όραση βρίσκεται ακόμη στα σπάργανα, και πολλές εφαρμογές χρησιμοποιούν 3D ανακατασκευή επιφάνειας, συμπεριλαμβανομένης της πλοήγησης, της βιομηχανικής επιθεώρησης, της αντίστροφης μηχανικής, της τοπογραφίας, της αναγνώρισης αντικειμένων, της μέτρησης και της διαβάθμισης, κ.λπ. Ωστόσο, τα ζητήματα ακρίβειας περιορίζουν την εφαρμογή της 3D όρασης σε πολλά σενάρια. Η πρώτη εφαρμογή στη μηχανική αυτή τη στιγμή είναι η μέτρηση όγκου τυποποιημένων εξαρτημάτων στην εφοδιαστική αλυσίδα. Πιστεύω ότι αυτό έχει τεράστιες δυνατότητες στο μέλλον.

Τα παραπάνω είναι οι τάσεις ανάπτυξης της τεχνολογίας επιθεώρησης μηχανικής όρασης που σας παρουσίασε ο συντάκτης της Dior Technology. Η μηχανική όραση έχει ένα ευρύ φάσμα βιομηχανικών εφαρμογών. Οι βασικές της λειτουργίες περιλαμβάνουν: μέτρηση, ανίχνευση, τοποθέτηση, αναγνώριση, κ.λπ., πρωτοπόροι τεχνολογίας και προγραμματιστές προϊόντων στον τομέα της φωτοδυναμικής, ιατρικών λέιζερ, ιατρικών συστημάτων και προϊόντων μηχανικής όρασης, κυρίως περιλαμβάνοντας: μια πλήρη σειρά βιομηχανικών καμερών, ειδικές κάμερες για βιομηχανική μέτρηση εικόνων, ειδικές κάμερες σταυρόνημα για κοπή λέιζερ, ειδικούς συλλέκτες εικόνων για μικροσκοπική απεικόνιση, συστήματα συνεδρίων μικροσκοπικής παθολογικής απεικόνισης εξαιρετικά υψηλής ευκρίνειας, συστήματα ανάλυσης παθολογικών μικροσκοπικών εικόνων και απομακρυσμένης διαβούλευσης. Τα προϊόντα χρησιμοποιούνται ευρέως σε ινστιτούτα επιστημονικής έρευνας, νοσοκομεία και σχολεία, εργοστάσια και ορυχεία, μονάδες εκτίμησης πολιτιστικών κειμηλίων, ποινική έρευνα και δικαιοσύνη, έξυπνες μεταφορές και άλλες βιομηχανίες.