„Rozwiązanie do kontroli wizualnej” Trend rozwojowy technologii kontroli wizyjnej maszyn

1. Technologia akwizycji obrazu rozwija się szybko

   Firmware takie jak CCD, CMOS stają się coraz bardziej dojrzałe, rozmiar urządzeń światłoczułych stale się zmniejsza, liczba pikseli i szybkość transmisji danych stale rośnie, tempo poprawy rozdzielczości i liczby klatek na sekundę można określić jako szybkie, a seria produktów staje się coraz bogatsza. Parametry takie jak wzmocnienie, migawka i stosunek sygnału do szumu są stale optymalizowane, a kluczowe wskaźniki testowe (MTF, zniekształcenia, stosunek sygnału do szumu, jasność źródła światła, jednorodność, temperatura barwowa, kompleksowa ocena możliwości obrazowania systemu itp.) są wykorzystywane do kompleksowego wyboru źródeł światła, obiektywów i kamer, co pozwala na ciągłe przełamywanie wielu wcześniej trudnych problemów z obrazowaniem.

2. Przetwarzanie obrazu i rozpoznawanie wzorców rozwija się szybko

   W przetwarzaniu obrazu, dzięki ekstrakcji precyzyjnych informacji o krawędziach z obrazów, wiele wad o niskim kontraście, które pierwotnie były mieszane z szumem tła i trudne do wykrycia bezpośrednio, zaczęło być rozwiązywane.

   Pod względem rozpoznawania wzorców, można to uznać za proces etykietowania. Na podstawie pewnych pomiarów lub obserwacji, rozpoznawane wzorce są dzielone na odpowiednie wzorce. Teoria decyzji i metody strukturalne są głównie wykorzystywane w rozpoznawaniu obrazów. Podstawą metody teorii decyzji jest funkcja decyzyjna, która służy do klasyfikacji i identyfikacji wektorów wzorców, co opiera się na opisie czasowym (np. tekstura statystyczna); rdzeniem metody strukturalnej jest rozłożenie obiektu na wzorce lub prymitywy wzorców, a różne struktury obiektów mają różne ciągi prymitywów (lub ciągi). Poprzez wykorzystanie podanych prymitywów wzorców dla nieznanego obiektu w celu znalezienia granicy kodowania, uzyskania ciągu, a następnie oceny jego kategorii na podstawie ciągu. W zakresie generowania cech stale pojawia się wiele nowych algorytmów, w tym cechy oparte na falkach, pakietach falkowych, fraktalach i unikalnej analizie składowych; maszyny wektorów nośnych korelatora, dopasowywanie odkształconych szablonów oraz projektowanie liniowych i nieliniowych klasyfikatorów są stale rozszerzane.

3. Przełomy przyniesione przez uczenie głębokie

   Tradycyjne uczenie maszynowe opiera się głównie na analizie i tworzeniu logiki przez ludzi w celu ekstrakcji cech, podczas gdy uczenie głębokie symuluje pracę mózgu za pomocą wielowarstwowych perceptronów i buduje głębokie sieci neuronowe (takie jak konwolucyjne sieci neuronowe itp.) w celu uczenia się prostych cech, tworzenia złożonych cech, uczenia się mapowania i wyjścia. Podczas procesu treningu wszystkie poziomy będą stale optymalizowane. W konkretnych zastosowaniach, takich jak automatyczna segmentacja obszaru ROI; pozycjonowanie znaków interpunkcyjnych (nieznane wady mogą być elastycznie wykrywane za pomocą autentycznej wizji); ponowne wykrywanie wad, których nie można opisać ani skwantyfikować z silnie zaszumionych obrazów, takich jak wady skórki pomarańczy; rozróżnianie prawdziwych i fałszywych wad w inspekcji osłon szklanych itp. Wraz z wprowadzaniem na rynek coraz większej liczby oprogramowania do wizji maszynowej opartego na uczeniu głębokim (w tym vidi ze Szwajcarii, SUALAB z Korei Południowej, ASTRI z Hongkongu itp.), wzmocnienie wizji maszynowej przez uczenie głębokie będzie coraz bardziej oczywiste.

4. Rozwój wizji 3D

   Wizja 3D jest wciąż w powijakach, a wiele zastosowań wykorzystuje rekonstrukcję powierzchni 3D, w tym nawigację, inspekcję przemysłową, inżynierię odwrotną, geodezję, rozpoznawanie obiektów, pomiary i klasyfikację itp. Jednak problemy z dokładnością ograniczają zastosowanie wizji 3D w wielu scenariuszach. Pierwszym zastosowaniem w inżynierii jest obecnie pomiar objętości standardowych części w logistyce. Wierzę, że ma to ogromny potencjał w przyszłości.

Powyżej przedstawiono trendy rozwoju technologii inspekcji wizyjnej maszyn, przedstawione przez redaktora Dior Technology. Wizja maszynowa ma szeroki zakres zastosowań przemysłowych. Jej kluczowe funkcje obejmują: pomiar, detekcję, pozycjonowanie, identyfikację itp., pionierzy technologii i twórcy produktów w dziedzinie fotodynamiki, laserów medycznych, medycznych systemów i produktów wizji maszynowej, głównie obejmujących: pełną gamę kamer przemysłowych, specjalne kamery do pomiarów obrazu przemysłowego, specjalne kamery z krzyżem do cięcia laserowego, specjalne kolektory obrazu do obrazowania mikroskopowego, systemy konferencyjne do obrazowania mikroskopowego w ultra-wysokiej rozdzielczości, systemy analizy obrazu mikroskopowego patologicznego i zdalnych konsultacji. Produkty są szeroko stosowane w instytutach badawczych, szpitalach i szkołach, fabrykach i przedsiębiorstwach górniczych, jednostkach oceny zabytków, śledztwach kryminalnych i sądownictwie, inteligentnym transporcie i innych branżach.