Tendencia de desarrollo de la "solución de inspección visual" de la tecnología de inspección por visión artificial

1. La tecnología de adquisición de imágenes se desarrolla rápidamente

   El CCD, CMOS y otros firmwares son cada vez más maduros, el tamaño de los dispositivos sensibles a la imagen continúa reduciéndose, el número de píxeles y las velocidades de datos continúan aumentando,La velocidad de resolución y la mejora de la velocidad de fotogramas se puede decir que es rápidaLos parámetros tales como la ganancia, el obturador y la relación señal/ruido se optimizan continuamente, y los indicadores básicos de prueba (MTF, distorsión,relación señal-ruido, el brillo de la fuente de luz, la uniformidad, la temperatura del color, la evaluación exhaustiva de las capacidades de imagen del sistema, etc.) se utilizan para seleccionar de manera exhaustiva las fuentes de luz, lentes y cámaras,permitiendo que muchos problemas de imagen previamente difíciles sean continuamente superados.

2. El procesamiento de imágenes y el reconocimiento de patrones se desarrollan rápidamente

   En el procesamiento de imágenes, con la extracción de información de borde de alta precisión de las imágenes,muchos defectos de bajo contraste que originalmente estaban mezclados en el ruido de fondo y difíciles de detectar directamente comenzaron a resolverse.

   En términos de reconocimiento de patrones, se puede considerar como un proceso de etiquetado.La teoría de la decisión y los métodos estructurales se utilizan principalmente en el reconocimiento de imágenes. La base del método de la teoría de la decisión es la función de decisión, que se utiliza para clasificar e identificar vectores de patrón, que se basa en la descripción de tiempo (como la textura estadística);el núcleo del método estructural es descomponer el objeto en patrones o primitivos de patrones, y diferentes estructuras de objetos tienen diferentes cadenas primitivas (o cadenas). Usando las primitivas de patrón dadas para el objeto desconocido para encontrar el límite de codificación, obtener la cadena,y luego juzgar su categoría basado en la cadenaEn términos de generación de características, muchos nuevos algoritmos están surgiendo constantemente, incluyendo características basadas en wavelets, paquetes de wavelet, fractales y análisis de componentes únicos;máquinas de vector de soporte de correlador, deformación de las plantillas, y el diseño de clasificadores lineales y no lineales se están ampliando constantemente.

3. Los avances obtenidos gracias al aprendizaje profundo

   El aprendizaje automático tradicional depende principalmente de los humanos para analizar y establecer la lógica para la extracción de características,Mientras que el aprendizaje profundo simula el trabajo del cerebro a través de perceptrones de múltiples capas y construye redes neuronales profundas (como redes neuronales convolucionalesDurante el proceso de capacitación, todos los niveles serán continuamente optimizados.como la segmentación automática del área de ROI; posicionamiento de puntuación (defectos desconocidos pueden ser detectados de forma flexible mediante visión antiauténtica); re-detección de defectos que no pueden describirse o cuantificarse a partir de imágenes muy ruidosas,como los defectos de la cáscara de naranjaEl sistema de visualización automática se basa en el aprendizaje profundo (incluyendo vidi de Suiza,SUALAB de Corea del SurEn la actualidad, la tecnología de la visión artificial se ha convertido en una herramienta de aprendizaje más eficaz.

4. Desarrollo de la visión 3D

   La visión 3D todavía está en su infancia, y muchas aplicaciones están utilizando la reconstrucción de superficies 3D, incluyendo navegación, inspección industrial, ingeniería inversa, topografía, reconocimiento de objetos,medición y clasificaciónSin embargo, los problemas de precisión limitan la aplicación de la visión 3D en muchos escenarios.Creo que esto tiene un gran potencial en el futuro..

Lo anterior es la tendencia de desarrollo de la tecnología de inspección de visión automática presentada por el editor de Dior Technology.Sus funciones principales incluyen:: medición, detección, posicionamiento, identificación, etc., pioneros tecnológicos y desarrolladores de productos en el campo de la fotodinámica, láseres médicos, sistemas y productos de visión artificial médica,principalmente incluyendo: una gama completa de cámaras industriales, cámaras especiales para la medición de imágenes industriales, cámaras especiales para el corte por láser, colectores de imágenes especiales para imágenes microscópicas,Sistemas de conferencia de imágenes microscópicas patológicas de ultra alta definiciónLos productos se utilizan ampliamente en institutos de investigación científica, hospitales y escuelas, fábricas y empresas mineras.Unidades de valoración de reliquias culturales, investigación y justicia penal, transporte inteligente y otras industrias.