Makine görüşünde kenar algılama hakkında kısa bir tartışma

Makine görüşü yüksek hız, yüksek hassasiyet, tekrarlanabilirlik, nesnellik gibi avantajlara sahiptir. Otomatikleştirilmiş ekipmanlara makine görüşü eklendikten sonra, tespit ve montaj verimliliği ve doğruluğu manuel çalışmaya kıyasla önemli ölçüde iyileşecektir. Makine görüşü alanı artık en ileri araştırma sıcak noktalarından biri haline gelmiştir. Kenar tespiti, makine görüşünün vazgeçilmez bir parçası ve önemli bir görüntü ön işleme teknolojisidir.

Kenarlar, süreksiz gri tonlama değerlerinin sonucu olduğundan, bu süreksizlik genellikle türevler kullanılarak kolayca tespit edilebilir. Genellikle, kenarları tespit etmek için birinci ve ikinci dereceden türevler seçilir. Makine görüşü denetiminde bu yöntem genellikle kenar tespiti yerel operatör yöntemi olarak adlandırılır. Görüntü kenarlarının tespiti için, görüntüyü işlemek ve bölütlemek üzere Canny algoritması kullanılır. Belirli algoritmanın temel adımları şunlardır:

makine görüşü

kenar tespiti

1. Filtreleme: Kenar tespiti algoritması esas olarak görüntü yoğunluğunun birinci ve ikinci dereceden türevlerine dayanır, ancak türevlerin hesaplanması gürültüye karşı çok hassastır, bu nedenle gürültüyle ilgili kenar dedektörünün performansını iyileştirmek için filtreler kullanılmalıdır. Çoğu filtrenin gürültüyü azaltırken kenar gücünde bir kayba neden olduğu unutulmamalıdır, bu nedenle kenar güçlendirme ve gürültü azaltma arasında bir denge vardır.
2. Güçlendirme: Kenar güçlendirmenin temeli, görüntüdeki her noktanın komşu yoğunluğunun değişim değerini belirlemektir. Güçlendirme algoritması, komşu (veya yerel) yoğunluk değerlerinde önemli değişiklikler olan noktaları vurgulayabilir. Kenar güçlendirme genellikle gradyan genliği hesaplanarak gerçekleştirilir.
3. Tespit: Görüntüde nispeten büyük gradyan genliklerine sahip birçok nokta vardır ve bu noktaların tümü belirli uygulama alanlarındaki kenarlar değildir, bu nedenle hangi noktaların kenar noktaları olduğunu belirlemek için bir yöntem kullanılmalıdır. En basit kenar tespiti kriteri, gradyan genliği eşik kriteridir.
4. Konumlandırma: Bir uygulama kenar konumunu belirlemeyi gerektiriyorsa, kenar konumu piksel altı çözünürlükte tahmin edilebilir ve kenar yönü de tahmin edilebilir.

Kenar tespiti algoritmalarında ilk üç adım çok yaygın olarak kullanılır. Bunun nedeni, çoğu durumda kenar dedektörünün yalnızca kenarın görüntüdeki belirli bir pikselin yakınında göründüğünü belirtmesi gerektiği, ancak kenarın kesin konumunu veya yönünü belirtmesine gerek olmamasıdır.

Bu dört adım, özellikle kenarın hassas konumu ve yönü olmak üzere, boyut ölçümü için makine görüşü kullanıldığında esastır. Makine görüşü denetim teknolojisi, güçlü performans avantajları, standartlaştırılmış ürün kalitesi, hızlı denetim hızı, güvenilir ve kararlı denetim sonuçları ile uzun süre denetim yapabilme yeteneği ile çeşitli alanlarda yaygın olarak kullanılmaktadır.