機器視覺起源于上世紀50年代 —— Gilson提出了“光流”的概念,在相關統計模型的基礎上發展了逐像素計算模型,標志著二維圖像統計模型的發展。
機器視覺是用機器代替人眼進行測量和判斷。機器視覺系統通過機器視覺產品將捕捉到的物體轉換成圖像信號,再傳輸給專用的圖像處理系統,獲得被捕捉物體的形狀信息,并根據像素分布、亮度、顏色等信息將其轉換成數字信號;圖像系統對這些信號進行各種操作,提取目標的特征,然后根據識別結果控制現場設備的動作。
隨著深度學習、三維視覺技術、高精度成像技術和機器視覺互聯技術的發展,機器視覺的性能優勢得到進一步提升,應用領域也向多維拓展。
機器視覺的主要應用領域
1.汽車制造行業
以往汽車制造質量主要依靠三坐標測量,效率低、耗時長、數據缺乏,只能離線測量。機器視覺引入了非接觸測量技術,并逐漸發展為固定式在線測量站和機器人柔性在線測量站,能夠對人體尺寸波動進行嚴格監控,提供數據支持。
藍光掃描測量、表面缺陷測量等視覺測量方法可以進行更精確的測量,并對車身的基本特征尺寸、裝配效果和缺陷提供高精度的監控。多種監視和測量手段相結合,確保生產零件零缺陷,保證車輛制造的高質量。
2.圖像識別
圖像識別,簡單地說,就是利用機器視覺對圖像進行處理、分析和理解,識別出各種物體和目標。
識別條形碼就是一種圖像識別。在商品的生產過程中,制造商將大量的數據存儲在一個小的條形碼中,以此管理商品。隨著機器視覺圖像識別的應用越來越廣泛,各種物料表面的條碼變得非常容易識別、讀取和檢測,從而提高了現代化水平,降低了生產成本,大大提高了生產效率。
3.電子行業
電子行業元器件尺寸小、質量標準高,用機器視覺系統檢測最適合不過。同時,電子產品需求量大、生命周期短,拉動機器視覺市場需求。
機器視覺在消費電子領域,以PCB檢測、零部件及整機外觀檢測、裝配引導等應用為主,以改變傳統的人工目視檢測法易漏檢、時間長、速度慢、成本高的缺點。
使用機器視覺,操作者可以及時得到反饋,確定印刷過程中的操作是否良好,從而達到防偽的目的,這對提高生產效率和成品率非常重要。
4.物體分揀
在機器視覺應用中,目標分類應用是繼識別和檢測之后的一個環節。利用機器視覺系統對圖像進行處理,利用機械手實現產品分類。
在以前的生產線中,材料是通過人工方法放入注塑機,然后進行下一道工序?,F在采用自動分料設備,利用機器視覺系統對產品圖像進行采集、分析、輸出結果,再由機器人將相應的物料放置在一個固定的位置,從而實現工業生產的智能化、自動化和現代化。
機器視覺功能很少被看作是一個孤立的系統,而是作為整個自動化系統或設備的有機組成部分。它與運動控制、邏輯控制、數據采集、企業數據庫管理等功能配合,并以此發揮其優勢。為了打開視覺與各種信息系統之間的通道,實現系統間的互聯,制定數據接口、通信協議等基本通用標準,機器視覺的推動將是產業發展的必然趨勢。