現代化大生產中視覺檢測設備往往是不可缺少的環(huán)節(jié)

2022-08-14 10:10:24 精質視覺

　　在現代化大生產中，視覺檢測往往是一個不可缺少的環(huán)節(jié)。隨著國家機器視覺檢測技術的迅速經濟發(fā)展，使其在一定程度上我們可以通過取代人工智能視覺設計完成自己一些企業(yè)工作，特別是高速、大批量、連續(xù)自動化生產中的質量安全檢查、對象辨識和尺寸測量等人工難以完成的任務。在表面存在缺陷檢測研究領域，機器視覺檢測數據技術與傳統(tǒng)的人工目視檢測方法相比，具有能夠快速、可靠和準確的優(yōu)點。

　　與其他檢測技術相比，基于CCD成像的機器視覺檢測方法適合于在線實時檢測，能夠保存缺陷圖像、確定缺陷位置和識別缺陷類別。這些技術的優(yōu)點無疑使基于線陣CCD或面陣CCD成像的機器視覺檢測技術成為研究和應用的主流技術。

　　隨著生產技術的成熟，業(yè)界對可檢測缺陷的最小尺寸提出了更高的要求，因此有必要提高數據采集和處理的速度，即實時數據處理和實時數據處理的結合。也就是說，快速檢測圖像中是否存在異常，然后計算和分析缺陷的特征數據，對缺陷進行識別和分類。

　　發(fā)展趨勢

　　1、高速圖像采集與處理技術

　　為了實現在線進行檢測技術產品表面缺陷，同時我們追求更高的圖像分辨率，圖像信息采集管理系統(tǒng)設計必須自己能夠高速采集、傳輸和處理圖像數據。通過不斷提高CCD采集頻率、增加象素點灰度的A/D轉換位數，可以有效提高學生圖像的分辨率和對缺陷的分辨力。

　　光源的照明方案和檢測光路的布置是缺陷成像的關鍵，需要進一步分析不同成像條件下不同缺陷的產生機理、三維形狀和成像效果。以便優(yōu)化檢測光路配置。采用硬件電路實現了圖像處理的平滑、增強、分割等算法，比軟件更快、更準確。

　　2. 缺陷識別與分類技術

　　高精度實時分類器的研究一直是表面視覺檢測技術的研究熱點。考慮到產品缺陷形狀復雜，使用單一的分類器很難達到良好的分類效果，這就需要多種分類技術(如決策樹、SVM、遺傳算法)的集成。

　　從圖像進行樣本的收集和訓練數據分類器的角度可以考慮，具有自學習能力的分類器(如KNN，ANN和RCE等)具有中國一定的吸引力。分類器的設計過程中除了自學習能力外，還應該能夠提供借鑒和吸收現場管理專家的經驗和知識，并將這些工作經驗基礎知識轉化為一個分類判定規(guī)則，從而實現輔助系統(tǒng)優(yōu)化企業(yè)分類器的性能。

　　3.模塊化系統(tǒng)集成

　　系統(tǒng)的模塊化設計包括系統(tǒng)框架的集成和各模塊的標準化。系統(tǒng)的模塊化設計使系統(tǒng)易于集成和擴展。系統(tǒng)開發(fā)人員可根據工廠要求定制功能。系統(tǒng)的安裝調試周期大大縮短。

　　4.缺陷數據的集成和利用

　　檢測技術系統(tǒng)的目的是在生產線正常工作運行的條件下準確、穩(wěn)定地檢測產品企業(yè)生產中出現的主要存在缺陷的數量和類型。對產品設計缺陷數據的充分利用，可對缺陷產生重要來源進行研究分析，做出自己生產結構調整，有效地避免大批量同類缺陷的產生。同時將統(tǒng)計結果分析后的數據提供給工廠質量成本控制相關部門，作為其決策提供依據。

　　5.國內檢測系統(tǒng)將成為主流

　　近年來，機器視覺檢測技術的發(fā)展越來越成熟。隨著中國機器視覺產業(yè)的發(fā)展，出現了一批優(yōu)秀的視覺系統(tǒng)集成供應商，在表面檢測領域發(fā)揮著重要作用。