機器視覺的應用領域
機器視覺是人工智慧正在快速發展的一個分支。機器視覺作為生產過程中關鍵技術之一,在機器或者生產線上,機器視覺可以檢測產品質量以便將不合格的產品剔除,或者指導機器人完成組裝工作,與整個生產密切相關。
什麼是機器視覺?
簡單來說,機器視覺就是用機器代替人眼來做測量和判斷。
機器視覺系統是通過機器視覺產品將被攝取目標轉換成圖像信號,傳送給專用的圖像處理系統,得到被攝目標的形態信息,根據像素分布和亮度、顏色等信息,轉變成數字化信號;
圖像系統對這些信號進行各種運算來抽取目標的特徵,進而根據判別的結果來控制現場的設備動作。
機器視覺是一項綜合技術,包括圖像處理、機械工程技術、控制、電光源照明、光學成像、感測器、模擬與數字視頻技術、計算機軟硬體技術(圖像增強和分析演算法、圖像卡、 I/O卡等)。
一個典型的機器視覺應用系統包括圖像捕捉、光源系統、圖像數字化模塊、數字圖像處理模塊、智能判斷決策模塊和機械控制執行模塊。
機器視覺的運用領域
由於機器視覺可以快速獲取大量信息,而且易於自動處理,人們逐漸將機器視覺系統廣泛地用於天文行業、 醫藥行業、交通航海行業以及軍事行業領域等。
在國外,機器視覺的應用相當普及,主要集中在電子、汽車、冶金、食品飲料、零配件裝配及製造等行業。機器視覺系統在質量檢測的各個方間已經得到廣泛的應用。
機器視覺產品剛剛起步,目前主要集中在製藥、印刷、包裝、食品飲料等行業。
隨著國內製造業的快速發展,對於產品檢測和質最的要求不斷提高,各行各業對圖像和機器視覺技術的工業自動需求將越來越大,因此機器視覺在未來製造業中將會有很大的發展空間。
下面我們來看看機器視覺具體有哪些應用領域
軍事
航空著陸姿勢、起飛狀態;
彈道/火箭噴射、子彈出膛、火炮發射;
爆破分析炮彈爆炸、破片分析、爆炸防禦;
撞擊、分離以及各種武器性能測試分析,點火裝置工作過程等。
科學研究
燃燒、敷層過程測量。
結晶;PIV的流體、粒子研究;
生產領域
產品噴濺、封裝、壓軋、織網、
膜壓、繞線、切削、裁剪、採掘;
機械運轉動作分析或故障診斷等。
生物
運動學、生物力學;
步態分析、康復物理治療等。
生物運動分析:人體、動物動作分析,昆蟲或鳥類翅膀運動;
醫療
醫療器具、細胞、瓣膜運動;
出血觀察;吞咽、呼吸道鞭毛運動等。
影視
電影、廣告、動畫特技等
如高速動作特技。
體育
運動廣播、體育運動輔導和訓練等。
跑步、跳遠、跨欄、體操、跳水等姿勢動作分析;
汽車
安全氣囊測量;
汽車碰撞研究;
託運器、輪胎、限制器等組件動作。
專業領域
工程故障、動態特性、破碎、震動分析;
落摔分析、衝擊分析、產品開發研究分析、力學和彈性分析等。
工業應用中的機器視覺
1.引導和定位,視覺定位要求機器視覺系統能夠快速準確的找到被測零件並確認其位置,上下料使用機器視覺來定位,引導機械手臂準確抓取。
在半導體封裝領域,設備需要根據機器視覺取得的晶元位置信息調整拾取頭,準確拾取晶元並進行綁定,這就是視覺定位在機器視覺工業領域最基本的應用。
2.外觀檢測,檢測生產線上產品有無質量問題,該環節也是取代人工最多的環節。說機器視覺涉及到的醫藥領域,其主要檢測包括尺寸檢測、瓶身外觀缺陷檢測、瓶肩部缺陷檢測、瓶口檢測等。
3.高精度檢測,有些產品的精密度較高,達到0.01~0.02mm甚至um,人眼無法檢測必須使用機器完成。
4.識別,就是利用機器視覺對圖像進行處理、分析和理解,以識別各種不同模式的目標和對象。可以達到數據的追溯和採集,在汽車零部件、食品、藥品等應用較多。
概括的說,機器視覺系統的特點是提高生產的柔性和自動化程度,主要在一些不適合於人工作業的危險工作環境或人工視覺難以滿足要求的場合,常用機器視覺來替代人工視覺。
同時在大批量工業生產過程中,用人工視覺檢查產品質量效率低且精度不高,用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。
而且機器視覺易於實現信息集成,是實現計算機集成製造的基礎技術。
中國工業機器人產業發展迅速已成為世界之巔。
製造業向智能製造發展的產業升級需求,龐大的製造業市場規模、中國製造2025戰略的推進和眾多產業布局,造就了工業機器人發展的「天時地利人和」,製造業大咖都是競相布局智慧工廠。
可以說,機器人產業發展大有勢如破竹的節奏,整個製造業的需求規模不容小覷,而工業機器人產業的發展必將為機器視覺應用提供眾多機會。
深圳辰視智能科技有限公司是一家集機器視覺、工業智能化於一體的高新技術企業,是由一支中國科學院機器視覺技術研究的精英團隊在深圳創立。
辰視智能擁有基於深度學習的三維視覺引導、機器人運動控制、視覺檢測、三維建模等方面的核心技術,並研發了機器人三維視覺引導系統 、機器人二維視覺引導系統、三維檢測系統、產品外觀檢測系統等可根據客戶需求定製化的智能產品。以高效·低成本·模塊化的方式為自動化集成商、自動化設備廠商、機器人廠家提供機器視覺的相關解決方案。
推薦閱讀:
※CVPR18|Repulsion loss:遮擋下的行人檢測
※可微圖像參數表示
※【Read1】CornerNet ECCV2018
※在lintcode刷AI題:貓狗分類器
※Object Context:通往更好的場景分割演算法