欢迎来到天天文库
浏览记录
ID:5391074
大小:7.93 MB
页数:15页
时间:2017-12-08
《如何设计机器视觉系统框架》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、如何设计机器视觉系统框架本资料由上海图星电子科技有限公司张勤健整理,不足之处还请批评指出机器视觉顾名思义就是使机器人具有像人一样的功能,从而实现各种检测、判断、识别、测量等功能。机器视觉系统具有高效率、高柔性、高度自动化等特点,而且可以实现很高的分辨精度与速度。机器视觉系统与被测对象无法接触,非常可靠。理论上人眼观察不到的范围机器视觉也可以观察,例如红外线、紫外线等,而机器视觉则可利用这方面的传感器将这些人眼看不到的形成图像。此外,人眼无法长时间观察对象,机器视觉可以长时间观察。人工检测与机器视觉自动化检测的区别主要有:机器视觉自动检测人工检测效率效率高效率低速度速度快速度慢精度高精度受主观
2、因素影响,精度一般可靠性检测效果稳定易疲劳、有情绪、不易保持检测效果工作时间可24小时不停工作容易疲劳。工作时间有限信息集成可实现信息集成不易实现信息集成成本成本低(一次投入)人工成本高环境适用于危险的检测环境不适用于危险的检测环境作为一个初次接触机器视觉的人来说,在决定一个机器视觉系统的需求及应用时,很多因素需要考虑。机器视觉(或称为自动可视检测系统)一般包含了大量部件,这些部件直接影响系统的性能。为了保证这些子系统的有效运行,并将他们妥善的接合在你的生产线上,我们来花一些时间来学习下视觉系统的组成、应用、以及正确的规划的重要性。机器视觉不是万能的,它只是在一些重复、繁琐的和特殊的工作上替
3、代了人工,让人能够腾出更多时间去创新,去规避一些危险的工作环境,一般的机器视觉的应用在对精度和可靠性都很高的重复性检测任务中,因此,机器视觉可以广泛应用在以下这些行业:半导体行业的视觉应用:机器视觉在半导体行业的应用涉及到半导体的外观缺陷、尺寸大小、数量、平整度、间距、定位、焊点质量、弯曲度等等。检测内容包括:晶圆缺陷检测、晶圆划片定位与尺寸测量、IC封装定位、外观检测、倒角检测、划伤、异物检测、IC角平整度检测等等。示范案例:玻璃电路板线路质量检测方案(缺陷检测)合格样品不合格样品工业相机拍摄效果图片(左边为合格样品,右边为不合格样品)可能出现的不合格情况:断路短路缺陷通过视觉检测处理后的
4、检测结果:以缺陷产品为例,如下图所示,合格部分用绿色表示,缺陷部分用红色框表示。印刷行业的视觉应用:机器视觉系统能够迅速准确的发现印刷品中的各类缺陷、提高产品质量和生产效率、降低企业成本、被检测的印刷品形式多样,从印刷品的材质可以分为:纸张、塑料和金属(如:钢板)等;从印刷品的形势可分为弯曲材料和单张产品。检测内容包括:材质的缺陷检测(如:孔洞、异物等);印刷品缺陷检测(如飞墨、刀丝、蹭版、套印不准等);颜色缺陷(如浅色、偏色、露白等)示范案例:线缆外观检测方案工业相机拍摄效果图片检测要求:1.检测直径;2.检测外观:表面有无刮痕、是否破损;3.检测字符是否缺失。通过视觉检测处理后的检测结果
5、:1.检测直径和外观:2.检测外观:以下为三种缺陷示例,左图为其软件取图,右图为其软件处理图缺陷一——内凹缺陷二——外扩缺陷三——凹陷3.检测字符是否缺失:可识别缺失半个以上字体的情况。食品/饮料行业的视觉应用在高速的包装线上,人工和相对简单的检测技术已不能满足企业对包装检测的需要。国内的一些啤酒和饮料厂商也注意到质量和外包装同样重要。检测内容包括:玻璃瓶的质量检测、如瓶口的破损、瓶身、平底的异物检测;瓶子的计数、灌装液体检测、灌装后的异物检测、标签位置以及喷码检测。示范案例:塑料瓶检测方案塑料瓶检测主要分两个方面:瓶口缺口和瓶身污渍。样品见下图。检测要求:1.检测瓶口是否有缺陷,如瓶口有缺
6、口;2.瓶身是否有污渍,如黑色斑点,黄色污渍等;通过视觉检测处理后的检测结果:1.瓶口缺口2.瓶身污渍医药/医疗行业的视觉应用机器视觉技术在医药行业也有广泛应用检测内容包括:液体制剂的灌装液位,平体内杂质及封盖质量。尺寸不合格的胶囊检测、医药产品的外包装打码效果,外包装纸箱的满箱检测及计数等等示范案例:玻璃瓶缺陷检测方案医药行业玻璃瓶生产过程中易出现瑕疵,可能产生不可预测的严重后果,因此对其检测至为重要。常见的玻璃瓶瑕疵及其软件处理图主要有以下四种:1.瓶口缺裂2.瓶身气泡3.瓶身裂纹4.瓶身擦伤SMT行业的视觉应用SMT是表面贴装技术,是目前电子组装行业里最流行的一种技术和工艺,主要运用于
7、SMT生产线上的定位和质量检测。检测内容包括:虚焊、多锡、少锡、桥接、原件偏移、元件极位、元件侧立、原件翻转、OCR、OCV、条码识别等等。此外,机器视觉在楼宇监控、交通监控、汽车制造、航空、航天和机器人方面等等也有很广泛的应用。楼宇监控汽车制造人脸识别车牌识别由于机器视觉应用非常广泛,一个典型的机器视觉系统包括:光源、镜头、相机(CCD相机和CMOS相机)、图像处理器(硬件)、图像处理软件、显示器及执行单元
此文档下载收益归作者所有