地址:深圳市龙华新区大浪丽荣路1号国乐科技园1栋9楼西侧
电 话:86-0755-21008639 
传 真:86-0755-27184871 
联系人:15013814781 13352960639
          邮 箱:
szdiyasi@163.com
网 址:http://www.szdiyasi.cn
常见问题
工业视觉检测发展现状
时间:2017/7/29 17:18:01

       工业视觉检测应该只算是机器视觉的一部分,依据应用不同可分成GIDI-G(Guidance-导引)、I(Inspection-检测)、D(Dimension-尺寸测量)、I(ID-ID识别)。最近随着硬件的发展、市场的需求还有近年计算机视觉技术的火热,主要有几个趋势:

领域的拓展(工业及医疗物流等民用):自动化的检测代替人工检测是必然发展趋势,需求越来越多样原来只是生产线上,现在制造、医疗、电子、仓储等各个领域都有各种各样的应用。比如国内外的大牌电商,使用三维来进行包裹尺寸的检测,与总量参数匹配进行内部追踪;无人商店的运营等。

从2D到3D:现实当中需要测量的零件都是三维立体的形态,受限于检测技术以及现场条件只能够检测平面的数据;由于现代制造业越来越趋于外观以及产品内部的完美化,导致对传统的尺寸测量、组装精度要求越来越高,针对以往无法想象的不规则检测例如曲面的形状测量等也提出了批量必检的要求。目前围绕3D的各种检测、测量、机器人导引等项目需求巨大,各个3D传感器厂家亦逐步朝着3D测量产品的市场方向发展。

系统实施受各种因素制约大:如果你问我做一个机器视觉检测的项目最重要的是什么,我肯定会说能得到一张高质量的图片,而就为了得到这么一个图片那需要考虑太多因素,光源、镜头选择、传感器选型、生产节拍考虑、安装布置、自动化集成、环境因素考量、工件状态变化等等,哪一个部分出了问题都会影响你的图像质量,而如果你没有足够好的图片,那么再厉害的算法也没有用,而且因生产线都有良品率和节拍要求,整个视觉检测系统不够快速可靠的话那误检率会非常之高,而这又是无数厂家需要面对的问题。例如,需要检测一种成型后的零件,当你的供应商来料的一个批次和另外的一个批次外表面颜色有不同或者不均匀是,那结果必然是要停机从新设置参数,从新验证产品,而这几乎是无法避免百分百会发生的现实。

算法不如硬件发展快:目前业界普遍认为算法是非常重大的瓶颈。硬件从系统方面来说就是往可移动的嵌入式方向发展,而软件目前的智能还远远不够,在计算机视觉领域大热的深度学习神经网络目前在机器视觉领域的成功应用少之又少,ViDi是一个,Fanuc/Preferred Networks和Google的机器人抓取是一个,这还是相对简单的,当目标对象多变、特征复杂、样本数不够的时候,你想用深度学习根本没机会,还是要回到传统的老路上来,再考虑实时性的严格要求,机器视觉特别需要一种新的智能的普遍使用大部分应用领域的方法出来,或是创新、或是改良、或是综合。

要具体问题具体看待:机器视觉还是与具体的应用领域深切关联的,每一个应用都需要选择与之配套的专用硬件和软件,都需要专门的设计,所以没有一种解决方案能适用于所有的情况。

 

*以上纯属个人观点,仅供参考*

 

服务在线 服务在线