机器视觉检测:行业工具

几十年来，机器视觉技术在几乎所有工业和制造过程的众多不同应用中，成功地执行了零部件和产品的自动过程检测。虽然没有确切的数字，但有理由认为，检查任务可能会主导机器视觉应用领域。然而，新的机器视觉技术和软件不断涌现，进一步提高了自动化检测的价值主张和易用性。对于终端用户来说，成功的关键是理解成熟的和新的行业工具以及如何最好地实施这些工具。

检验概述

自动化过程中检查相关任务的多样性使得很难标记每个可能的用例。一般来说，一些重要类别包括装配验证、特征存在/缺失、缺陷检测（多种形式）以及产品识别和差异化。在所有情况下，机器视觉都是大数据和工业4.0概念的重要组成部分，记住这一点很重要。

在为工业自动化实施机器视觉检查时，最重要的价值在于如何使用检查结果。不仅仅是检查质量,通过机器视觉检查获得的信息对于提高更广泛流程的效率至关重要，从而有助于降低总体生产和自动化成本。

成像——每一次成功应用的基础

它总是重复，无论使用用例或分析方法，质量图像是任何机器视觉项目的关键基础。高质量图像定义为具有正确分辨率和对比度以突出显示所需视野中感兴趣的特征（对象、零件、缺陷）的图像。正确的设计规范涉及成像组件本身以及相关和必需的组件，包括照明和光学。

对于许多采用适当成像设计的检测应用，2D灰度仍然是应用最广泛的技术。传感器和摄像机在速度和分辨率方面的进步使得更多以前可能无法实现或过于复杂而不实用的用例成为可能。随着传感器分辨率为12 MPixel到50 MPixel及更高的摄像头的可用性，在更大的视野中检测更小的特征变得更容易，成本也更低。很快，5–10 MPixel的图像采集可能会被视为标准，而不是高分辨率。

作为机器视觉的核心技术，智能相机在检测任务中持续增长，并经常具有更高的分辨率和更快的处理速度。此外，在标准相机架构方面也有了重大发展，其中包括使用fpga和其他计算平台的嵌入式处理。这些组件非常适合可伸缩为多个重复安装的检查应用程序，以利用某些此类组件的相关成本降低的优势。

超越2D和灰度图像

通过各种成像方法和实现技术，可以很容易地获取场景的3D信息的机器视觉组件。3D图像提供物体表面几何形状的地形表示，而2D成像捕捉物体平面表面上的对比度(灰度或颜色)图像。3D数据能够或增强具有更多几何结构的特征或缺陷的检测任务。使用3D系统变得非常容易，而且与2D系统一样，分辨率、速度和准确性都在不断提高。

如前所述，许多机器视觉检测应用程序使用提供对象灰度图像的摄像机(也称为单色，因为它是没有颜色的图像，或本质上是单一颜色)。然而，有些应用程序可以从彩色图像中获益，或者必须依赖彩色图像来提供分析所需的信息。标准摄像机随时可用，用于机器视觉捕捉RGB(红、绿、蓝)图像。在适当集成的地方，这些组件可以增强特征分析的可靠性，其中颜色是对象或缺陷的定义特征的一部分。虽然市场上大多数彩色相机在传感器上使用过滤系统(拜耳过滤器)，但先进的相机组件也可用，通过光学将进入的图像分割成三个全帧通道(通常是RGB)，以获得更好的分辨率和颜色区分。

可见光之外的成像

虽然不是新的，但近年来得到了更广泛的应用，一种更强大的彩色成像技术称为高光谱成像，及其密切相关的多光谱成像，可以执行更离散和颗粒的颜色分析。这些相机收集单个场景的多幅（有时数百幅）图像，每幅图像的光谱信息带宽与场景不同。这种类型的组件，通过专门的分类软件，可以对材料进行光谱检查，甚至检测化学成分。食品、制药和回收利用等许多行业都受益于这种检查能力。

进一步扩展彩色成像，我们发现可以使用不可见照明甚至热能创建图像的组件。一般来说，这可以被描述为红外（IR）成像。近红外（NIR）、短波红外（SWIR）和长波红外（热成像）成像的应用提供了可见光波段看不到的物体视图。这种能力在许多检测应用中都有很大的优势，从检测食品中的腐败到透视不透明塑料容器，再到确认填充水平。

易于检查和实施

用于机器视觉检测任务的算法和软件工具相当成熟和可靠。总的来说，当使用可靠的图像时，许多检查任务都很容易实现。新的技术已经出现，它们有可能添加到现有的机器视觉工具中，提供进一步的功能和不同的处理方法。

这些技术中最受关注的是深度学习。机器视觉的深度学习是专门针对性的，非常适合于检查应用，并且正在成功地应用于工业机器视觉中越来越多的检查应用。但是，使用深度学习的应用程序的设计、配置和集成需要一种与传统机器视觉项目完全不同的实现方法。

所谓的传统机器视觉实现技术涉及创建一组关于目标对象的规则，这些规则使用返回有关对象或场景的特定信息的算法执行。深度学习是通过包含好的和有缺陷的零件或对象的示例的许多代表性图像进行训练的。然而，对于所有检查应用来说，这并不是一个银弹。在能够预测可能达到的成功水平之前，需要收集许多图像，这对于某些应用程序来说可能很麻烦，并且系统及其分类的持续维护可能不适合特定用例。

机器视觉检测的未来

随着对质量、智能制造和数据收集需求的扩大，机器视觉技术在检测应用中的应用不断增长。用于检查的高级组件和软件的功能肯定会驱动更多的用例，并在未来提供更多的价值。