五个迹象表明，基于光度测量的成像系统是检查应用的正确选择

介绍

人的视觉感知和判断是检查零件低对比度，细微和不可预测的缺陷的标准。在消费电子、航空航天和汽车制造等行业，人工检验员可能会在生产线上执行复杂的装配验证或表面检查。这些任务包括检查笔记本电脑组件的内部部件，检查智能设备外壳的外观缺陷，以及评估车辆表面的光洁度。在这些期望完美的行业中，最小的缺陷都可能导致制造商声誉的灾难。这些缺陷也是最难被自动化系统检测到的。

尽管运营效率低下，但由于人类具有独特的能力，能够检测出细微的、不可预测的、与环境相关的错误，这超出了自动化系统的能力，所以人类仍然留在生产线上。

通过机器视觉自动视觉检查在客观性，效率和可重复性方面优于人机检查。然而，人类仍然在生产线上 - 尽管运营效率低下 - 但由于他们的独特能力来检测和评估太微妙的错误，太不可预测的错误，或者需要在自动系统上数字编程的上下文。因此，在完美的结束和无差错操作是必不可少的情况下，许多高价值产品的制造商继续依靠手动检查方法。

对于那些需要人类检查员的视力但又渴望自动化带来好处的制造商来说，可能有一种合适的媒介。成像光度计，(科学级相机设计，以测量光强度和亮度，因为它是人眼所感知的)，可以与生产排序软件结合，适应广泛的复杂的检查任务。这些摄像机具有高分辨率和宽动态范围的特点，使得在标准机器视觉解决方案往往不足的应用中能够进行精密检测。本文概述的五个指标旨在帮助读者理解基于光度的成像解决方案的能力及其对高级检测应用的适用性。

标准机器视觉的局限性
标准机器视觉摄像头（可以定义为由CCD或CMOS传感器组成的二维辐射成像器，通常具有12MP或更小的分辨率），理想地适用于具有视觉上明显和可预测的缺陷的应用，很少失败的异常或缺陷，其涉及编程点的范围。这些系统通常会牺牲速度精度，提供比较低分辨率的传感器，可捕获足够的图像细节以检测命名错误。编程为分析定义的感兴趣点内的图像特征，标准机器视觉系统软件工具通常应用于静态位置，以寻找像钻孔缺失的螺钉等缺陷，或产品上的错误定位标签。如果零件特征的形状，大小，颜色或位置变化，则机器视觉系统可能无法检测到图像的对比度变化范围中的缺陷。

由于这个原因，这些系统通常被应用于高度重复的应用中，在这些应用中，图像变化可以很容易地通过策略照明来增强，很少需要判断或上下文信息来进行分析。在这些应用中，相对容易的视觉检测使机器视觉成为人类检测的一个很好的替代方案，为质量控制提供了一个可重复的、自动化的解决方案。然而，对于更复杂的应用程序，标准机器视觉系统可能无法提供100%缺陷检测所需的成像和软件能力。

成像光度计具有高分辨率传感器和先进的光学元件，比典型的机器视觉摄像机更详细地捕捉图像。

Photometry-Based成像系统
标准机器视觉的另一种解决方案是基于光度的成像系统，它提供了卓越的成像和软件功能。通常用于测试和测量发光产品，如显示器和LED照明，成像光度计也有利于非照明设备的复杂检测应用。成像光度计的特点是，它们被设计来衡量光的强度和功率与人眼的灵敏度。由于视觉检测依赖于解释光的反射或发射来捕获和处理图像，一个更接近于模拟人类对光的感知的系统更有能力进行类似人类的错误检测。

成像光度计还具有更高分辨率的传感器和先进的光学元件，比典型的机器视觉摄像机更详细地捕捉图像。这允许更细微的缺陷被检测，因此，更多的功能被应用到图像中有意义的变化。结合先进的基于光度的软件工具，成像光度计解释这些细节，捕捉图像上的异常，利用光均匀性分析来检测照明显示中的mura(云)，以便在不可预测的位置定位和量化未编程的缺陷。结合这种背景缺陷评估、人类视觉感知和卓越的成像质量，一个基于光度的视觉系统将自动化的好处与人类的视觉灵敏度和判断相结合。

有五个关键领域，成像光度计提供优于标准机器视觉和人类检验的优势：

1.零件上的缺陷很小，微妙或低对比度

与标准机器视觉摄像机相比，基于光度计的摄像机提供了更高的分辨率和动态范围，使它们能够更好地检测小的和低对比度的缺陷。成像光度计是为光测量而设计的，它必须捕捉非常详细的图像，以便在像素级分析光的分布和颜色变化。另一方面，标准视觉系统更常用来区分具有基线一致性的连接“斑点”像素之间的差异，在它们典型的高通量应用程序中，通常不需要像素对像素的测量。

解决方法:

成像光度计的传感器分辨率可达数千万像素。这种水平的精度只能由人工检测员在生产线上复制，尽管即使是细微的细节也可能被人眼忽略。

动态范围:
动态范围是可以在图像中识别的灰度值的数量。具有更宽的动态范围的传感器使得光度摄像机能够检测由阴影或光的反射引起的表面上的发际线变化（如图指示划痕的阴影，或表示金属部件的光谱反射）。

这与高分辨率的光度相机相结合，使得基于光度的视觉系统能够在保持图像处理速度和低图像噪声的同时，以极高的精度对微小和低对比度缺陷进行成像和分类。在某些情况下，光度成像系统可以探测到非常细微的缺陷，以至于人类检查人员往往没有注意到。这些缺陷包括玻璃上的轻微划痕，键盘上按键之间小于1毫米的缝隙变化，或者在黑色表面上钻洞时没有微小的黑色螺丝(如下例所示)。

2.缺陷是不可预测的并且随机发生

装配越复杂，在生产过程中出错的几率就越大，而且也越难知道出错的时间和地点。人工检验员的优势在于对目视检查应用更高级的判断，利用环境来评估缺陷是否存在。他们不需要被告知在哪里查找零件上的缺陷以发现异常，这在给定装配中可能出现大量缺陷的环境中是有益的。

一个标准的机器视觉系统必须用静态的兴趣点来编程，以知道在哪里“寻找”缺陷。这需要先进的缺陷位置知识和一致的生产环境，其中部件不会发生显著变化。对于高度复杂的组件，这种视觉系统的预编程可能需要数小时的工作——而且新的缺陷可能仍然无法检测到。随机发生的错误，如凹痕、污迹、划痕和其他表面磨损，是标准机器视觉摄像机最难识别和检查的，因为它们的位置、大小和范围变化无常。

在左上象限（左边）和光度检测中包含颜色毫巴的照明显示器的示例和光度检测（右）。

基于光度的视觉系统利用它们的光测量能力来检测和量化不可预测的组装和表面级缺陷。一个例子是使用“只是明显的差异”（JND）均匀测量评估。该值表示曲面上的变化量，该变化能够在至少一半的时间内可视地明显差异。许多光度测量（以及比色）成像仪利用JND来评估在人类观察者不可接受的照明显示器中的显着的非均匀性和凹凸（云节）。JND测量可以应用于非照射表面，用于检测和分级在由对比度的细微变化引起的表面上的“均匀性”问题，其偏离预期的公差，指示划痕，凹痕，污迹和其他缺陷。

利用均匀性评价原理检测平板屏幕上的污迹。

可以测量凹痕的长度和宽度以确定设备是否基于缺陷的严重性或范围来通过或失败。

3.需要量化和记录质量问题

与人类检查员不同，机器可以同时处理无限数量的数据点，应用值以通过速度（甚至无线）来计算每个数据点，处理和传送数据，并在长时间存储大量数据而不丢失重要细节。大多数机器视觉系统能够将缺陷记录为数字数据。然而，标准机器视觉系统具有有限的测量和等级离散缺陷，以评估可能保证部分拒绝的严重程度。这是在误差裕度可以在给定阈值下方可以接受的应用中所必需的 - 例如，在略微程度的未对准或相对较浅的深度的凹痕处的徽标。这些阈值可能在整个零件大小，纹理，复杂性或其他特征的上下文中变化，对人类观察者进行更多或更少的误差。

成像光度计能够从标准机器视觉系统获取更多来自图像的数据，捕获更多数量的像素和更灰度的灰度，以评估可能指示缺陷的感兴趣的对比点，例如错误排序的电缆（右）。

标准机器视觉系统和基于光度计的系统在缺陷量化方面的能力差异可以追溯到它们在分辨率和动态范围上的差异。成像光度计能够从图像中获取比标准机器视觉系统更多的数据，捕获更多的像素和更多的灰度，以评估可能指示缺陷的感兴趣的对比点。例如，在可检测的斑点大小时，缺陷可以用标准摄像机测量(输出像素数、长度、宽度或其他值)，但标准机器视觉光学限制了对极小的、增量测量或对比度差异的评估。

另外，利用成像光度计的高级检查系统可以提供软件工具来分配缺陷“可见性评分”。这个分数是通过将缺陷的具体物理尺寸(小于一毫米的测量)与编程公差进行比较来计算的，从而能够在成像部件的范围内评估缺陷的严重程度。如果缺陷的可见性评分过高，该部件可能会被拒绝。在其他情况下，缺陷的可见性评分可能会落在可接受的范围内，这表明某个部件能够被修复并返回到生产线上。由检查系统获得的缺陷趋势数据也可以用于帕累托分析，帮助限制错误并随着时间的推移减少不合格零件的数量。

光度测量软件给零件上的每个缺陷分配一个“可见性评分”，根据定义的公差对缺陷的严重程度进行分级。

然后，制造商可以设置通过/不通过公差，以接受或拒绝给定的可见性评分的缺陷。

4.检查的一致性和可重复性很重要

人类具有高度的视觉敏锐度和判断力来识别和评定关键缺陷。但是，它们对人的人产生了不一致的确定，并且不提供可重复的可操作的数据，以实现像自动化解决方案一样的可追溯性。此外，在研究复杂的阵列和组件的配置时，它们很容易疲劳，以便延长时间长度。随着时间的推移，人体检查的准确性急剧下降，并且随着组装的复杂性增加而变得更糟。例如，符合键盘和键盘框架等平面产品的缺陷，其展示从复杂数组到完全随机特征的视觉模式，人类检查员更有可能被人类检查员遗漏，这些人在很容易具有高度细节的仔细审查部件。然而，复杂阵列中的捕捉微小缺陷对于防止这些组件中的潜伏失效可能是至关重要的。

人类具有高度的视觉敏锐度和判断力来识别和评定关键缺陷。然而，他们在人与人之间做出不一致的决定，并且不提供可重复的、可操作的数据来实现自动化。

在需要对复杂组件进行绝对缺陷检测的情况下，制造商可能会雇佣几名人工检验员对部件进行重复检查，以确保检测到所有错误。这是一种昂贵的方法，特别是在停机时间有限的生产线上，需要多名检验员在生产线上多次轮班，以保持一致的质量控制。另外，成像光度计实现连续操作的好处与一致，可重复的缺陷检测性能。自动化系统不会随着时间的推移而失去其效力，并且能够应用一致的缺陷评估，而不管部件的复杂性，因为性能不受有限的数据容量的影响。因为它们被编程为定义的质量公差，性能在一段时间内保持一致。

光度成像系统分析图像以使用精确的空间测量来量化缺陷，这对需要多条线和工厂的厂商特别有利。将这些测量值与标准公差值进行比较，以确保使用相同的标准进行评估从线路和工厂的检查，维护质量控制一致性和过程重复性。

5.人类或其他技术未能达到目标

也许最引人注目的原因是评估检查应用的基于光度的成像的原因是其他解决方案的失败，以充分满足制造商的需求。一些制造商继续依赖人类检查员，因为机器视觉和其他自动化技术无法检测到关键缺陷或匹配人类判断的准确性，以评估缺陷严重程度。对于这些制造商来说，尽管有明显的益处，但供应链进入供应链的逃逸错误的成本太重要了，这对于自动检查过程来说是风险的。

在人类检查员所需的视力和判断的应用中，需要自动化，基于光度的系统可以是理想的解决方案。高度专业化的解决方案，基于光度测量的系统被校准到唯一的测量环境，并配置为满足检查应用的确切标准。每个系统都提供独特的功能套件，以适应最困难和最关键的质量控制任务。通过正确应用设备到位，基于光度的视觉解决方案提供了人类检查环境的直接投资回报，特别是在否则需要重复检查员或检查员的多班，以达到所需的吞吐量和准确性目标。

结论

成像光度计比人类更精确、更一致、更经济，比标准机器视觉系统更有能力识别视觉检测和分析，为最具挑战性的视觉检测应用提供了专门的解决方案。成像光度计提供高分辨率和动态范围，低噪音和科学校准，以准确评估从部分表面反射的光。这种光学灵敏度使得成像光度计能够捕捉到最清晰的图像，用于自动视觉检测，确保应用软件工具能够准确地检测和分类装配和表面缺陷。利用基于光度计的显著差异评估(JND)来评估缺陷的范围和严重程度，以匹配人类的判断，成像光度计也是一种合适的替代人工检测仪，在某些情况下甚至超过了人类的视觉感知。在这种人力和机械优势的平衡下，采用基于光度的系统的制造商可以实现提高产品质量和生产效率，从而获得明显的投资回报。

光度成像解决方案弥补了机器视觉系统和真实人类视觉之间的差距，提供了一致的、可量化的数据，与人类检查员的视觉灵敏度相匹配。在这种人力和机械优势的平衡下，采用光度计为基础的系统的制造商可以为最具挑战性的检查建立自动化操作。