|
一、 平台简介 机器视觉及自动化实验室是惠州市广工大研究院核心研发机构之一,致力为行业用户提供基于机器视觉技术的自动化设备研制、3C产品检测服务,以解决产品缺陷检测、产品尺寸检测、多源图像信息融合、深度学习算法等工程应用的技术为主要研究方向。 本部门拥有高性能图像采集分析处理系统、高动态范围亮度成像仪、3D线扫描系统、高速相机、黑白线扫相机等仪器设备,全自主集成开发的集目标模拟、光学量测、机器视觉、图像二次开发为一体的多功能、智能化机器视觉平台,不仅可以服务于机器视觉及智能化装备的研发,也可以为企业提供光学成像等测试分析服务。同时,本部门作为惠州研究院物联网数据感知技术研究方向的突破口,为工业机器人及自动化系统集成提供核心技术支撑。 二、研究方向与课题 研究案例与研究方向:
标签检测 整机外观 手机辅料 PCB板 彩盒
工件尺寸测量 连接线测量 汽车零部件检测 五金件尺寸测量 多个工件尺寸 螺纹检测 三、实验室技术服务介绍
表10 设计服务项目
四、研发成果 机器视觉实验平台产品系例: (一):托盘检测标准机 主要用于托盘式FPC、PCB、PCBA等产品缺陷检测,托盘的大小兼容范围:300≥W≥200,480≥L≥200,产品大小根据客户需求确定。托盘检测标准机三维结构见下图1,设备基本参数如下表1-1所示。 托盘检测标准机 表1-1 托盘检测标准机基本参数 (二)线扫检测平台 采用8k、16k、64k系列高分辨率线扫相机,匹配千兆网卡、高性能工控机及对应的镜头和光源,实现产品快速运动中的图形采集,主要用于检测产品小尺寸瑕疵等项目,产品兼容尺寸范围:300≥W≥80,500≥L≥100。线扫检测平台三维结构如下图2所示,设备基本参数如下表2-2所示。 线扫检测平台3 表2-2 线扫检测平台基本参数 (三)面阵检测平台 主要用于快速检测中小规格产品外观、尺寸缺陷,产品尺寸兼容范围:245≥W≥200,355≥L≥290。面阵检测平台三维结构如下图3所示,设备基本参数如下表-3-3所示。 面阵检测平台
表3-3 面阵检测平台基本参数 (四)远心检测平台 主要用于快速检测中小规格产品外观、尺寸缺陷,产品尺寸兼容范围:150≥W≥50,150≥L≥50。远心检测平台三维结构如下图4所示,设备基本参数如下表4-4所示。 远心检测平台 表4-4 远心检测平台基本参数 五、应用案例/行业 行业应用: 案例应用: 玻璃外观检测 主要对玻璃盖板白片、玻璃丝印片、LCM模组产品进行透光,异物,崩边,划痕,丝印,脏污,指纹,气泡、轮廓等多种缺陷进行检测 玻璃检测设备 2D、3D尺寸测量 主要对2D/3D元件产品进行尺寸测量、孔位、平面度、裂纹蹦缺、刀路痕迹、螺纹等多项内容进行检测 尺寸测量设备 表盘检测 主要对表盘上缺针、错针、指针格、LOGO、缺丝印等多种缺陷进行检测。 表盘检测设备 计算机视觉 也称机器视觉。它是利用一个代替人眼的图像传感器获取物体的图像,将图像转换成数字图像,并利用计算机模拟人的判别准则去理解和识别图像,达到分析图像和作出结论的目的。该技术是模拟识别人工智能、心理物理学、图像处理、计算机科学及神经生物学等多领域的综合学科。计算机视觉技术用摄像机模拟人眼,用计算机模拟大脑,用计算机程序和算法来模拟人对事物的认识和思考,替代人类完成程序为其设定的工作。该技术由多个相关的图像处理系统组成,主要包括光源提供系统、图像提取系统、计算机数据运算系统等。原理是:首先通过摄像机获得所需要的图像信息,然后利用信号转换将获得的图像信息转变为数字图像以便计算机正确识别。
机器视觉就是用机器代替人眼做测量和判断的系统,他通过光学装置和非接触传感器自动获取目标对象图像,并由图像处理设备根据图像分析等信息进行各种运算处理个判别分析,壹提取所需的特征信息或根据判别分析结构对某些现场设备进行运动控制。 一个机器视觉系统包含:光源、镜头、相机、图像采集,图像处理软件等等一系列组成。 一个典型的工业机器视觉系统包括:光源、镜头(定焦镜头、变倍镜头、远心镜头、显微镜头)、 相机(包括CCD相机和COMS相机)、图像处理单元(或图像捕获卡)、图像处理软件、监视器、通讯 / 输入输出单元等。 工作原理 机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号,图像处理系统对这些信号进行各种运算来抽取目标的特征,如面积、数量、位置、长度,再根据预设的允许度和其他条件输出结果,包括尺寸、角度、个数、合格 / 不合格、有 / 无等,实现自动识别功能。 机器视觉系统组成 随着机器视觉技术的深入,各个高校开始注重机器视觉技术领域人才培养,加大机器视觉实验室研究投入与人才培养,加强与各个企业合作。充分利用学校和企业的优势,共用推进机器视觉技术发展和人才输出。一系列机器视觉实验平台,可提供研究者在短时间内进行机器视觉硬件选型、设计。同时配合视觉软件完成多种机器视觉实验算法验证与教学。 计算机视觉的关键技术 计算机视觉信息的处理技术主要依赖于图像处理方法,经过处理后输出图像的质量得到相当程度的改善,既改善了图像的视觉效果,又便于计算机对图像进行分析、处理和识别。 1.图像分割 图像分割是将图像分成若干部分,每一部分对应于某一物体表面,在进行分割时,每一部分的灰度或纹理符合某一种均匀测度度量。其本质是将像素进行分类,分类的依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。图像分割主要有两种方法:一是鉴于度量空间的灰度阈值分割法,另一种是空间域区域增长分割方法。 2.图像增强 图像的增强用于调整图像的对比度,突出图像中的重要细节,改善视觉质量。通常采用灰度直方图修改技术进行图像增强。图像的灰度直方图是表示一幅图像灰度分布情况的统计特性图表,与对比度紧密相连。 3.图像平滑 图像的平滑处理技术即图像的去噪声处理,主要是为了去除实际成像过程中因成像设备和环境所造成的图像失真,提取有用信息,去除噪声,恢复原始图像是图像处理中的一个重要内容。 4.图像编码和传输 数字图像的数据量是相当庞大的,高信道速率意味着高投资,也意味着普及难度增加。因此,传输过程中,对图像数据进行压缩显得非常重要。图像数据的压缩主要通过图像数据的编码和变换压缩完成。 5.边缘锐化 图像边缘锐化处理主要是加强图像中的轮廓边缘和细节,形成完整的物体边界,达到将物体从图像中分离出来或将表示同一物体表面,它是早期视觉理论和算法中的基本问题,也是中期和后期视觉成败的重要因素之一。 6.图像识别 图像的识别过程实际上可以看作是一个标记过程,即利用识别算法来辨别景物中已分割好的各个物体,给这些物体赋予特定的标记,它是机器视觉系统必须完成的一个任务。目前用于图像识别的方法主要分为决策理论和结构方法。 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成,是实现计算机集成制造的基础技术。 视觉系统工作原理简图 |