文档库 最新最全的文档下载
当前位置:文档库 › 机器视觉在焊点检测中的应用

机器视觉在焊点检测中的应用

机器视觉在焊点检测中的应用
机器视觉在焊点检测中的应用

机器视觉在焊点检测中的应用

杨英豪柳青崔洁

(中国电子科技集团公司第四十五研究所,北京101601)

摘要:本文主要阐述了利用图像处理的一些算法来对半导体封装过程中的焊点进行检测,主要包括了图像预处理,自动阈值图像分割,图像膨胀,空洞填充,图像连通,区域开圆运算,形状检测,计算区域特征等算法。并通过大量实验确定了参数,得到一种确实可行的应用方法去完成焊点的检测。

关键词:半导体设备;机器视觉;焊点检测(PBI);

Application of Inspect ball bonding with Machine

Vision

Yang Yinghao Liu Qing Cui Jie

Abstract: This article introduces inspecting ball bonding with some Machine Vision algorithm on process of encapsulating semiconductor device, which mainly contain Image Pretreatment, Image Segmentation with auto threshold, Image expanding, File up hole, Image connection, Generate circle region , Inspect circularity shape, Calculate Circle radius. Then we can get a good method to achieve Inspecting ball bonding through make a lot of experiments to decide the parameter. Keywords: semiconductor device; Machine Vision; Inspect ball bonding

1.引言

如今伴随数字产品已在人们生活中的大量使用,半导体设备制造业得到迅猛的发展,键合机就是半导体封装其中很重要的一个工序,而焊线后检测(PBI:Post Bond Inspect)又是键合机提高机器性能,拓展机器功能的一个重要课题。

目前流行的焊线质检方式是焊完线后人工质检,浪费人力,且不能实时完成质检。而本文就如何利用机器视觉自动实现精准,快速,稳定的焊线后检测进行了讨论和研究——本文主要检测的是焊球的位置和偏差,得到了一种性能优越的图像处理方法,经过实验验证,精度可以达98%以上。

2.半导体机器视觉系统构成

机器视觉系统的主要目的是给机器或自动生产线添加一套类似人眼的视觉系统。其原理是由计算机或图像处理器以及相关的设备来模拟人的视觉行为,完成得到人的视觉系统所得到的信息。

机器视觉系统构成:

1.图像获取:照明光源,光学镜头,工业相机,图像采集卡。

2.图像处理:图像处理软件。

图2-1 机器视觉系统

3.PBI(焊线检测)算法的原理及实

原理:利用图像形态学的原理从图像中提

取出球的信息,根据指定位置上的焊球信息,

来判定焊线情况。

其形态学完成PBI的流程如下。

3.1图像增强(image intensification )

增加图像对比度,放大差异信息,称之

为图像增强。

包含了对比度变换、空间滤波等方法,

选取区域,使用非线性变换图像增强的

示例如下:

图3-1 图像增强示例

图片当中,区域内是图像增强后的效果。

3.2图像分割(image segmentation)

图像分割就是把图像分成若干个特定

的、具有独特性质的区域并提出感兴趣目标的技术

和过。包含了基于阈值的分割方法、基于区域的分

割方法、基于边缘的分割方法以及基于特定理论的

分割方法等。

本文选取的是基于自动阈值的图像分割方法来

完成了图像分割。

?

?

?<=

>

=

)

,

(

)

,(

,0

)

,

(

)

,(

,1

)

,(

a

m

T

j

i

f

a

m

T

j

i

f

j

i

g

其中,阈值T是根据图像区域的均值m,和方

差a自动计算出来的。

经过图像分割所处理的结果如下图所示:

图3-2 图像分割示例

图片当中的黄色的线是分割出来

的区域边界。

3.3图像膨胀和腐蚀

腐蚀的原理是:用一个结构元素

扫描图像中的每一个像素,用结构元

素中的每一个像素与其覆盖的像素做

“与”操作,如果都为1,则该像素为

1,否则为0.膨胀原理则相反,上诉的

两种像素之间做“或”操作。

腐蚀的作用是消除物体消除物体

边界点,使目标缩小,可以消除小于

结构元素的噪声点;膨胀的作用是将

与物体接触的所有背景点合并到物体

中,使目标增大,,可添补目标中的

空洞。

开运算是先腐蚀后膨胀的过程,

可以消除图像上细小的噪声,并平滑

物体边界。闭运算是先膨胀后腐蚀的

过程,可以填充物体内细小的空洞,

并平滑边界。

因为环境或者光路的复杂性,有的

焊点并不标准,焊球会部分缺失,在

这里利用闭运算完成补洞或者补边的

操作。以下是图像膨胀腐蚀闭运算的

结果:

图3-3 图像膨胀腐蚀闭运算结果

3.4 开圆运算和形状选择。

通过以上过程得到的区域,一般是

很复杂的区域,不能直接得到有用信息,而从这些负杂区域中提取圆的信息,就需要使用图像形态学中的Open Circle (开圆运算) 和Shape-Select (形状选择)。

开圆运算是针对复杂区域,根据一些先验

条件进行形态学处理,消除小区域,平滑大区域。

形状选择是针对一组区域,根据设定的区

域特征,选择出我们需要的区域。

我们可以根据设定理想的球半径和环形

度等先验条件,进行开圆运算和形状选择,选出符合我们要求的球区域。并且计算球区域的半径。

图3-4 图像开圆和选形的运算结果

从图中我们可以看出处理的结果。从复杂区域

中利用开圆运算,舍弃小区域,平滑大区域,然后根据选形运算舍弃掉不规则的圆形区域,最后计算出球的半径。

4. PBI (焊线检测)的测验结果和应用展望

4.1 PBI 算法的测验结果

将PBI 算法应用在设备上,通过大量的测

试,得到了很好的实验结果。

以下是部分实验结果:

图4-1 各种焊点正常下的PBI 处理结果

图4-2 各种焊点不正常的PBI 处理结果

从图中我们可以知道,针对焊点正

常的情况,不计环境的差异性,光路的差异性,球形的差异性,都可以用该算法,正确的找到球的位置和半径;而针对各种焊点不正常的情况,均没有误找的发生。

结果证明,PBI 算法可以快速判定在指定位置是否存在球,也可以精准的计算球的位置和半径。 4.2 PBI 算法的应用展望

根据检测出来球的状态,位置和半径这些详细的信息,我们可以打开思路,在工业上会有非常多的具体的应用。本文只是浅谈几项该技术的具体

应用。

1).PBI算法一开始被提出来就是为了实现断线检测而开始被大家去研究的,断线检测就是机器取代替人工去找出没焊上线的次品芯片,相当于一个自动质检的过程(很重要,能省很多人力)。有了完善的算法之后,我们可以通过图像处理在理想位置附近寻找球的存在与否来判定焊线状况,很大程度上完善了机器的功能和提高了设备的效益。

2)在键合机的设备上有一个BTO的概念,指的似乎劈刀和镜头之间的间距,它的精准与否极大影响了焊线的精度。而因为焊线是在加热的条件下工作的,因着热胀冷缩的影响,BTO这个值是不断变化的,进而会出现打偏的情况,传统的解决方法是在键合头上加一套保温的装置,使键合头在打线的过程中能够削弱温度的变化,进而削弱BTO的变化,提高焊线精度。而新的解决方案是利用PBI检测技术检测出焊球位置的偏差来实时校正BTO。实现智能化,性能优越,而又节省成本。

3)在其他半导体设备上的具体应用。

5.结语

综上所述,PBI(焊球检测)算法有着优越的性能,广阔的应用空间和高效的实用价值,并且随着半导体设备自动化程度的提高和生产规模的扩大,机器视觉将在其中扮演重要的角色,而PBI算法也将会在各种半导体设备中得到更为广泛的应用和发展。

在当今的科技领域里,软件算法的地位越来越重要,它以它的变化,节省成本,利于实现,高效大大加速了科技的进步和发展。希望更多的科技工作者投入到图像处理算法的研究和学习当中,为人类社会做出卓越的贡献。

参考文献:

[1] 蒋先刚.数字图像模式识别工程软件设计[M].中国水利水电出版社,2002

[2] 陈兵旗.实用数字图像处理与分析[M].清华大学出版社,2006

[3] 王小鹏.形态学图像分析原理与应用[M].清华大学出版社,2008

基于机器视觉的工件识别和定位文献综述

基于机器视觉的工件识别和定位文献综述 1.前言 1.1工业机器人的现状与发展趋势 机器人作为一种最典型的应用范围广、技术附加值高的数字控制装备,在现代先进生产制造业中发挥的作用越来越重要,机器人技术的发展将会对未来生产和社会发展起到强有力的推动作用。《2l 世纪日本创建机器人社会技术发展战略报告》指出,“机器人技术与信息技术一样,在强化产业竞争力方面是极为重要的战略高技术领域。培育未来机器人产业是支撑2l 世纪日本产业竞争力的产业战略之一,具有非常重要的意义。” 研发工业机器人的初衷是为了使工人能够从单调重复作业、危险恶劣环境作业中解脱出来,但近些年来,工厂和企业引进工业机器人的主要目的则更多地是为了提高生产效率和保证产品质量。因为机器人的使用寿命很长,大都在10 年以上,并且可以全天后不间断的保持连续、高效地工作状态,因此被广泛应用于各行各业,主要进行焊接、装配、搬运、加工、喷涂、码垛等复杂作业。伴随着工业机器人研究技术的成熟和现代制造业对自动生产的需要,工业机器人越来越被广泛的应用到现代化的生产中。 现在机器人的价格相比过去已经下降很多,并且以后还会继续下降,但目前全世界范围的劳动力成本都有所上涨,个别国家和地区劳动力成本又很高,这就给工业机器人的需求提供了广阔的市场空间,工业机器人销量的保持着较快速度的增长。工业机器人在生产中主要有机器人工作单元和机器人工作生产线这两种应用方式,并且在国外,机器人工作生产线已经成为工业机器人主要的应用方式。以机器人为核心的自动化生产线适应了现代制造业多品种、少批量的柔性生产发展方向,具有广阔的市场发展前景和强劲生命力,已开发出多种面向汽车、电气机械等行业的自动化成套装备和生产线产品。在发达国家,机器人自动化生产线已经应用到了各行各业,并且已经形成一个庞大的产业链。像日本的FANUC、MOTOMAN,瑞典的ABB、德国的KUKA、意大利的COMAU 等都是国际上知名的被广泛用于自动化生产线的工业机器人。这些产品代表着当今世界工业机器人的最高水平。 我国的工业机器人前期发展比较缓慢。当将被研发列入国家有关计划后,发展速度就明显加快。特别是在每次国家的五年规划和“863”计划的重点支持下,我国机器人技术的研究取得了重大发展。在机器人基础技术和关键技术方面都取得了巨大进展,科技成果已经在实际工作中得到转化。以沈阳新松机器人为代表的国内机器人自主品牌已迅速崛起并逐步缩小与国际品牌的技术差距。 机器人涉及到多学科的交叉融合,涉及到机械、电子、计算机、通讯、控制等多个方面。在现代制造业中,伴随着工业机器人应用范围的扩大和机器人技术的发展,机器人的自动化、智能化和网络化的程度也越来越高,所能实现的功能也越来越多,性能越来越好。机器人技术的内涵已变为“灵活应用机器人技术的、具有实在动作功能的智能化系统。”目前,工业机器人技术正在向智能机器和智能系统的方向发展,其发展趋势主要为:结构的模块化和可重构化;控制技术的开放化、PC 化和网络化;伺服驱动技术的数字化和分散化;多传感器融合技术的实用化;工作环境设计的优化和作业的柔性化以及系统的网络化和智能化等方面。 1.2机器视觉在工业机器人中的应用 工业机器人是FMS(柔性加工)加工单元的主要组成部分,它的灵活性和柔性使其成为自动化物流系统中必不可少的设备,主要用于物料、工件的装卸、分捡和贮运。目前在全世界有数以百万的各种类型的工业机器人应用在机械制造、零件加工和装配及运输等领域,

机器视觉检测的基础知识[大全]

机器视觉检测的基础知识~相机 容来源网络,由“机械展(11万㎡,1100多家展商,超10万观众)”收集整理! 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示,就在机械展. 相机都有哪些种类?我们常说的CCD就是相机么?除了2D平面相机,是否还有其他种类的相机,原理又是什么?下面这篇文章给您一一道来。 一,相机就是CCD么? 通常,我们把所有相机都叫作CCD,CCD已经成了相机的代名词。正在使用被叫做CCD的很可能就是CMOS。其实CCD和CMOS都称为感光元件,都是将光学图像转换为电子信号的半导体元件。他们在检测光时都采用光电二极管,但是在信号的读取和制造方法上存在不同。两者的区别如下: 二,像素。 所谓像素,是指图像的最小构成单位。电脑中的图像,是通过像素(或者称为PIXEL)这一规则排列的点的集合进行表现的。每一个点都拥有色调和阶调等色彩信息,由此就可以描绘出彩色的图像。 ▼例如:液晶显示器上会显示「分辨率:1280×1024」等。这表示横向的像素数为1280,纵向的像素数为1024。这样的显示器的像素总数即为1280×1024=1,310,720。由于像素数越多,则越可以表现出图像的细节,因此也可以说「清晰度更高」。

三,像素直径。 所谓像素直径,是指每个CCD元件的大小,通常使用μm作为单位。严谨的说,这个大小中包含了受光元件与信号传送通路。(=像素间距,即某个像素的中心到邻近一个像素的中心的距离。)。也就是说,像素直径与像素间距的值是一样的。如果像素直径较小,则图像将通过较小的像素进行描绘,因此可以获得更加精细的图像。可以通过像素直径和有效像素数,求出CCD元件的受光部的大小。 假设某个 CCD 元件的条件如下所示: ·有效像素数…768 × 484 ·像素直径…8.4 μm× 9.8μm 则受光部的大小为 ·横向768 × 8.4μm= 6.4512 mm ·纵向484 × 9.8μm= 4.7432 mm 四,CCD的大小。 ▼CCD感光元件的大小,一般分为采用英寸单位表示和采用APS-C大小等规格表示这2种方式。采用英寸表示时,该尺寸并不是拍摄的实际尺寸,而是相当于摄像管的对角长度。例如,1/2英寸的CCD表示「拥有相当于1/2英寸的摄像管的拍摄围」。为什么如此计算呢,这是由于当初制造CCD的目的就是用来代替电视机录像机的摄像管的。当时,由于想要继续使用镜头等光学用品的需求比较强烈,由此就诞生了这种奇怪的规格。主要的英寸规格的尺寸如下表所示。

机器视觉检测系统简述及系统构成

机器视觉检测系统简述及系统构成 1机器视觉检测的一般模式 机器视觉检测的目标千差万别,检测的方式也不尽相同。农产品如苹果、玉米等通常是检测其成熟度,大小,形态等,工业产品如工业零件,印刷电路板通常是检测其几何尺寸,表面缺陷等。不同的应用场合,就需要采用不同的检测设备和检测方法。如有的检测对精度要求高,就需要选择高分辨率的影像采集装置;有的检测需要产品的彩色信息,就需要采用彩色的工业相机装置。正是由于不同检测环境的特殊性,目前世界上还没有一个适用于所有产品的通用机器视觉检测系统。虽然各个检测系统采用的检测设备和检测方法差异很大,但其检测的一般模式却是相同的。机器视觉检测的一般模式是首先通过光学成像和图像采集装置获得产品的数字化图像,再用计算机进行图像处理得到相关检测信息,形成对被测产品的判断决策,最后将该决策信息发送到分拣装置,完成被测产品的分拣。 机器视觉检测的一般模式如图1所示: 图1机器视觉检测的一般模式 1.1图像获取 图像获取是机器视觉检测的第一步,它影响到系统应用的稳定性和可靠性。图像的获取实际上就是将被测物体的可视化图像和内在特征转换成能被计算机处理的图像数据。机器视觉检测系统一般利用光源,光学镜头,相机,图像采集卡等设备获取被测物体的数字化图像。 1.2视觉检测 视觉检测通过图像处理的方法从产品图像中提取需要的信息,做出结果处理并发送相应消息到分拣机构。通常这部分功能由机器视觉软件来完成。优秀的机器视觉软件可对图像中的目标特征进行快速准确地检测,并最大限度地减少对硬件系统的依赖性,而算法设计不够成熟的机器视觉软件则存在检测速度慢,误判率高,对硬件依赖性强等特点。在机器视觉检测系统中视觉信息的处理主要依赖于图像处理方法,它包括图像增强,数据编码和传输,平滑,边缘锐化,分割,特征提取,目标识别与理解等内容。 1.3分拣 对于一个检测系统而言,最终是要实现次品(含不同种类的次品)与合格品的分离即分拣,这部分功能由分拣机构来完成。分拣是机器视觉检测的最后一个也是最为关键的一个环节"对于不同的应用场合,分拣机构可以是机电系统!液压系统!气动系统中的某一种。但无论是哪一种,除了其加工制造和装配精度要严格保证以外,其动态特性,特别是快速性和稳定性也十分重要,必须在设计时予以足够的重视。 2机器视觉检测系统的构成 一个典型的机器视觉检测系统主要包括光源、光学镜头、数字相机、图像采集卡、图像处理模块、分拣机构等部份。其构成如图2所示。 图2典型的机器视觉检测系统 3光源

机器视觉检测系统的工作原理与检测流程【干货】

机器视觉检测系统的工作原理与检测流程 内容来源网络,由“深圳机械展(11万㎡,1100多家展商,超10万观众)”收集整理! 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示,就在深圳机械展. 在机器视觉检测系统工作流程中,主要分为图像信息获取、图像信息处理和机电系统执行检测结果3个部分,另外根据系统需要还可以实时地通过人机界面进行参数设置和调整。 当被检测的对象运动到某一设定位置时会被位置传感器发现,位置传感器会向PLC控制器发送“探测到被检测物体”的电脉冲信号,PLC控制器经过计算得出何时物体将移动到CCD相机的采集位置,然后准确地向图像采集卡发送触发信号,采集开检测的此信号后会立即要求CCD相机采集图像。被采集到的物体图像会以BMP文件的格式送到工控机,然后调用专用的分析工具软件对图像进行分析处理,得出被检测对象是否符合预设要求的结论,根据“合格”或“不合格”信号,执行机会对被检测物体作出相应的处理。系统如此循环工作,完成对被检测物体队列连续处理。如下图所示。

机器视觉检测系统工作原理 一个完整的机器视觉检测系统的主要工作过程如下: ①工件定位传感器探测到被检测物体已经运动到接近机器视觉摄像系统的视野中心,向机器视觉检测系统的图像采集单元发送触发脉冲。 ②机器视觉检测系统的图像采集单元按照事先设定的程序和延时,分别向摄像机和照明系统发出触发脉冲。 ③机器视觉摄像机停止目前的扫描,重新开始新的一帧扫描,或者机器视觉摄像机在触发脉冲来到之前处于等待状态,触发脉冲到来后启动一帧扫描。 ④机器视觉摄像机开始新的一帧扫描之前打开电子快门,曝光时间可以事先设定。 ⑤另一个触发脉冲打开灯光照明,灯光的开启时间应该与机器视觉摄像机的曝光时间相匹配。 ⑥机器视觉摄像机曝光后,正式开始新一帧图像的扫描和输出。 ⑦机器视觉检测系统的图像采集单元接收模拟视频信号通过A/D转换器将其数字化,或者是直接接收机器视觉摄像机数字化后的数字视频信号。 ⑧处理结果控制生产流水线的动作、进行定位、纠正运动的误差等。 从上述的工作流程可以看出,机器视觉检测系统是一种相对复杂的系统。大多监控和检测对象都是运动的物体,系统与运动物体的匹配和协调动作尤为重要,所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域,例如机器人、飞行物体制导等,对整个系统或者系统的一部分的重量、体积和功耗等都会有严格的要求。 尽管机器视觉应用各异,归纳一下,都包含一下几个过程: ①图像采集:光学系统采集图像,将图像转换成数字格式并传入计算机存储器。

机器视觉检测

机器视觉检测 一、概念 视觉检测是指通过机器视觉产品(即图像摄取装置,分 CMOS 和CCD 两种)将被摄取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;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。 机器视觉检测的特点是提高生产的柔性和自动化程度。 2、典型结构 五大块:照明、镜头、相机、图像采集卡、软件 1.照明 照明是影响机器视觉系统输入的重要因素,它直接影响输入数据的质量和应用效果。目前没有通用的照明设备,具体应用场景选择相应的照明装置。照射方法可分为: 分类具体说明优点 背向照明被测物放在光源和摄像机之 间能获得高对比度的图像 前向照明光源和摄像机位于被测物的 同侧 便于安装 结构光将光栅或线光源等投射到被 测物上,根据它们产生的畸 变,解调出被测物的三维信 息 频闪光照明将高频率的光脉冲照射到物

体上,摄像机拍摄要求与光 源同步 2.镜头 镜头的选择应注意以下几点:焦距、目标高度、影像高度、放大倍数、影响至目标的距离、中心点/节点、畸变。 3.相机 按照不同标准可分为:标准分辨率数字相机和模拟相机等。 要根据不同的实际应用场合选不同的相机和高分辨率相机:线扫描CCD 和面阵CCD;单色相机和彩色相机。 为优化捕捉到的图像,需要对光圈、对比度和快门速度进行调整。 4.图像采集卡 图像采集卡是图像采集部分和图像处理部分的接口。将图像信号采集到电脑中,以数据文件的形式保存在硬盘上。通过它,可以把摄像机拍摄的视频信号从摄像带上转存到计算机中。 5.软件 视觉检测系统使用软件处理图像。软件采用算法工具帮助分析图像。视觉检测解决方案使用此类工具组合来完成所需要的检测。是视觉检测的核心部分,最终形成缺陷的判断并能向后续执行机构发出指令。常用的包括,搜索工具,边界工具,特征分析工具,过程工具,视觉打印工具等。 3、关键——光源的选择 1.光源选型基本要素: 对比度机器视觉应用的照明的最重要的任务就是使需要被观察的特征与需要被忽略的图像特征之间产生最大的对比度,从而易于特

机器视觉检测讲解

研究背景: 产品表面质量是产品质量的重要组成部分,也是产品商业价值的重要保障。产品表面缺陷检测技术从最初的依靠人工目视检测到现在以CCD 和数字图像处理技术为代表的计算机视觉检测技术,大致经历了三个阶段,分别是传统检测技术阶段、无损检测技术阶段、计算机视觉检测技术阶段。[] 传统检测技术 (1)人工目视检测法 (2)频闪检测法 无损检测技术 (1)涡流检测法 (2)红外检测法 (3)漏磁检测法 计算机视觉检测技术 (1)激光扫描检测法 (2)CCD 检测法 采用荧光管等照明设备,以一定方向照射到物体表面上,使用CCD摄像机来扫描物体表面,并将获得的图像信号输入计算机,通过图像预处理、缺陷区域的边缘检测、缺陷图像二值化等图像处理后,提取图像中的表面缺陷的相关特征参数,再进行缺陷图像识别,从而判断出是否存在缺陷及缺陷的种类信息等。 优点:实时性好,精确度高,灵活性好,用途易于扩充,非接触式无损检测。 基于机器视觉的缺陷检测系统优点: 集成化生产缩短产品进入市场时间改进生产流程100%质量保证实时过程监控提高产量精确检测100%检测 由于经济和技术原因国内绝大多数图像处理技术公司都以代理国外产品为主,没有或者很少涉足拥有自主知识产权的机器视觉在线检测设备,对视觉技术的开发应用停留在比较低端的小系统集成上,对需要进行大数据量的实时在线检测的研究很少也很少有成功案例,但是随着国内经济发展和技术手段不断提高对产品质量检测要求就更高,对在线检测设备的需求也就更大具有巨大的市场潜力。 机器视觉图像处理技术是视觉检测的核心技术 铸件常见缺陷:砂眼气孔缩孔披缝粘砂冷隔掉砂毛刺浇不足缺陷变形 问题的提出: 1.水渍、污迹等不属于铸件缺陷,但由于其外观形貌与缺陷非常类似, 因此易被检测系统误识为缺陷。从目前发表的文献来看,对于伪缺陷的识别率较低。 2.不同种缺陷之间可能存在形状、纹理等方面的相似性,造成缺陷误判。 国外研究发展现状: 20 世纪90 年代后,基于机器视觉检测系统的自动化功能和实用化水平得到了进一步的提高。 1990 年芬兰Rautaruukki New Technology公司研制了Smartivis表面检测系统[],该系统具有自学习分类功能,应用机器学习方法对决策树结构进行自动设计优化。 1996 年美国Cognex公司研发了一套iLearn自学习分类器软件系统并应用于其研制了iS-2000 自动检测系统。通过这两套系统的无缝衔接,极大地提高了检测系统实时的运算速度,有效的改进了传统自学习分类方法在算法执行速度、数据实时吞吐量、样本训练集规模及模式特征自动选择等方面的不足之处[]。 2004 年Parsytec公司发布了新一代表面质量检测产品Parsytec5i,该系统运用了自学习神经

机器视觉检测系统【深度解读】

机器视觉检测系统 内容来源网络,由“深圳机械展(11万㎡,1100多家展商,超10万观众)”收集整理! 更多cnc加工中心、车铣磨钻床、线切割、数控刀具工具、工业机器人、非标自动化、数字化无人工厂、精密测量、3D打印、激光切割、钣金冲压折弯、精密零件加工等展示,就在深圳机械展. 现代工业自动化生产中涉及到各种各样的检验、生产监视和零件识别应用,如汽车零配件批量加工的尺寸检查和自动装配的完整性检查、电子装配线的元件自动定位、IC上的字符识别等。通常这种带有高度重复性和智能性的工作是由肉眼来完成的,但在某些特殊情况下,如对微小尺寸的精确快速测量、形状匹配以及颜色辨识等,依靠肉眼根本无法连续稳定地进行,其它物理量传感器也难以胜任。人们开始考虑用CCD照相机抓取图像后送入计算机或专用的图像处理模块,通过数字化处理,根据像素分布和亮度、颜色等信息来进行尺寸、形状、颜色等的判别。这种方法是把计算机处理的快速性、可重复性与肉眼视觉的高度智能化和抽象能力相结合,由此产生了机器视觉检测技术的概念。 视觉检测技术是建立在计算机视觉研究基础上的一门新兴测试技术。与计算机视觉研究的视觉模式识别、视觉理解等内容不同,视觉检测技术重点研究的是物体的几何尺寸及物体的位置测量,如轿车白车身三维尺寸的测量、模具等三维面形的快速测量、大型工件同轴度测量以及共面性测量等,它可以广泛应用于在线测量、逆向工程等主动、实时测量过程。视觉检测技术在国外发展很快,早在20世纪80年代,美国国家标准局就曾预计未来90%的检测任务将由视觉检测系统来完成。因此仅在80年代,美国就有100多家公司跻身于视觉检测系统的经营市场,可见视觉检测系统确实很有发展前途。在近几届北京国际机床展览会上已

机器视觉与智能检测创新实践

《机器视觉与智能检测创新实践》课程设计报告 题目:基于可见光红外光图像的处理 班级: 姓名: 学号: 指导老师: 日期:

一、实验目的 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取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;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。本实验的目的就是通过学生自身动手实验,使学生对机器视觉系统及图像处理有一定的认识。同时加深学生的动手能力和培养学生的创新能力。 二、实验设备 机器视觉实验平台,计算机,Matlab软件等 三、实验任务 (1)对采集的近红外图像进行增强、分割和细化(自己挑选成像效果较好的手背或手掌的近红外图像) 1、了解增强、分割和细化等处理的概念和效果并编程实现增强、分割和细化; 2、分别比较不同增强、分割和细化方法的优劣 (2)对采集到的可见光手掌图像进行分割得到手掌及手指的轮廓。

四、相关概念介绍 1、光谱 光谱是复色光经过色散系统(如棱镜、光栅)分光后,被色散开的单色光按波长(或频率)大小而依次排列的图案,如图1所示。 光波是由原子内部运动的电子产生的。各种物质的原子内部电子的运动情况不同,所以它们发射的光波也不同。研究不同物质的发光和吸收光的情况,有重要的理论和实际意义,已成为一门专门的学科——光谱学。 图1 可见光的光谱图 种类:发射光谱物体发光直接产生的光谱叫做发射光谱。发射光谱有两种类型:连续光谱和明线光谱。 连续分布的包含有从红光到紫光各种色光的光谱叫做连续光谱。炽热的固体、液体和高压气体的发射光谱是连续光谱。例如电灯丝发出的光、炽热的钢水发出的光都形成连续光谱。 只含有一些不连续的亮线的光谱叫做明线光谱。明线光谱中的亮线叫做谱线,各条谱线对应于不同波长的光。稀薄气体或金属的蒸气的发射光谱是明线光谱。明线光谱是由游离状态的原子发射的,所以也叫原子光谱。

机器视觉应用案例分析

机器视觉应用案例简析 机器视觉的应用在近年来越加广泛,其中机器视觉检测、机器人视觉两方面的技术成为目前主要的两大技术应用领域,维视图像在此为你介绍机器视觉的部分应用实例,为大家学习提供参考。 一、机器视觉两大主要应用领域 1. 机器视觉检测:机器视觉检测又可分为高精度定量检测(例如显微照片的细胞分类、机械零部件的尺寸和位置测量)和不用量器的定性或半定量检测(例如产品的外观检查、装配线上的零部件识别定位、缺陷性检测与装配完全性检测)。 基于通用视觉系统的角度检测 2. 机器人视觉:用于指引机器人在大范围内的操作和行动,如从料斗送出的杂乱工件堆中拣取工件并按一定的方位放在传输带或其他设备上(即料斗拣取问题)。至于小范围内的操作和行动,还需要借助于触觉传感技术。

基于视觉技术的机器人定位 二、机器视觉10大应用实例分析 1. 基于机器视觉的仪表板总成智能集成测试系统 EQ140-II汽车仪表板总成是我国某汽车公司生产的仪表产品,仪表板上安装有速度里程表、水温表、汽油表、电流表、信号报警灯等,其生产批量大,出厂前需要进行一次质量终检。检测项目包括:检测速度表等五个仪表指针的指示误差;检测24个信号报警灯和若干照明9灯是否损坏或漏装。一般采用人工目测方法检查,误差大、可靠性差,不能满足自动化生产的需要。基于机器视觉的智能集成测试系统,改变了这种现状,实现了对仪表板总成智能化、全自动、高精度、快速化的质量检测,克服了人工检测所造成的各种误差,大大提高了检测效率。 2. 金属板表面自动控伤系统 金属板如大型电力变压器线圈、扁平线收音机朦胧皮等的表面质量都有很高的要求,但原始的采用人工目视或用百分表加控针的检测方法,不仅易受主观因素的影响,而且可能会给被测表面带来新的划伤。金属板表面自动探伤系统利用机器视觉技术对金属表面缺陷进行自动检查,在生产过程中高速、准确地进行检测,同时由于采用非接角式测量,避免了产生新划伤的可能。 3. 汽车车身检测系统 英国ROVER汽车公司800系列汽车车身轮廓尺寸精度的100%在线检测,是机器视觉系

视觉检测系统报告

视觉检测系统报告 年春季学期研究生课程考核(阅读报告、研究报告)考核科目:视觉测量系统学所在院(系):电气工程及自动化学院学生所在学科:仪器科学与技术学生姓名:***学 号:10S001***学生类别:工学硕士考核结果: 阅卷人: 视觉测量系统课程报告第一部分视觉测量系统发展现状综述机器视觉自起步发展到现在,已有15年的发展历史。应该说机器视觉作为一种应用系统,其功能特点是随着工业自动化的发展而逐渐完善和发展的。 目前全球整个视觉市场总量大概在60~70亿美元,是按照每年 8、8%的增长速度增长的。而在中国,这个数字目前看来似乎有些庞大,但是随着加工制造业的发展,中国对于机器视觉的需求将承上升趋势。 一、机器视觉的定义及特点简言之,机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置,分CMOS和CCD两种)将被摄取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;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。

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。 正是由于机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成,因此,在现代自动化生产过程中,人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。在中国,这种应用也在逐渐被认知,且带来最直接的反应就是国内对于机器视觉的需求将越来越多。 二、机器视觉在国内外的应用现状在国外,机器视觉的应用普及主要体现在半导体及电子行业,其中大概40%~50%都集中在半导体行业。具体如PCB印刷电路:各类生产印刷电路板组装技术、设备;单、双面、多层线路板,覆铜板及所需的材料及辅料;辅助设施以及耗材、油墨、药水药剂、配件;电子封装技术与设备;丝网印刷设备及丝网周边材料等。SMT表面贴装:SMT工艺与设备、焊接设备、测试仪器、返修设备及各种辅助工具及配件、SMT材料、贴片剂、胶粘剂、焊剂、焊料及防氧化油、焊膏、清洗剂等;再流焊机、波峰焊机及自动化生产线设备。电子生产加工设备:电子元件制造设备、半导体及集成电路制造设备、元

机器视觉检测系统的最经典结构

机器视觉检测系统的最经典结构一个典型的机器视觉系统主要包括五大块,分别是照明、镜头、相机、图像采集和视觉处理器。 下面,我们就来认识一下这五个结构的用途、特点与工作情况。 照明是影响机器视觉系统输入的重要因素,它直接影响输入数据的质量和应用效果。 照明系统可以将被测物特征最大化,并减少相应的背景中对比物的影响,使高速相机可以清晰地“看见”被测物。 高对比的图像可以降低系统难度并提高系统的稳定性;反之,低对比的图像会增加系统的处理时间并使加大系统的复杂度。 机器视觉应用的成功很大一部分取决于照明设置,一个合适的照明系统可以使整个视觉检测系统更具有效率和准确性。 由于没有通用的机器视觉照明设备,所以针对每个特定的应用实例,要选择相应的照明装置,以达到最佳效果。

光源可分为可见光和不可见光。常用的几种可见光源是白炽灯、日光灯、水银灯和钠 光灯。 可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定,是实用化过程中急需要解决的问题。 另一方面,环境光有可能影响图像的质量,所以可采用加防护屏的方法来减少环境光的影响。

照明系统按其照射方法可分为:背向照明、前向照明、结构光和频闪光照明等。 其中,背向照明是被测物放在光源和摄像机之间,它的优点是能获得高对比度的图像。 前向照明是光源和摄像机位于被测物的同侧,这种方式便于安装。 结构光照明是将光栅或线光源等投射到被测物上,根据它们产生的畸变,解调出被测物的三维信息。 频闪光照明是将高频率的光脉冲照射到物体上,摄像机拍摄要求与光源同步。 机器视觉照明要点有使用强光检测缺失的材料、使用合适的波长进行精确定位、使用非散射照明检测玻璃裂缝、使用扩散光检查透明包装、使用颜色来创建对比度等。 相机镜头由多个透镜、可变(亮度)光圈和对焦环组成。使用时由操作者观察相机显示屏来调整可变光圈和焦点,以确保图像的明亮程度及清晰度。 在选择镜头时需要考虑多个方面的因素如焦距、目标高度、影像高度、放大倍数、影像至目标的距离等。 在实际应用中“选择与视场相符的透镜”及“以大景深聚焦图像”是选择镜头时非常重要的两个方面。 机器视觉相机的目的是将通过镜头投影到传感器的图像传送到能够储存、分析和(或者)显示的机器设备上。

机器视觉检测技术的应用

机器视觉检测技术的典型应用 机器视觉工业检测系统就其检测性质和应用范围而言,分为定量和定性检测两大类,每类又分为不同的子类。机器视觉在工业在线检测的各个应用领域十分活跃,如:印刷电路板的视觉检查、钢板表面的自动探伤、大型工件平行度和垂直度测量、容器容积或杂质检测、机械零件的自动识别分类和几何尺寸测量等。此外,在许多其它方法难以检测的场合,利用机器视觉系统可以有效地实现。机器视觉的应用正越来越多地代替人去完成许多工作,这无疑在很大程度上提高了生产自动化水平和检测系统的智能水平。 机器视觉在质量检测中的应用实例 机器视觉系统在质量检测的各个方面得到了广泛的应用,例如:采用激光扫描与CCD探测系统的大型工件平行度、垂直度测量仪,它以稳定的准直激光束为测量基线,配以回转轴系,旋转五角标棱镜扫出互相平行或垂直的基准平面,将其与被测大型工件的各面进行比较。在加工或安装大型工件时,可用该认错器测量面间的平行度及垂直度。 以频闪光作为照明光源,利用面阵和线阵CCD作为螺纹钢外形轮廓尺寸的探测器件,实现热轧螺纹钢几何参数在线测量的动态检测系统。 视觉技术实时监控轴承的负载和温度变化,消除过载和过热的危险。将传统上通过测量滚珠表面保证加工质量和安全操作的被动式测量变为主动式监控。 用微波作为信号源,根据微波发生器发出不同波涛率的方波,测量金属表面的裂纹,微波的波的频率越高,可测的裂纹越狭小。 总之,类似的实用系统还有许多,这里就不一一概述了。下面我们较详细地介绍三个实用机器视觉系统。 基于机器视觉的仪表板总成智能集成测试系统 EQ140-II汽车仪表板总成是我国某汽车公司生产的仪表产品,仪表板上安装有速度里程表、水温表、汽油表、电流表、信号报警灯等,其生产批量大,出厂前需要进行一次质量终检。检测项目包括:检测速度表等五个仪表指针的指示误差;检测24个信号报警灯和若干照明9灯是否损坏或漏装。一般采用人工目测方法检查,误差大,可靠性差,不能满足自动化生产的需要。基于机器视觉的智能集成测试系统,改变了这种现状,实现了对仪表板总成智能化、全自动、高精度、快速质量检测,克服了人工检测所造成的各种误差,大大提高了检测效率。 整个系统分为四个部分:为仪表板提供模拟信号源的集成化多路标准信号源、具有图像信息反馈定位的双坐标CNC系统、摄像机图像获取系统和主从机平行处理系统。 金属板表面自动控伤系统 金属板如大型电力变压器线圈扁平线收音机蒙胧皮等的表面质量都有很高的要求,但原始的采用人工目视或用百分表加控针的检测方法不仅易受主观因素的影响,而且可能会绘被

机器视觉与智能检测2011-讲义

2011/9/21
https://www.wendangku.net/doc/492041810.html,
第一讲 视觉检测概述
1.1什么是计算机视觉
机器视觉与智能检测
华南理工大学 2011.09
1.2什么是视觉检测技术 1.3视觉检测的作用 1.4视觉检测的特点
https://www.wendangku.net/doc/492041810.html,
https://www.wendangku.net/doc/492041810.html,
1.1?什么是计算机视觉
外部信息感知:耳朵 鼻子 舌头 皮肤 眼睛 听觉 嗅觉 味觉 触觉 视觉(80%) 计算机视觉:利用计算机模拟生物宏观视觉功能的科学 创建数字图像 恢复现实模型 认知现实世界 起源:50年代—模式识别:二维灰度图像的分析与识别 发展:60年代—Roberts三维机器视觉 70年代—Marr视觉计算理论 计算理论、表示与算法、硬件实现 80年代—蓬勃发展,新概念,新方法,新理论
1.2?什么是视觉检测
视觉检测:利用计算机视觉技术实现目标参数的自动检测 光学成像技术 图像获取和存储 视觉 检测 技术
数字 目标 图像
光源 镜头 图像 卡 视觉 算法 视觉 算法 计算机 算法
数字图像处理
特征
模式识别技术
识别
信息处理技术
处理、控制
https://www.wendangku.net/doc/492041810.html,
https://www.wendangku.net/doc/492041810.html,
1.2?什么是视觉检测
视觉检测与其他学科的关系 图像处理 模式识别 计算机视觉 视觉检测
图像 图像 目标 目标
滤波、增强、复原 分割、细化,压缩 识别 提取 采集
1.3?视觉检测的作用
智能 判断 视觉 检测 参数 测量
美国国家标准局:未来检测任务的90% 有无:生产件零件计数、外包装喷码 方位:电子元件焊接 缺陷:产品包装损害、零件缺陷 匹配:染色体配对、目标相关性检验 匹配:染色体配对 目标相关性检验 识别:数字、字符、标记、目标 尺寸:长度、角度、形状 位置:零件位置公差、元件定位、三坐标 颜色:药液品质检测、油漆速度、纺织品 灰度:玻璃制品透明度、液体浑浊度 领域: 工业、交通,三航、军事、医学、安防
图像
特征
图像 处理
图像
图像
模式 图像 特征 信息 识别 分析
计算机视觉
信息
测量数据处理
测量结果
计算机图形学 数字
计算、重构、生成
图像
1

机器视觉检测的分析简答作业及答案要点

2012研究生机器视觉课程检测及课程设计内容 一、回答下列问题: 1、什么是机器视觉,它的目标是什么?能否画出机器视觉检测系统的结构方 块图,并说出它们的工作过程原理和与人类视觉的关系? 机器视觉是机器(通常指计算机)对图像进行自动处理并报告“图像中有什么”的过程,也就是说它识别图像中的内容。图像中的内容往往是某些机器零件,而处理的目标不仅要能对机器零件定位,还要能对其进行检验。 机器视觉系统的组成框图 2、在机器视觉检测技术中:什么是点视觉技术、一维视觉技术、二维视觉技 术、三维视觉技术、运动视觉技术、彩色视觉技术、非可见光视觉技术等? 能否说出他们的应用领域病句、案例?能否描述它们的技术特点? 答:点视觉:用一个独立变量表示的视觉称之为点视觉。如应用位移传感器测量物体的移动速度。 一维视觉:普通的CCD。 两维视觉:用两个独立变量表示的视觉称之为两维视觉。比如普通的CCD。 三维视觉:用三个独立变量表示的视觉称之为三维视觉。比如用两个相机拍摄(双目视觉);或者使用一个相机和一个辅助光源。 彩色视觉:用颜色作为变量的视觉称之为彩色视觉。物体的颜色是由照 射光源的光谱成分、光线在物体上反射和吸收的情况决定的。比如,一 个蓝色物体在日光下观察呈现蓝色,是由于这个物体将日光中的蓝光 反射出来,而吸收了光谱中的其他部分的光谱,而同样的蓝色物体, 在红色的光源照射下,则呈现红紫色, 非可见光视觉技术:用非可见光作为光源的视觉技术。比如非可见光成像技术。

3、机器视觉检测技术中:光源的种类有哪些?不同光源的特点是什么?光照 方式有几种?不同光照方式的用途是什么?又和技术特点和要求? 机器视觉检测技术中光源有以下几种:荧光灯,卤素灯+光纤导管,LED 光源,激光,紫外光等。几种光源的特点如下: 光照方式有以下几种: 背景光法(背光照射)是将被测物置于相机和光源之间。这种照明方式的优点是可将被测物的边缘轮廓清晰地勾勒出来。由于在图像中,被测物所遮挡的部分为黑色,而未遮挡的部分为白色,因此形成“黑白分明”的易于系统分析的图像。此方法被应用于90%的测量系统中。 前景光法(正面照射)是将灯源置于被测物和相机之前。又可分为明场照射和暗场照射。明场照射是为了获得物体的几乎全部信息,照射物体的光在视野范围之内几乎全部反射回去;暗场照射是为了获取物体表面的凹凸,照射物体的光在视野范围之外有部分光反射回去。 同轴光法是将灯源置于被测物和相机之间。 4、机器视觉检测系统中,光学系统的作用是什么?光学器件有哪几种,它们 各自的作用是什么?光学镜头有几种类型,它们各自有何用途?光学镜头有哪些技术参数,各自对测量有什么影响? 答:机器视觉检测系统中,光学系统用来采集物体的轮廓、色彩等信息。 光学器件主要有:镜头、成像器件(CCD和CMOS)、光圈、快门等。 镜头的作用是对成像光线进行调焦等处理,使成像更清晰;成像器件的作用是将光学图像转换成模拟电信号;光圈的作用如同人得瞳孔, 控制入射光的入射量,实现曝光平衡;快门的作用是将想要获取的光学

基于机器视觉的产品检测技术研究

基于机器视觉的产品检测技术研究 1、机器视觉 1.1机器视觉的概念 机器视觉被定义为用计算机来模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制。一个典型的工业机器视觉应用系统包括光源、光学系统、图像采集系统、数字图像处理与智能判断决策模块和机械控制执行模块。系统首先通过CCD相机或其它图像拍摄装置将目标转换成图像信号,然后转变成数字化信号传送给专用的图像处理系统,根据像素分布!亮度和颜色等信息,进行各种运算来抽取目标的特征,根据预设的容许度和其他条件输出判断结果。 值得一提的是,广义的机器视觉的概念与计算机视觉没有多大区别,泛指使用计算机和数字图像处理技术达到对客观事物图像的识别、理解。而工业应用中的机器视觉概念与普通计算机视觉、模式识别、数字图像处理有着明显区别,其特点是: 1、机器视觉是一项综合技术,其中包括数字图像处理技术、机械工程技术、控制技术、电光源照明技术,光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。这些技术在机器视觉中是并列关系。相互协调应用才能构成一个成功的工业机器视觉应用系统。 2、机器视觉更强调实用性,要求能够适应工业生产中恶劣的环境,要有合理的性价比,要有通用的工业接口,能够由普通工作者来操作,有较高的容错能力和安全性,不会破坏工业产品,必须有较强的通用性和可移植性。 3、对机器视觉工程师来说,不仅要具有研究数学理论和编制计算机软件的能力,更需要光、机、电一体化的综合能力。 4、机器视觉更强调实时性,要求高速度和高精度,因而计算机视觉和数字图像处理中的许多技术目前还难以应用于机器视觉,它们的发展速度远远超过其在工业生产中的实际应用速度。 1.2机器视觉的研究范畴 从应用的层面看,机器视觉研究包括工件的自动检测与识别、产品质量的自动检测、食品的自动分类、智能车的自主导航与辅助驾驶、签字的自动验证、目标跟踪与制导、交通流的监测、关键地域的保安监视等等。从处理过程看,机器视觉分为低层视觉和高层视觉两阶段。低层视觉包括边缘检测、特征提取、图像分割等,高层视觉包括特征匹配、三维建模、形状分析与识别、景物分析与理解等。从方法层面看,有被动视觉与主动视觉之,又有基于特征的方法与基于模型的方法之分。从总体上来看,也称作计算机视觉。可以说,计算机视觉侧重于学术研究方面,而机器视觉则侧重于应用方面。 机器人视觉是机器视觉研究的一个重要方向,它的任务是为机器人建立视觉系统,使得机器人能更灵活、更自主地适应所处的环境,以满足诸如航天、军事、工业生产中日益增长的需要(例如,在航天及军事领域对于局部自主性的需要,在柔性生产方式中对于自动定位与装配的需要,在微电子工业中对于显微结构的检测及精密加工的需要等)。机器视觉作为一门工程学科,正如其它工程学科一样,是建立在对基本过程的科学理解之上的。机器视觉系统的设计依赖于具体的问题,必须考虑一系列诸如噪声、照明、遮掩、背景等复杂因素,折中地处理信噪比、分辨率、精度、计算量等关键问题。 1.3机器视觉的研究现状 机器视觉研究出现于60年代初期,电视摄像技术的成熟与计算机技术的发展使得机器视觉研究成为可能。它作为早期人工智能研究的一部分,由于技术条件的限制,进展缓慢。80年代初,在D·Marr提出的计算视觉理论指导下,机器视觉研究得到了迅速发展,成为

机器视觉检测系统

机器视觉检测系统 1机器视觉检测的一般模式 机器视觉检测的对象千差万别,检测的目的也不尽相同。农产品如柑橘、玉米等通常是检测其成熟度,大小,形态等,工业产品如工业零件,印刷电路板通常是检测其几何尺寸,表面缺陷等。不同的应用场合,就需要采用不同的检测设备和检测方法。如有的检测对精度要求高,就需要选择高分辨率的影像采集装置;有的检测需要产品的彩色信息,就需要采用彩色的影像采集装置。正是由于不同检测环境的特殊性,目前世界上还没有一个适用于所有产品的通用机器视觉检测系统。虽然各个检测系统采用的检测设备和检测方法差异很大,但其检测的一般模式却是相同的。机器视觉检测的一般模式是首先通过光学成像和图像采集装置获得产品的数字化图像,再用计算机进行图像处理得到相关检测信息,形成对被测产品的判断决策,最后将该决策信息发送到分拣装置,完成被测产品的分拣。 机器视觉检测的一般模式如图1所示: 图1 机器视觉检测的一般模式 1.1图像获取 图像获取是机器视觉检测的第一步,它影响到系统应用的稳定性和可靠性。图像的获取实际上就是将被测物体的可视化图像和内在特征转换成能被计算机处理的图像数据。机器视觉检测系统一般利用光源,光学镜头,相机,图像采集卡等设备获取被测物体的数字化图像。 1.2视觉检测 视觉检测通过图像处理的方法从产品图像中提取需要的信息,做出决策并发送相应消息到分拣机构。通常这部分功能由机器视觉软件来完成。优秀的机器视觉软件可对图像中的目标特征进行快速准确地检测,并最大限度地减少对硬件系统的依赖性,而算法设计不够成熟的机器视觉软件则存在检测速度慢,误判率高,对硬件依赖性强等特点。在机器视觉检测系统中视觉信息的处理主要依赖于图像处理方法,它包括图像增强,数据编码和传输,平滑,边缘锐化,分割,特征提取,目标识别与理解等内容。 1.3分拣 对于一个检测系统而言,最终是要实现次品(含不同种类的次品)与合格品的分离即分拣,这部分功能由分拣机构来完成。分拣是机器视觉检测的最后一个也是最为关键的一个环节"对于不同的应用场合,分拣机构可以是机电系统!液压系统!气动系统中的某一种。但无论是哪一种,除了其加工制造和装配精度要严格保证以外,其动态特性,特别是快速性和稳定性也十分重要,必须在设计时予以足够的重视。 2机器视觉检测系统的构成 一个典型的机器视觉检测系统主要包括光源、光学镜头、数字相机、图像采集卡、图像处理模块、分拣机构等部份。其构成如图2所示。 图2 典型的机器视觉检测系统

机器视觉检测技术的应用与分类

机器视觉检测的技术应用与分类 (编辑:李军单位:无锡创视新科技有限公司) 由于机器视觉检测能够最大程度的提高产品质量、降低成本,同时机器视觉系统可以24小时不间断的工作,且可在各种恶劣生产环境下高速在线检测,检测的准确度也达到接近100 %,因此工业企业大量采用机器视觉检测技术进行产品在线质量检测。 随着计算机技术、数字图像处理技术、LED光源技术等领域的不断发展,机器视觉技术也有了长足的进步。机器视觉技术在检测领域的应用也越来越广、可靠性越来越高、检测速度也越来越快,已经成为众多领域不可或缺的技术手段。 目前机器视觉检测分类主要以功能、安装载体、检测技术进行划分 按照检测功能可划分:定位、缺陷检测、计数/遗漏检测、尺寸测量。 按照其安装的载体可分为:在线检测系统和离线检测系统。 按照检测技术划分,通常有立体视觉检测技术、斑点检测技术、尺寸测量技术、OCR技术等。 视觉检测对于消除瑕疵、模糊、碎屑或凹陷等产品缺陷,以确保产品的功能和性能至关重要。因此已经被广泛用于各大行业的产品缺陷检测、尺寸检测中。如利用视觉系统能进行产品多种项目的检测,用视觉系统检测电子部件的缺陷或偏移的针脚,用视觉系统测量注射器部件形状或区分颜色来进行检查错误装配等。 同时,在交通行业的车牌识别和流量检测、药品行业的包装检测、饮料行业的容量检测和外包装检测、烟草行业的烟标检测和包装材料检测、汽车行业的装配检测、印刷品表面缺陷检测、无纺布疵检在线检测、五金行业的螺丝钉检测、运输行业的货物分拣、食品行业的水果分拣、电子行业的焊接检测和装配定位、钢铁行业的带钢表面缺陷检测、智能读表、智能抄表等都有应用。

机器视觉与视觉检测知识点归纳

一总介 使用机器视觉系统五个主要原因: 1.精确性(无人眼限制) 2.重复性(相同方法检测无疲惫) 3.速度(更快检测) 4.客观性(无情绪主观性) 5.成本(一台机器可承担好几人工作) 机器视觉系统构成: 光学:1.相机与镜头;2.光源; 过渡:3.传感器(判断被测对象位置及状态);4.图像采集卡(把相机图像传到电脑主机); 电学(计算机):5.PC平台;6.视觉处理软件;7.控制单元。 机器视觉系统一般工作过程:1.图像采集;2.图像处理;3.特征提取;4.判决和控制。 机器视觉系统的特点:1.非接触测量;2.具有较宽的光谱响应范围;3.连续性;4.成本较低;5.机器视觉易于实现信息集成;6.精度高;7.灵活性。 机器视觉应用领域两大类:科学研究和工业应用 科学研究主要对运动和变化的规律作分析; 工业方面主要是在线检测产品,机器视觉所能提供的标准检测功能主要有:有/无判断、

面积检测、方向检测、角度测量、尺寸测量、位置检测、数量检测、图形匹配、条形码识别、字符识别、颜色识别等。 二机器视觉系统的构成 相机的主要特性参数: 分辨率:衡量相机对物象中明暗细节的分辨能力。 最大帧率:相机采集传输图像的速率。 曝光方式和快门速度;o(* ̄) ̄*)o? 像素深度:每一个像素数据的位数。 固定图像噪声:不随像素点的空间坐标改变的噪声。 动态范围等 CCD相机和CMOS相机的区别: 1.设计:CCD是单一感光器,CMOS是感光器连接放大器。 2.灵敏度:同样面积下,CCD灵敏度高;CMOS由于感光开口小,灵敏度低。 3.成本:CCD线路品质影响程度高,成本高;CMOS由整合集成,成本低。 4.解析度:CCD连接复杂度低,解析度高;CMOS新技术解析度高。 5.噪点比:CCD信号单一放大,噪点低;CMOS百万放大(每个像素都有各自的 放大器),噪点高。 6.功耗比:CCD需外加电压,功耗高;CMOS直接放大,功耗低。

相关文档
相关文档 最新文档