公司动态

萃石·千云机器视觉实验室正式揭牌

2021/3/19 14:20:42 阅读次数:

        2021年2月4日,萃石·千云视觉实验室正式揭牌启用,实验室拥有多种视觉硬件:光源,兼具线扫相机,面阵相机等,拥有多样的图像检测算法功能:模版匹配,尺寸测量,图像预处理、各类扫码等。机器视觉业务板块的建立,丰富了萃石科技在工业自动化领域的系统集成能力,多种光源、相机、镜头结合强大的图像算法处理能力,标志着萃石科技的机器视觉业务正式起航。

        1、工业机器视觉是什么?

        机器视觉技术,是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要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。机器视觉技术最大的特点是速度快、信息量大、功能多。


        图片63.png

        2、机器视觉能做什么?

        1)检查:外观及缺陷检测,主要利用图像像素灰度值及其亮度分析。例如:工件表面划伤检测、高分子材料缺陷检测、破洞检测,表面涂布不均匀、轮胎表面缺陷等。

        2)识别:生物特征识别(人脸、虹膜),目标识别(车牌识别),条码识别(一维码、二维码),字符识别,纹理识别等。识别的最终目的主要是为了分类,这里需要利用大数据训练学习,还需要借助深度学习。例如:面容解锁等;

        3)测量:几何尺寸测量(长、宽、高、周长、面积、体积等),圆或者椭圆(圆心、半径、轮廓、角度、尺寸等);测量必须先标定,以确保图像不存在畸变,使标定更精准。例如:工件的尺寸测量、快递的体积测量等;

        4)定位:工装定位、移位、装配、码垛机器人。例如:物流线上引导机器手抓取物体;水管切割位置的定位,无序抓取(3D视觉应用场景)等。

        5)热成像:主要应用医学影像分析,军事。

        图片64.png

        3、2D视觉案例分析:

        1)测量:标签纸喷码与边缘间距测量,检测内容为:测量字符到标签纸边缘的距离;字符到标签纸边缘的距离决定了字符整体的偏移程度,因为标签纸为整版印刷。

        精度要求:0.05mm;(确定相机选型)

        节拍:1S/次;静止还是运动拍摄(确定相机的曝光方式以及帧率)

        视场:最大的标签纸为250mm*120mm;故视场要大于250mm*120mm;(确定镜头的选型以及工作距的大小)

        工作距:300mm;(与拍摄视场大小和精度有关)

        解析:本案例属于典型的测量距离案例,检测内容简单、精度要求不高,节拍要求不快,扩展为:金属加工件尺寸检测、饮料瓶装的液位检测等

        图片65.png

        2)定位抓取:检测内容:手机透明背膜的抓取及引导贴合;流程为:先用视觉拍摄白色背膜的边角,进行贴合物与被贴合物的相对位置位置确定,然后进行抓取放置。

        精度要求:0.01mm;

        节拍要求:15S/次;

        视场要求:最大的手机背膜边角为50mm*50mm;

        工作距:100mm;

        解析:本案例属于引导抓取、定位放置典型案例,精度要求高,节拍较慢;可扩展为:物流线上的包裹抓取、流水线上的产品抓取放置等。

        图片66.png

        3)缺陷检测:检测内容:注塑件表面缺陷检测;检测注塑件表面的磕伤、划伤、破洞、变形等;

        精度要求:1mm以上的都需要检测;

        节拍要求:80个/min;

        视场要求:盖子最大直径为50mm;

        工作距:100mm;

        解析:本案例属于缺陷检测,特点为:缺陷较多较杂、标准不统一,难定义;由于大多数缺陷检测需求都是终端生产厂家的需求。可扩展为:金属件表面缺陷检测等。

        图片67.png

        4)扫码检测:检测内容:对芯片的条码(包括一维码、二维码)的读取;读取完成之后进行OK\NG判断,或者进行分类;

        精度要求:能扫出码值即可;

        节拍要求:1s/次;

        视场要求:最大的范围为400mm*350mm;

        工作距:550mm;

        解析:本案例中由于一次性扫码数量较多,无法用一般扫码相机进行拍摄,故选用工业相机进行采图处后进行读码。可扩展案例:多个物品需要同时扫码时,可选用工业相机进行扫码处理。

        图片68.png

         

        5)物体分类:检测内容:给汽车卡钳上的齿轮进行分类;因为齿轮同样的直径齿数不同,装配的过程中很容易被混在一起,但是齿轮上的不同数字代表了不同齿数,故可以对数字进行识别并分类;

        精度要求:1mm;

        节拍要求:2S/次;

        视场要求:50mm*50mm;

        工作距:100mm;

        解析:本案例中,客户痛点在于相同外形,齿数不同,人工分选很容易出错,即使通过数字进行分辨,人工投入也较大,故选用视觉检测进行分类。可扩展案例:对各类外形不同的产品进行分类、对不同颜色的产品进行分类,对不同的字符进行分类等等;

        图片69.png

        4、3D视觉应用案例:

        双目相机;检测内容:引导机械手对工件进行喷涂,由于机械手喷涂的时候路径已经规划好,而工件的挂放位置不确定,故需要视觉将工件的空间位置发送给机械手以确保喷涂过程顺利进行。

        精度要求:5mm;

        节拍要求:5S/次;

        视场要求:500mm*500mm;

        工作距:1000mm;

        解析:本案例属于3D应用中较为常用的场景,需要空间坐标引导机械手进行喷涂,2D相机无法满足空间坐标要求,故使用双目相机;可扩展案例:引导抓取立体堆放物体。

        图片70.png