2020-08-27 10:20:10 責任編輯: 瑞智光電 0
視覺檢測設(shè)備機取代手動檢查是必然的發(fā)展趨勢,需求變得越來越多樣化。原先只在生產(chǎn)線上,現(xiàn)在,在制造,醫(yī)療,電子和五金等各個領(lǐng)域都有各種應(yīng)用。例如,一家著名的國內(nèi)電子商務(wù)公司使用3D檢測包裝尺寸并匹配總參數(shù)以進行內(nèi)部跟蹤。
一、2D到3D:該行業(yè)基本上是三維組件,而二維成像畢竟是三維空間中實際情況的一種病理數(shù)據(jù)收集。因此,圍繞3D的各種檢測,測量,機器人指導和其他項目層出不窮。這類似于計算機視覺的情況。有太多的公司使用結(jié)構(gòu)光,ToF,雙目和其他技術(shù)。
二、系統(tǒng)的實施受到各種因素的極大限制:如果您問我什么是視覺檢測設(shè)備機視覺檢測項目中最重要的事情,我肯定會說我可以得到高質(zhì)量的圖片,而僅僅為了得到這樣的圖像圖片,您需要考慮太多,光源,鏡頭選擇,傳感器選擇,速度注意事項,安裝布局,自動化集成,環(huán)境因素注意事項,工件狀態(tài)變化等,哪一部分出了問題都會影響您的圖像質(zhì)量,如果圖像質(zhì)量不夠好,無論算法多么強大,而且由于生產(chǎn)線有良率和節(jié)拍要求,如果整個視覺檢測系統(tǒng)不夠快速可靠,那么您的錯誤檢測率將非常高。這是無數(shù)制造商要面對的問題。例如,我需要檢測到鋁制外殼的特定區(qū)域中有多個孔。當供應(yīng)商提供給您的一批產(chǎn)品的外表面顏色與另一批產(chǎn)品不同或不均勻時,等待你的必然是停機并重新設(shè)置參數(shù)并重新驗證產(chǎn)品。這幾乎不可避免地會百分之百發(fā)生的事情。
三、算法不如硬件開發(fā)快:這是我的感覺,我認為這是當前的主要瓶頸。從系統(tǒng)角度來看,視覺檢測設(shè)備機硬件正在向移動嵌入式方向發(fā)展,而當前的軟件智能還遠遠不夠。深度學習神經(jīng)網(wǎng)絡(luò)在計算機視覺領(lǐng)域很流行,目前在機器視覺領(lǐng)域幾乎沒有成功的應(yīng)用。ViDi是其中之一,F(xiàn)anuc/首選網(wǎng)絡(luò)是其中之一,Google的機器人抓取是其中之一。這是相對簡單的。當目標對象是可變的,特征復雜且樣本數(shù)量不足時,您根本沒有機會使用深度學習,您仍然必須返回傳統(tǒng)的舊道路,然后再考慮嚴格的要求實時而言,機器視覺尤其需要一種新的智能方法,該方法通常用于大多數(shù)應(yīng)用領(lǐng)域,無論是創(chuàng)新,改進還是綜合。
四、詳細處理特定問題:視覺檢測設(shè)備機機器視覺仍與特定應(yīng)用領(lǐng)域密切相關(guān)。每個應(yīng)用程序都需要選擇專用的硬件和軟件來匹配它,并且它需要特殊的設(shè)計,因此沒有一種解決方案可以應(yīng)用于所有檢測。
五、視覺檢測設(shè)備機公司:在我國有很多綜合代理商,而領(lǐng)先的技術(shù)也太少了。有自主研發(fā)能力的公司在少數(shù),例如瑞科智能,瑞智光電。最近,有一個古老的大海康衛(wèi)院用于視頻監(jiān)控,它也可以進行機器視覺。您可以在國外學習Cognex和Keyence。還有就是,沒有公司會做一個機器視覺系統(tǒng)的所有東西,核心是算法和整個硬件的集成。有專門的做鏡頭的公司,專門的做光源的公司和專門的做支架公司。沒有哪家公司會自己做全部的。
六、談一談機器視覺和計算機視覺。盡管它們都處理圖像數(shù)據(jù),但是它們有很大不同。一種是面向系統(tǒng)級別的面向應(yīng)用程序,另一種則側(cè)重于算法。該算法是一半理論和一半應(yīng)用程序的結(jié)合。但這并不是沒有關(guān)系的。例如,在AR在工業(yè)制造中的應(yīng)用中,您無法確定要對哪種技術(shù)進行分類。
視覺檢測設(shè)備機在研發(fā)制造過程中,經(jīng)歷了許多困難和各種問題,目前還算是不錯了,應(yīng)用到各行各業(yè)中,對許多企業(yè)都產(chǎn)生了實質(zhì)性的好處,節(jié)省了很多成本,產(chǎn)品質(zhì)量得到了極大的保障。同時,任重道遠,未來視覺檢測設(shè)備機廠家還需加倍努力,為更多企業(yè)帶來更好的設(shè)備。