Accueil technologie Vision industrielle

Vision industrielle



introduction

La vision machine est une technologie complète, y compris le traitement d'image, la technologie d'ingénierie mécanique, le contrôle, l'éclairage de source de lumière électrique, l'imagerie optique, les capteurs, la technologie vidéo analogique et numérique, les logiciels informatiques et la technologie matérielle (algorithmes d'amélioration et d'analyse d'image, cartes d'image, cartes d'E/S, etc.).

La caractéristique la plus fondamentale d'un système de vision artificielle est d'améliorer la flexibilité et l'automatisation de la production.

Développement

De nos jours, la Chine devient l'une des régions les plus actives dans le développement de la vision artificielle dans le monde, avec des applications couvrant l'industrie, l'agriculture, la médecine, l'armée, l'aérospatiale, la météorologie, l'astronomie et la sécurité publique, les transports, la sécurité, la recherche scientifique et d'autres industries dans l'économie nationale. La raison importante est que la Chine est devenue le centre de traitement de l'industrie manufacturière mondiale.

Après une longue période d'inactivité, le marché chinois de la vision industrielle a connu une croissance explosive en 2010. Les données montrent que le marché chinois de la vision industrielle a atteint 830 millions de yuans cette année-là, soit une augmentation de 48,2 % en glissement annuel.

In2011, China'smachinevisionmarketenteredapost-growthadjustmentperiod.Comparedwiththerapidgrowthin2010, althoughthegrowthratehasdeclined, itstillmaintainsahighlevel.In2011, thescaleofChina'smachinevisionmarketwas1.08billionyuan, AYear-sur-yearincreaseof30.1%, andthegrowthratedropped18.1percentagepointsfrom2010.Amongthem, smartcameras, industrialcameras, softwareandboardsallmaintainedagrowthrateofnolessthan30% .Thelightsourcehasalsoreachedagrowthrateof28.6%, whichismuchhigherthanthegrowthrateofChina En 2011, la taille du marché de l'industrie de la fabrication électronique pour les produits de vision industrielle était de 500 millions de RMB, soit une augmentation de 35,1 %. La part de marché a atteint 46,3 %.

Aperçu

Vision industrielle

Thecharacteristicofthemachinevisionsystemistoimprovetheflexibilityandautomationofproduction.Insomedangerousworkingenvironmentsthatarenotsuitableformanualoperationsoroccasionswhereartificialvisionisdifficulttomeettherequirements, machinevisionisoftenusedtoreplaceartificialvision;. Atthesametime, inthemassindustrialproductionprocess, manualvisualinspectionofproductqualityisinefficientandinaccurate, Theuseofmachinevisioninspectionmethodscangreatlyimproveproductionefficiencyandthedegreeofautomationofproduction.Moreover, machinevisioniseasytorealizeinformationintegration, anditisthebasictechnologytorealizecomputerintegratedmanufacturing.

Structure basique

Un système de vision industriel typique comprend : une source lumineuse, un objectif (objectif à focale fixe, objectif zoom, objectif télécentrique, objectif de microscope), une caméra (y compris une caméra CCD) et une caméra COM), une unité de traitement d'image (ou une carte de capture d'image), un logiciel de traitement d'image, un moniteur, une unité de communication/d'entrée-sortie, etc.

Lesystèmepeutêtreensuitediviséen

Tout d'abord, le système de collecte et d'analyse est séparé.

Serveur

FrameGrabberetprocesseur d'image

Caméra vidéo

Fixfocuslentille

Lentille de microscope

Matériel d'éclairage

Source de lumière halogèneSource de lumière à LED

Source de lumière fluorescente à haute fréquence

p>

Source Flash

Autres sources lumineuses spéciales

Affichage de l'image

LCD

Mécanisme et système de contrôle

PLC, PC-Basecontroller

Table de précision

Servomotionmachine

Deux systèmes intégrés de collecte et d'analyse

b>

Caméra intelligente (acquisition et analyse d'images intégrées)

Autres équipements périphériques de support : source lumineuse, affichage, système de contrôle PLC, etc.

Principe de fonctionnement

ThemachinevisioninspectionsystemusesaCCDcameratoconvertthedetectedtargetintoanimagesignal, whichissenttoadedicatedimageprocessingsystem, accordingtothepixeldistributionandbrightness, colorandotherinformation, Convertedintodigitalsignals, theimageprocessingsystemperformsvariousoperationsonthesesignalstoextractthecharacteristicsofthetarget, suchasarea, le nombre, la position, la longueur, andthenoutputtheresultsaccordingtothepresetallowabilityandotherconditions, includingsize, angle, andsize.Count, réussite / échec, oui / non, etc., torealizetheautomaticidentificationfunction.

Structure typique

Un système de vision industrielle typique comprend les cinq blocs suivants :

Éclairage

LightingaffectstheinputofthemachinevisionsystemImportantfactors, itdirectlyaffectsthequalityoftheinputdataandtheapplicationeffect.Sincethereisnogeneralmachinevisionlightingequipment, foreachspecificapplicationexample, thecorrespondinglightingdeviceshouldbeselectedtoachievethebesteffect.Thelightsourcecanbedividedintovisiblelightandinvisiblelight.Severalcommonlyusedvisiblelightsourcesareincandescentlamps, fluorescentlamps, mercurylampsandsodiumlamps.Thedisadvantageofvisiblelightisthatthelightenergycannotbekeptstable.Howtokeeplightenergystabletoacertainextentisanurgentproblemthatneedstobesolvedintheprocessofpracticalapplication.Ontheotherhand, ambientlightmayaffectthequalityoftheimage, soaprotectivescreencanbeusedtoreducetheimpactofambientlight.Thelightingsystemcanbedividedintobacklighting, forwardlighting, structuredlightandstroboscopiclightingaccordingtoitsilluminationmethod.Amongthem, thebacklightingisthattheobjecttobemeasuredisplacedbetweenthelightsourceandthecamera, anditsadvantageisthatitcanob L'éclairage direct est que la source lumineuse et la caméra sont situées sur le même côté de l'objet à tester, ce qui est pratique pour l'installation.

Lentille

FOV(FieldofVision)=résolution requise*sous-pixel*camerasize/PRTM(partmeasurementtoleranceratio)

sélection de lentilleRemarque :

①Longueur focale②Hauteur cible③Hauteur de l'image④Grossissement⑤distance de l'image à la cible⑥point central/nœud⑦distorsion

Commentdéterminerladistancefocaledelalentilleeninspectionvisuelle

Lors du choix d'une lentille industrielle adaptée à une application spécifique, les facteurs suivants doivent être pris en compte :

·Champ de vision - la taille de la zone de l'image.

·Distancedetravail(WD)-ladistanceentrel'objectifdelacaméraetl'objetoulazoneobservée.

·CCD-latailledudispositifcapteurd'imageriedelacaméra.

·Cesfacteursdoiventêtretraitésdemanièrecohérente.Sivousmesurezlalargeurd'unobjet,vousdevezutiliserlesspécificationshorizontalesdu CCD,et bientôt.

Reportez-vous à l'exemple suivant : Il s'agit d'une caméra CCD à monture C 1/3" (4,8 mm horizontalement). La distance entre l'objet et l'avant de l'objectif est de 12" (305 mm). La taille du champ de vision ou de l'objet est de 2,5" (64 mm).

FL=4.8mmx305mm/64mm

FL=1464mm/64mm

FL=Selon lesexigencesdesobjectifs23mm

FL=0.19"x12"/2.5"

FL=2.28"/2.5"

FL=0.912"x25.4mm/pouce

FL=Selon les exigences de l'objectif 23 mm

Remarque :neconfondezpasladistancedetravailavecladistancedel'objetàl'image.Ladistancedetravailestladistanceentrel'avantdelalentilleindustrielleetl'objetobservé.

Caméra haute vitesse

Appareil photo (2 photos)

Selondifférentesnormes,ilpeutêtrediviséen:Appareilsphotonumériquesàrésolutionstandardetappareilsphotoanalogiques,etc.

Divisé par la couleur d'imagerie, il peut être divisé en caméras couleur et en caméras noir et blanc ;

Divisé par la résolution, le nombre de pixels est de 38. Ceux avec moins de 10 000 sont de type ordinaire et le type haute résolution avec des pixels supérieurs à 380 000 ;

Divisé selon la taille de la surface photosensible, il peut être divisé en 1/4, 1/3, 1/2, 1 pouce ;

Selonlaméthodedebalayage,ellepeutêtrediviséeendeuxméthodes:caméra à balayage de lignes(caméra à balayage de lignes) et caméra à balayage de zones(caméra à balayage de zones);(la caméra à balayage de zones peut être divisée en caméra à balayage entrelacé et caméra à balayage progressif);

Selonlaméthodedesynchronisation,ellepeutêtrediviséeencamérasordinaires(synchronisationinterne)etcamérasavecfonctionsdesynchronisationexterne.

Frame grabber

Carte d'achat(2photos)

L'acquisition d'images n'est qu'une partie d'un système de vision industrielle complet, mais elle joue un rôle très important.

Les cartes de capture compatibles APCI ou AGP sont plus typiques, et peuvent rapidement transférer des images vers la mémoire de l'ordinateur pour traitement. Certaines cartes de capture ont des multiplexeurs intégrés.

Processeur de vision

Leprocesseurdevisionintègreunecartedecaptureetunprocesseur.Auparavant,lorsquelavitessedel'ordinateurétaitfaible,leprocesseurvisuelétaitutilisépouraccélérerlatâchedetraitementvisuel.Lacartedecapturetransmetl'imageàlamémoirepuiscalculeetanalyse.

Sélection de machine

Dansunsystèmedevisionmachine,ilesttrèsimportantd'obteniruneimagetraitabledehautequalité.Laréussitedusystèmeestdes'assurerquelaqualitéd'imageestbonneetquelescaractéristiquessontévidentes.

Élémentsdebasedelasélectiondessourceslumineuses :

Contraste : le contraste est très important pour la vision artificielle. La tâche la plus importante de l'éclairage pour les applications de vision artificielle consiste à maximiser le contraste entre les caractéristiques qui doivent être observées et les caractéristiques de l'image qui doivent être ignorées, afin que les caractéristiques puissent être facilement distinguées.

Luminosité: Whenchoosingtwolightsources, thebestchoiceistochoosethebrighterone.Whenthelightsourceisnotbrightenough, theremaybethreebadsituations.First, thesignal à noiseratioofthecameraisnotenough, becausethebrightnessofthelightsourceisnotenough, thecontrastoftheimageisboundtobeinsufficient, andthepossibilityofnoiseintheimageincreasesimmediately.Secondly, thebrightnessofthelightsourceisnotenough, andtheaperturemustbeincreased, therebyreducingthedepthoffield.Inaddition, whenthebrightnessofthelightsourceisinsufficient, randomlightsuchasnaturallightwillhavethegreatestimpactonthesystem.

Robustesse : Une autre façon de tester une bonne source de lumière est de voir si la source de lumière est la moins sensible à la position de la pièce. Lorsque la source de lumière est placée dans différentes zones ou différents angles du champ de vision de la caméra, les images résultantes ne doivent pas changer en conséquence.

Une bonne source de lumière doit être capable de rendre très évidentes les caractéristiques que vous devez rechercher.

Cas d'application

Dansleprocessusdeproductiondetissu,destâchestrèsrépétitivesetintelligentescommel'inspectiondelaqualitédestissusnepeuventêtreeffectuéesqueparuneinspectionmanuelle,derrièrelachaînedemontagemoderne,onobservesouventquedenombreuxtravailleursd'inspectioneffectuentceprocessus,cequiajoutedescoûtsénormesdemain-d'œuvreetdegestionàl'entreprise,maiscelanepeuttoujourspasgarantiruntauxderéussitedel'inspectionde100%(c'est-à-dire«zérodéfaut»).

La transformation automatique de la chaîne de montage fait de la production de tissus une chaîne de montage rapide, en temps réel, précise et efficace.

Extraction et identification de fonctionnalités

La détection générale des tissus (identification automatique) utilise d'abord un objectif de caméra haute définition et haute vitesse pour capturer des images standard, puis définit une certaine norme ; puis prenez l'image détectée et comparez les deux. Mais c'est plus compliqué dans le projet d'inspection de la qualité des tissus :

1. Le contenu de l'image n'est pas une image unique, et le nombre, la taille, la couleur et l'emplacement des impuretés dans chaque zone à tester peuvent ne pas être les mêmes.

2. La forme des impuretés est difficile à déterminer à l'avance.

3.Parcequelemouvementrapidedutissuréfléchitlalumière,ilpeutyavoirbeaucoupdebruitdansl'image.

4. Il existe des exigences en temps réel pour l'inspection du tissu sur la chaîne de montage.

Pour les raisons ci-dessus, des algorithmes correspondants doivent être adoptés dans le traitement de reconnaissance d'image pour extraire les caractéristiques des impuretés, effectuer une reconnaissance de modèle et réaliser une analyse intelligente.

Détection de couleur

Generallyspeaking, theimagesobtainedfromcolorCCDcamerasareallRGBimages.Thatistosay, eachpixeliscomposedofthreecomponents, rouge (R), vert (G), andblue (B), torepresentapointintheRGBcolorspace.Theproblemisthatthesechromaticaberrationsaredifferentfromtheperceptionofthehumaneye.Evenasmallamountofnoisecanchangethepositioninthecolorspace.Sonomatterhowsimilarourhumaneyesfeel, theyarenotallthesameinthecolorspace.Basedontheabovereasons, weneedtoconvertRGBpixelsintoanothercolorspaceCIELAB.Thepurposeistomakeourhumaneyesfeelascloseaspossibletothecolordifferenceinthecolorspace.

Détection de gouttes

Selonl'imagetraitéeobtenueci-dessus,selonlesexigences,détecterlestachesimpuresousunfonddecouleurpure,etcalculerlasurface​​destachesremarquables,pourdéterminers'ilestdanslagammededétection.

Blobanalysis (BlobAnalysis) istoanalyzetheconnecteddomainofthesamepixelintheimage, andtheconnecteddomainiscalledBlob.ThestainsintheimageprocessedbyBinaryThresholdingcanbeconsideredasblobs.TheBlobanalysistoolcanseparatethetargetfromthebackground, andcancalculatethenumber, la position, la forme, directionandsizeofthetarget, andcanalsoprovidethetopologicalstructurebetweentherelevantspots.Intheprocessofprocessing, insteadofanalyzingindividualpixelsonebyone, itoperatesonlinesofgraphics.Eachlineoftheimageusesrun-lengthencoding (RLE) torepresenttheadjacenttargetrange.Comparedwiththepixel-basedalgorithm, thisalgorithmgreatlyimprovestheprocessingspeed.

Traitementetcontrôledesrésultats

L'application enregistre les résultats renvoyés dans la base de données ou à l'emplacement spécifié par l'utilisateur, et contrôle la partie mécanique pour effectuer les mouvements correspondants en fonction des résultats.

Selonlesrésultatsd'identification,sontstockésdanslabasededonnéespourlagestiondesinformations.Àl'avenir,lesinformationspeuventêtrerecherchéesetdemandéesàtouttemps,etleresponsablepeutconnaîtreladisponibilitédelachaîned'assemblagependantunecertainepériode,prendredes dispositionspourlestravauxsuivants;connaîtrelaqualitédutissudeintérieuretprochainement.

État de la candidature

Inforeigncountries, theapplicationofmachinevisionismainlyreflectedinthesemiconductorandelectronicindustries, ofwhichabout40% -50% areconcentratedinsemiconductorsindustry.Specifically, suchasPCBprintedcircuit: variousproductionprintedcircuitboardassemblytechnologiesandequipment, simple, double face, multi-layercircuitboards, coppercladlaminatesandrequiredmaterialsandauxiliarymaterials, auxiliaryfacilitiesandconsumables, encres, médicaments, accessoires, andelectronics, Packagingtechnologyandequipment, screenprintingequipmentandscreenperipheralmaterials, etc.SMTsurfacemount: SMTprocessandequipment, solderingequipment , équipement de test, équipement de reprise et divers outils et accessoires auxiliaires, matériaux SMT, pastilles de patch, adhésifs, flux, huile de soudure et anti-oxydation, pâte à souder, agents de nettoyage, etc. d'équipements, d'outils électroniques et de moules.

En Chine, l'application de la technologie de vision a commencé dans les années 1990, parce que l'industrie elle-même est un domaine en pleine émergence, associée à la popularité insuffisante de la technologie des produits de vision industrielle, résultant en des applications pratiquement vierges dans les industries ci-dessus.

Avec l'amélioration du niveau économique, la vision artificielle 3D a également commencé à entrer dans le champ de vision des gens.

En termes d'applications industrielles, il s'agit principalement de la pharmacie, de l'emballage, de l'électronique, de la fabrication automobile, des semi-conducteurs, du textile, du tabac, des transports, de la logistique et d'autres industries.

Générationetdéveloppement

TheresearchofmachinevisionstartedfromtheresearchoftheAmericanscholarL.R.Robertsonunderstandingthebuildingblockworldcomposedofpolyhedronsinthemid-1960s.Thetechnologiesusedatthattime, suchaspreprocessing, contourformation,, détection de contours objectmodeling, andmatching, havebeenappliedinmachinevisioneversince.Robertsadoptedabottom-upapproachintheimageanalysisprocess.Edgedetectiontechnologyisusedtodeterminecontourlines, andareaanalysistechnologyisusedtodividetheimageintoareascomposedofpixelswithsimilargraylevels.Thesetechnologiesarecollectivelycalledimagesegmentation.Itspurposeistodescribetheanalyzedimagewithcontourlinesandregions, soastocompareandmatchwiththemodelstoredinthemachine.Practicehasshownthatitistoodifficulttouseonlybottom-upanalysis, andtop-downanalysismethodsmustbeusedatthesametime, thatis, thetargetisdividedintoseveralsub-cibles, et la connaissance de la clé heuri est utilisée pour prédire la cible. Ceci est cohérent avec les méthodes ascendantes et descendantes utilisées dans la compréhension de la parole. une proposition d'utilisation des connaissances heuristick, montrant que la méthode d'explication de la peinture de contours par un processus symbolique n'a pas besoin de recourir à des programmes de calcul numérique tels que la correspondance des moindres carrés.

Dans les années 1970, la vision artificielle a formé plusieurs branches de recherche importantes : ① traitement d'image guidé par cible ; ② algorithmes de traitement et d'analyse d'images parallèles ; ③ extraction d'informations tridimensionnelles à partir d'images bidimensionnelles ; ④ analyse séquentielle d'image et évaluation des paramètres de mouvement ;

Ladernièredécouverte

Letalond'Achilledelavisionmachine : Selon la « Technology Review » du MIT, des chercheurs de Google et de l'Open AI Institute ont découvert des algorithmes de vision artificielle.

Champ d'application

L'applicationdelavisionmachinecomprendprincipalementl'inspectionandrobovision :

⒈Inspection :ellepeutêtrediviséeeninspectionquantitativedehauteprécision(parexemple,classificationcellulairedesphotomicrographies,mesuredelatailleetdelapositiondespiècesmécaniques)etdesessaisqualitatifsousemi-quantitatifssansinstrumentsdemesure(commel'inspectiondel'apparenceduproduit,l'identificationetlepositionnementdespiècessurlaligned'assemblage,l'inspectiondesdéfautsetl'inspectiondelacomplétude de l'assemblage).

De plus, il y a :

1Inspection optique automatique

2Reconnaissance faciale

3Voitures autonomes

4Classification de la qualité des produits

5Détectionautomatiquedelaqualitéd'impression

6Reconnaissance de texte

7Reconnaissance de texture

8Suivietpositionnement

......

et d'autres applications de reconnaissance d'image de vision industrielle.

[ Fonctionnalités de MachineVision]

⒈ La vitesse de prise de vue de l'appareil photo correspond automatiquement à la vitesse de l'objet mesuré et l'image idéale est prise ;

⒉Latailledespiècesvariede2,4mmà12mm,etl'épaisseurpeutêtredifférente;

⒊Lesystèmesélectionnedespiècesdedifférentestaillesselonl'opérateur,appelleleprogrammedevisioncorrespondantpourladétectiondeladimensionetaffichelesrésultats;

⒋Pourlespiècesdetaillesdifférentes,ledispositifdetrietledispositifdeconvoyagepeuventréglerprécisémentlalargeurduchemindumatériau,afinquelespiècespeuventdéplacersuruncheminfixeeteffectueruncontrôlevisuel;

⒌Le système de vision industrielle distingue le taux atteint 2448 × 2048 et la précision de détection dynamique peut atteindre 0,02 mm ;

⒍Letauxdedétectionmanquéedesdéchetsest0;

⒎Lesystèmepeutsurveillerleprocessusdedétectionenaffichantdesimages,etilpeutégalementtransmettreLesdonnéesd'inspectionaffichéessurl'interfacepeuventafficherdynamiquementlesrésultatsd'inspection;

⒏Ilafonctiondesignauxdecommandederejetprécisetrapidesetrejettelesmauvaisespièces;

⒐Lesystèmepeutautovérifiersonéquipementprincipal,sil'étatestnormalounon,équipéd'unindicateurd'état;enmêmetemps,différentesautorisationsdefonctionnementpeuventêtrerégléespourlepersonneldemaintenancedusystèmeetlesutilisateurs;

⒑ Affichage en temps réel de l'écran de détection, interface chinoise, vous pouvez parcourir plusieurs images non qualifiées, il a pour fonction de stocker et de visualiser l'image de la mauvaise pièce en temps réel ;

⒒peutgénérerlefichierd'informationssurlesrésultatsd'erreur,comprenantl'imaged'erreurcorrespondante,etl'imprimer.

Exemples d'application

⒈Système de test intégré intelligent pour l'assemblage de panneaux d'instruments basé sur la vision artificielle

EQ140-ⅡautomobileinstrumentpanelassemblyisproducedbyaChineseautomobilecompanyForinstrumentproducts, theinstrumentpanelisequippedwithspeedodometer, watertemperaturemeter, gasolinemeter, ampèremètre, signalwarninglight, etc.Theproductionbatchislarge, andafinalqualityinspectionisrequiredbeforeleavingthefactory.Testingitemsinclude: testingtheindicationerrorsoffivemeterpointerssuchasthespeedometer; testingwhether24signalwarninglightsand9lightinglightsaredamagedormissing.Generally, manualvisualinspectionisusedforinspection, whichhaslargeerrorsandpoorreliability, whichcannotmeettheneedsofautomatedproduction.Theintelligentintegratedtestsystembasedonmachinevisionhaschangedthisstatusquo, realizedtheintelligent, entièrement automatiques, de haute précision, andfastqualityinspectionofthedashboardassembly, overcomevariouserrorscausedbymanualinspection, andgreatlyimprovedtheinspection. efficace.

L'ensemble du système est divisé en quatre parties : une source de signal standard multicanal intégrée qui fournit une source de signal analogique pour le tableau de bord, un système CNC à double coordonnée avec positionnement des informations d'image, un système d'acquisition d'image de caméra et un système de traitement parallèle de la machine maître-esclave.

⒉Systèmedecontrôleautomatiquedesdommagespourlasurfacedesplaquesmétallique

Thesurfacequalityofmetalplates, suchaslargepowertransformercoils, flatwireradios, andhazyskins, havehighrequirements, buttheoriginaluseofartificialTheinspectionmethodofvisualinspectionorusingadialindicatorplusacontrolneedleisnotonlysusceptibletosubjectivefactors, butmayalsocausenewscratchesonthesurfacetobemeasured.Theautomaticflawdetectionsystemforthemetalplatesurfaceusesmachinevisiontechnologytoautomaticallyinspectthemetalsurfacedefects, andthedetectioniscarriedoutathighspeedandaccuracyduringtheproductionprocess.Atthesametime, duetothenon-connectedanglemeasurement, thepossibilityofnewscratchesisavoided.TheworkingprinciplediagramisshowninFigure8-6; inthissystem, alaserisusedasthelightsource, thestraylightaroundthelaserbeamisfilteredthroughapinholefilter, andthebeamexpanderandcollimatormakethelaserbeamintoparallellightAnduniformlyilluminatethesurfaceofthemetalplatetobeinspectedwithanincidentangleof45degrees.Themetalplateisplacedontheinspectiontable.TheinspectiontablecanbemovedinthethreedirectionsofX , YandZ.ThecameraadoptsTCD142Dtype2048lineChenCCD, andthelensadoptsordinarycameralens.TheCCDinterfacecircuitadoptsasingle-chipmicrocomputersystem.ThehostPCmainlycompletesimagepreprocessinganddefectclassificationordepthcalculationofscratches, etc., andcandisplaythedetecteddefectsorscratchimagesonthedisplay.Two-waycommunicationbetweentheCCDinterfacecircuitandthePCthroughtheRS-232port, combinedwiththeasynchronousA / Dconversionmethod, constitutesahuman-machineinteractivedataacquisitionandprocessing.

Ce système utilise principalement la combinaison des caractéristiques d'auto-balayage du CCD linéaire et du mouvement dans la direction X de la plaque d'acier à inspecter pour obtenir des informations d'image tridimensionnelle sur la surface de la plaque métallique.

⒊Système d'inspection de carrosserie automobile

L'inspection en ligne à 100 % de la précision dimensionnelle des contours de la série 800 du constructeur automobile britannique ROVER est un exemple typique du système de vision industrielle utilisé dans l'inspection industrielle.

L'étalonnage de l'unité de mesure affectera la précision de la détection, c'est pourquoi une attention particulière est portée. Chaque unité laser/caméra est étalonnée hors ligne.

Thedetectionsystemdetectsthespeedofacarbodyevery40seconds, anddetectsthreetypesofcarbodies.ThesystemcomparesthetestresultwiththequalifiedsizeofthepersonandextractedfromtheCADmodel, andthemeasurementaccuracyis ± 0.1mm.ROVER'squalityinspectorsusethissystemtodeterminethesizeconsistencyofkeyparts, suchastheoverallappearanceofthecarbody, portes, andglasswindows.PracticehasprovedthatthesystemissuccessfulandwillbeusedforbodyinspectionofothervehiclesinROVER'ssystem.

⒋Système d'inspection de la qualité de l'impression papier-monnaie :

Cesystèmeutiliselatechnologiedetraitementdesimagespourpasserplusde20caractéristiques(nombre,braille,couleur,motif,etc.)desbilletsdebanquesurlalignedeproductiondesbillets.

⒌Système intelligent de gestion du trafic :

Enplaçantunecamérasurlescartesdecirculation,lorsquedesvéhiculesillégitimes(telsqu'unfeurouge),lacaméraprenddesimagesdelaplaqued'immatriculationduvéhiculeetlestransmettentàladirectioncentrale.

⒍Analyse métallographique :

Le système d'analyse d'images métallographiques peut analyser avec précision et objectivité la structure de la matrice, la teneur en impuretés et la composition tissulaire des métaux ou d'autres matériaux. La qualité fournit une base fiable.

⒎Analyse d'images médicales :

Classification et comptage automatiques des cellules sanguines, analyse des chromosomes, identification des cellules cancéreuses, etc.

⒏Système de détection de ligne de production de bière en bouteille :

Il peut détecter si la bière atteint la capacité standard et si l'étiquette de la bière est complète

⒐Instrument de mesure du parallélisme et de la perpendicularité des pièces à grande échelle :

L'instrument de mesure du parallélisme et de la perpendiculaire de la pièce à usiner à grande échelle adopte un système de balayage laser et de détection CCD.

⒑Dispositifdétecteurdelatailleducontourdelabarre :

Utilisez la lumière robotique comme source d'éclairage et utilisez le CCD à réseau et à réseau linéaire comme détecteur pour la taille du contour de la barre d'armature afin d'obtenir un système de détection dynamique thermique pour la mesure en ligne des paramètres géométriques des barres d'armature laminées.

⒒Suivi en temps réel des roulements :

Latechnologievisuellesurveilleleschangementsdechargeetdetempératureduroulemententempsréel,éliminantledangerdesurchargeetdesurchauffe.

⒓Mesuredesfissuressursurfacemétallique :

En utilisant les micro-ondes comme source de signal, selon le générateur de micro-ondes pour envoyer des ondes carrées avec différentes fréquences d'onde, mesurez les fissures sur la surface métallique et la fréquence des ondes micro-ondes. Plus la fissure est élevée, plus la fissure mesurable est étroite.

Tendances de développement

La vision industrielle a les tendances de développement suivantes.

Les prixcontinuent de baisser

À l'heure actuelle, la technologie de vision industrielle dans mon pays n'est pas encore mûre, reposant principalement sur l'importation d'un ensemble complet de systèmes de l'étranger, et le prix est relativement élevé.

Les fonctions augmentent progressivement

La réalisation d'autres fonctions provient principalement de l'amélioration de la puissance de calcul, de capteurs à résolution plus élevée, d'une vitesse de balayage plus rapide et de l'amélioration des fonctions logicielles, du traitement PC.

Miniaturisation du produit

La tendance à la miniaturisation des produits permet à l'industrie d'emballer plus de pièces dans un espace plus petit, ce qui signifie que les produits de vision industrielle deviennent plus petits, de sorte qu'ils peuvent être utilisés dans l'espace limité fourni par l'usine. Par exemple, dans les accessoires industriels, les LED sont devenues la source lumineuse dominante.

Plus de produits intégrés

Thedevelopmentofsmartcamerasheraldsthetrendofincreasingintegratedproducts.Smartcamerasintegratetheprocessor, lentille, source lumineuse, d'entrée / outputinasingleboxDevicesandEthernet, telephonesandPDAshavepromotedthedevelopmentoffasterandcheaperreducedinstructionsetcomputers (RISC), whichmadetheemergenceofsmartcamerasandembeddedprocessorspossible.Similarly, theadvancementoffieldprogrammablegatearray (FPGA) technologyhasaddedcomputingfunctionstosmartcameras, andembeddedprocessorsandhigh-performanceframecollectorsforPCs.SmartcamerascombineFPGA, DSP, andDSPthathandlemostcomputingtasks.Themicroprocessorwillbemoreintelligent.

Perspectives

Becausethemachinevisionsystemcanquicklyobtainalargeamountofinformation,itiseasytoautomaticallyprocess,anditisalsoeasytointegratewithdesigninformationandprocessingcontrolinformation.Therefore,inthemodernautomatedproductionprocess,Peopleusemachinevisionsystemsextensivelyinfieldssuchasworkingconditionmonitoring,finishedproductinspectionandqualitycontrol.

Butmachinevisiontechnologyismorecomplicated,andthebiggestdifficultyisthatthehumanvisualmechanismisnotyetclear.Peoplecanuseintrospectiontodescribetheprocessofsolvingaproblem,andthensimulateitwithacomputer.Butalthougheverynormalpersonisa"visualexpert",itisimpossibletodescribehisownvisualprocessbyintrospection.Therefore,buildingamachinevisionsystemisaverydifficulttask.

Itcanbepredictedthatwiththematurityanddevelopmentofmachinevisiontechnologyitself,itwillbemoreandmorewidelyusedinmodernandfuturemanufacturingenterprises.

Cet article provient du réseau, ne représente pas la position de cette station. Veuillez indiquer l'origine de la réimpression
HAUT