机器视觉系统需要考虑的十个问题

为了使用户在选择一款机器视觉系统时应该考虑的关键的、基本的特性方面提供指导。下面是选择一款机器视觉系统时要优先考虑的十个方面:

1. 定位器 对象或特征的精确定位是一个检测系统或由视觉引导的运动系统的重要功能。传统的物体定位采用的是灰度值校正来识别物体。尽管这种技术得到了广泛的应用,但是,它在图象质量变差的情况下,就缺乏稳定性。图象质量变差可能是由于凌乱、亮度不同和遮盖等因素的影响。相反,几何对象定位法是一种最新的方法,它使用对象的轮廓来识别对象及其特征。Adept的HexSight 软件和AdeptVision sAVI 系统两者都是用非常先进的轮廓检测技术来进行识别对象。一个可靠的定位器可不需要夹具来定位零件,因此节约了成本。

2. 光与照明 众所周知,适当的灯光和照明对视觉应用的成功至关重要。有时,尽管选择了最合适的灯光和照明,但是,如果被监测的对象或特征稍微变动一下,就要求相应改变灯光和照明亮度。例如,晶片的抛光表面的不同,在OCR应用中激光蚀刻的标志的质量的不同。一个稳定性好的定位工具如Adept的几何对象定位器能轻松地处理由于光聚集和亮度不同的改变使得图象质量变差这样的情况。使用适当的软件能让你消除必要的调光操作,无论其图象质量如何改变。

3. 完整的工具集对多个工具 机器视觉软件主要以两种典型的形式出售 —— 一种是完整的视觉工具集,另一种是用于特定任务的工具的应用,如BGA检测。最终用户的应用将决定是使用一套完整的视觉工具集还是使用众多的特定的工具。视觉工具是一般的应用或算法,它能对图象或图象某个部分完成预定的任务。例如,一个斑点检测工具可以找出一组暗的或亮的象素,并测量出这个斑点的各种尺寸。选择一款视觉系统的重点在于拥有一套完整的视觉工具集。虽然你在作项目之初不需要所有的工具,但是,几年之后你的要求就会改变,对新的应用就可能需要另外的工具。Adept的HexSight软件是一款全面的机器视觉库,它基于当今流行的软件平台,如:Visual Basic,Visual C++与ActiveX控件。可选的HexSight的符号工具与OCR、数字矩阵和条形码解码工具一起提供。AdeptVision sAVI系统与一个用于视觉和运动应用编程的简单图形接口一起提供。

4. 编程和操作方便 简洁、直观的图形界面是容易使用和设置的关键。当今机器视觉产品之间的主要区别在于他们的图形接口。接口应该从 “设置”和“操作”这两方面来评价。对一个工程师来讲,它应该非常复杂,而对于一个操作者来说应非常简单。例如,一个视觉系统的校准应该简单得只点击几次鼠标,而不是象在火箭科学中的练习。

5. 亚象素精度 视觉系统的分辨率是系统能分辨的最小特征。例如,’1’的视觉范围(FOV)使用一个640 x 480象素的计算机图象将得到1/640的分辨率或’0.00156’。实际上,机器视觉算法具有亚象素的能力。也就是说,这些算法能够测量或得出比一个象素更小的单位。Adept的几何对象定位工具能精确到一个象素的1/40。而所有其他视觉系统工具只能精确到一个象素的1/10到1/20。视觉工具的亚象素精度取决于图象的质量和算法的强大。

6. 将来的升级 机器视觉系统可应用在各种场合,他们的应用范围可从时髦的摄像机到监视系统。当选择一个系统时应考虑系统将来的升级。几种供应商提供的通用视觉软件能为最终用户配置合适的照明、光学系统和视觉工具。专用软件包如BGA检测、OCR等也可当作预先配置好的软件出售。基于通用目的的视觉软件系统更好升级。最终用户应该根据附加的摄像机、照明的变化、视觉工具的变化等来考虑将来对系统的需求。例如,若一个需要多摄像头的系统,就要对一个基于帧幅获取器的系统与一个基于时髦摄像机的系统的价格和灵活性进行对比。Adept 的HexSight 软件能够兼容多种第三方生产的帧幅获取器和摄像头,并包括火线摄像头。

7. 图象预处理 检测特征点和缺陷是非常的重要,不管亮度和对象表面或材料不同。图象预处理算法能把图象的特征点放大,以使视觉工具能更好的检测它们。同样,特征点也能被缩小,以至视觉工具可忽略它们。例如HexSight 的形态操作可用来去掉或填充对象中的小孔,在稀疏的点处分开对象或连接相邻的对象。与此相似,滤波操作可用于输入图象的卷积。可得到如此广泛的预处理算法是复杂的视觉应用成功的关键。

8. 视觉引导的运动 如果你的应用需要一个视觉系统,那么必须知道视觉系统与运动系统是如何集成的。对于校准和操作,没集成的运动系统与视觉系统是初步的系统,机械人或机构和视觉系统是分开校准的。在操作中,一台独立的视觉系统根据在视觉坐标系统中的已知位置计算出零件位置的偏移量,然后发指令给机器人的手臂在离初始化编程的拾取位置的偏移量处拾取零件。相反,一个集成系统如Adeptvision sAVI控制器,它能在一个坐标系统中校准视觉系统和机器。零件定位然后可定义与在机器编程的相同的六自由度坐标空间。

9. 系统集成 如果你对机器视觉技术不是很精通,那么你针对你的项目就需要一个系统集成商。理想的视觉产品能被系统集成商广泛接受。Adept有一个称之为Adept优先的视觉集成商(PVI)的程序,可在Adept的产品上对系统集成商进行训练。这些系统集成商具有处理最棘手的机器视觉项目的应用工程资源。另外,这些PVI非常适合处理Adept的机器人和运动产品。这对于需要运动和视觉的项目来说,是理想的资源。

10. 工厂层连接 目前,有各种与视觉系统通讯的方法,通用的接口象串口(RS-232)、RS-485、并口、 Ethernet、Devicenet、数字I/O等。更新的接口如IEEE-1394和USB也得到了广泛的应用。当评估视觉系统时,要考虑工厂层的可连接性。典型地,机器视觉系统是一个与其它工厂层设备和工厂的信息系统接口的数据获取系统。一些供应商的软件能在局域网或因特网上对视觉系统进行远程操作。在特定行业,如药物,机器视觉系统对特定的应用被要求是独立的,从而确保设置不受远程操作的干扰。当选择一款视觉系统时,视觉系统的通讯接口是一个重要的考虑,不应该被忽视。AdeptVision sAVI控制器能与Rs-232,Rs-485,Devicenet,Ethernet和Firewire接口进行连接。 

转载于:https://www.cnblogs.com/amosyang/p/8479612.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/453390.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

严蔚敏数据结构:链表实现一元多项式相加

一、基本概念 1、多项式pn(x)可表示成: pn(x)a0a1xa2x2…anxn。 listP{(a0,e0),(a1,e1),(a2,e2),…,(an,en) }。在这种线性表描述中,各个结点…

Java二十三设计模式之------工厂方法模式

一、工厂方法模式(Factory Method) 工厂方法模式有三种 1、普通工厂模式:就是建立一个工厂类,对实现了同一接口的一些类进行实例的创建。首先看下关系图: 举例如下:(我们举一个发送邮件和短信的…

无法转化为项目财富的技术或功能就是垃圾

技术人员可能有个习惯,也可以叫通病,发现一个新技术,或者新的想法,会把某个现有的东西做的更好,或者可以增加某个功能让系统看上去更完美。 如果这是一个产品,那么大家都会鼓励你去做,如果我们…

ibatis oracle function,IBATIS调用oracle function(函数)的步骤实例

IBATIS调用oracle function(函数)的方法实例引用create or replace function getClassifiedCode(p_planCode in varchar2 -- 险种代码,p_usageAttributeCode in varchar2 -- 使用性质代码,p_ownershipAttributeCode in varchar2 -- 所属性质代码,p_vehicleTypeCode in varchar2…

一元多项式乘法算法

我认为大致算法应该是这样的: 首先准备一个空的链表L。利用第一个多项式的的指针所指的节点数值乘以多项式二的每一项,将结果保存在链表L中。 然后将指向该节点的指针后移到下一个节点继续进行乘法运算,将所得结果加到L中(这个操作已经在一…

堆以及stl堆的使用

概念 性质: 1.堆是一颗完全二叉树,用数组实现。    2.堆中存储数据的数据是局部有序的。 最大堆:1.任意一个结点存储的值都大于或等于其任意一个子结点中存储的值。      2.根结点存储着该树所有结点中的最大值。 最小堆:1.任意一个结…

读【36岁IT老人再次随笔】的读后感,你会哪些计算机语言?

论坛首页一篇:社区“揭穿最大谎言”事件 , 我看了,也顺便看了里面另一位仁兄的【36岁IT老人再次随笔】 其中关键的地方就是一个例子:你会哪些计算机语言? 这个问题很有意思,确实如网友回复里说到的&#xf…

php接收vue请求数据axios,详解vue axios用post提交的数据格式

Content-type的几种常见类型一、是什么?是Http的实体首部字段,用于说明请求或返回的消息主体是用何种方式编码,在request header和response header里都存在。二、几个常用类型:1、application/x-www-form-urlencoded这应该是最常见…

数据结构中的逻辑结构简介

数据的逻辑结构是对数据之间关系的描述,有时就把逻辑结构简称为数据结构。逻辑结构形式地定义为(K,R)(或(D,S)),其中,K是数据元素的有限集&#x…

applicationContext配置文件模板1

<?xml version"1.0" encoding"utf-8"?> <beans      --整个配置文件的根节点&#xff0c;包含一个或多个bean元素 xmlns    --最基本的命名空间定义 xmlns:xsi  --最基本的命名空间定义 xmlns:context  --启动自动扫描或注解装配…

时间复杂度的一些计算规则

一些规则(引自&#xff1a;时间复杂度计算 ) 1) 加法规则 T(n,m) T1(n) T2(n) O (max ( f(n),g(m) ) 2) 乘法规则 T(n,m) T1(n) * T2(m) O (f(n) * g(m)) 3) 一个特例&#xff08;问题规模为常量的时间复杂度&#xff09; 在大O表示法里面有一个特例&#xff0c;如…

职场新人面试误区:我的技术好,所以你必须要请我?

这个是论坛的一个帖子。 前几天有家软件公司联系到我&#xff0c;去之前电话里跟他们的项目经理聊了两句&#xff0c;什么都明白了就没去面试 是老板先给我打的电话&#xff0c;问我做J2EE多久了&#xff0c;期望薪水什么个范围。。。 然后老板说&#xff0c;你稍等&#xff…

Oracle 基础

为什么80%的码农都做不了架构师&#xff1f;>>> Oracle DB笔录&#xff0c;以后会不断Add&#xff0c;欢迎留言补充! --cmd.exe(你懂得!) --[1]多个数据库实例&#xff0c;切换选择DB后&#xff0c;登录操作 set ORACLE_SIDorcl --选择DB orcl(你的DB实例名) --可在…

Linux执行命令提示Password,linux expect远程自动登录以及执行命令

linux远程自动登录以及执行命令远程登录该自动登录的过程是通过shell里面expect实现的&#xff0c;类似相当于开了一个类似于cmd的命令段输出IP和密码。注意该脚本能够执行的前提是安装了expectyum install -y expect直接上脚本&#xff1a;#!/usr/bin/expect …

双塔

## 双塔 题目描述 有n个数字&#xff0c;要求将这n个数字分成两部分&#xff08;两部分可以数字个数不同&#xff09;&#xff0c;使得两部分数字之和的差最小 输入输出格式 输入&#xff1a; 第一行为n 第二行有n个数&#xff0c;即题目中所描述那样 输出&#xff1a; 两部分和…

时间复杂度计算杂记

算法时间复杂度的计算 [整理] 时间复杂度算法 基本的计算步骤 时间复杂度的定义 一般情况下&#xff0c;算法中基本操作重复执行的次数是问题规模n的某个函数&#xff0c;用T(n)表示&#xff0c;若有某个辅助函数f(n)&#xff0c;使得当n趋近于无穷大时&#xff0c;T(n)/f(n…

MyBatis 在xml文件中处理大于号小于号的方法

为什么80%的码农都做不了架构师&#xff1f;>>> 第一种方法&#xff1a;用转义字符&#xff08;注&#xff1a;对大小写敏感&#xff01; &#xff09; 用了转义字符把>和<替换掉&#xff0c;然后就没有问题了。 SELECT * FROM test WHERE 1 1 AND start_da…

linux 进程间读写锁,Linux系统编程—进程间同步

我们知道&#xff0c;线程间同步有多种方式&#xff0c;比如&#xff1a;信号量、互斥量、读写锁&#xff0c;等等。那进程间如何实现同步呢&#xff1f;本文介绍两种方式&#xff1a;互斥量和文件锁。##互斥量mutex我们已经知道了互斥量可以用于在线程间同步&#xff0c;但实际…

程序员:开汽车,难道我要知道汽车的原理才能把车开好吗?

一个网友的迷惑&#xff1a; 我工作&#xff15;年了&#xff0c;一直做&#xff2a;&#xff12;&#xff25;&#xff25;的项目&#xff0c;前几天去面试&#xff0c;一个人问我JDBC有几种连接方式&#xff0c;这个问题这么多年以来我从来没有遇见过&#xff0c;不知道大家 …

杭州某知名xxxx公司急招大量java以及大数据开发工程师

因公司战略以及业务拓展&#xff0c;收大量java攻城狮以及大数据开发攻城狮. 职位信息&#xff1a; java攻城狮: https://job.cnblogs.com/offer/56032 大数据开发攻城狮: https://job.cnblogs.com/offer/56033 欢迎博客园的XDJM自荐和推荐&#xff01; 此招聘长期有效 欢迎留言…