成功的机器视觉项目的3个步骤

机器视觉是一种强大的工具，可以用来确保产品的质量，但由于糟糕的体验和不成功的项目，它通常不被信任，甚至被认为是一种可行的选择。在大多数情况下，一个愿景项目失败的原因只有少数几个;对机器视觉系统不切实际的期望，未能从一开始就正确分析应用程序，让预算决定硬件而不是应用程序的需求。一个不成功的项目不会因为一个原因而影响另一个原因。然而，如果一个项目不成功，很可能是由于这三个原因之一。

1.对机器视觉系统不切实际的期望

如果在一开始就考虑和理解了应用程序，那么确保对机器视觉应用程序有现实的期望是最容易克服的障碍之一。重要的是要明白，不是所有的视觉系统都是相同的或能够相同的应用。应用程序不能通过使用最喜欢的智能手机相机或基本的相机来解决。每个应用程序都有特定的需求，这些需求决定了视觉系统最重要的方面。如果没有正确地识别或更改应用程序需求，那么一旦购买了设备，更改系统的能力就会变得困难且昂贵。

在设计阶段后需要设置且不需要更改的期望是;检查位置，检查速度，摄像机工作距离(WD)，视场大小(FOV)，感兴趣的区域大小和检查公差。其中一个更改可能会使想要的检查不可能实现，或者需要昂贵的硬件更改来允许检查仍然可行。

一个例子是检查位置的改变导致安装位置的改变，从而导致工作距离的改变。当工作距离发生变化时，用户需要重新计算所使用的镜头，以保持相同的视场，并重新计算相机的分辨率，以确保其仍然能够进行检查。

另一个可能产生巨大影响的变化是检查要求的变化。检查一开始是部分大特征的存在，但后来改为验证该特征与另一个特征之间的误差在0.001毫米以内。如果选择的原始相机由于功能尺寸而分辨率较低，那么它的分辨率可能达不到0.001毫米。这意味着需要一个特殊的镜头来精确测量。由于需要添加的内容，这两种更改最终都将代价高昂。

这就是为什么通过回答以下问题来全面了解应用程序需求是至关重要的:

• 被检查的是什么?
• 在哪里接受检查?
• 是如何检查的?

提出这些问题可以让我们对视觉系统需要具备的能力设定准确的期望。

2.预算决定硬件而不是应用需求

与大多数项目一样，预算是一个很大的限制因素。然而，当一个愿景项目的预算不是根据应用需求决定的时候，它是愿景项目进展不顺利或未能达到预期的最大贡献者。视觉设备的成本可能相差很大;这样可以选择相同的设备的结果。如果只根据成本选择设备，则可能无法按需要执行。

例如，有些人可能会认为一台2000美元的低端摄像机可以对一个小螺栓进行零件存在性检查，因为工厂的另一部分正在对类似尺寸的螺栓进行检查。因此，预算是根据以前使用的设备计算的。但是，两个应用程序之间的安装位置有很大不同，没有考虑到这一点。

希望它在概念验证过程中被捕获，不会花费任何钱。然而，类似的应用已经在工厂中进行，因此假设不需要对新应用进行概念验证。

最终，直到安装后才发现，由于相机和照明解决方案的工作距离，设备无法获得所需的分辨率或对比度。这种情况导致需要一个新的相机和照明解决方案的变化来完成。

如果预算确实规定了将使用什么设备，那么重要的是要了解对应用来说什么是重要的，并对设备可以完成的功能有现实的期望。

3.在项目开始时未能正确分析应用程序

一旦构思了应用程序，设定了期望，并开始了一些初始计划，就该测试设备并验证什么可以完成应用程序。在购买设备或安装系统之前，应始终进行验证，以便在纸上进行计算和验证应用程序的想法。最简单的方法是通过模拟实际检验条件或在生产过程中在检验地点模拟设备来进行概念验证。如果操作正确，这将验证视觉系统的所有部分。

如果用户在非现场进行概念验证，则通过使用实际部件尽可能多地再现实际检验条件进行测试是很重要的。如果概念验证方法不当，可能会导致使用错误的设备或无法弥补潜在的缺陷。

在概念验证过程中需要验证以下项目:工作距离、视场、设备分辨率、透镜、照明和检查参数。

透镜、视场和分辨率是在构思应用程序时经常被忽略的几件事，在生产测试之前也没有进行验证。通常会假设相机将安装在多远的地方，并通过对部分的一般测量来获得视野，将在纸上计算透镜和分辨率，以获得最佳猜测。当计算出的工作距离在两个镜头的理想位置之间时，这将导致问题，安装位置必须调整到比预期更远的地方。当用户靠近图像外部时，镜头是否会有失真，每毫米是否仍然有足够大的像素来准确地进行检查?当用户需要对一个部件进行精确测量时，情况也可能相反，这将需要一个昂贵的透镜来确定该部件的尺寸。现在，用户必须将它移近，这意味着视野不再大到足以看到整个部分。

照明解决方案是系统的一部分，很容易根据正在进行的检查类型进行假设，但根据材料或部件颜色，它可能会产生意想不到的结果。部分缺陷也可以有一个意想不到的结果时，通过相机使用照明解决方案。可能需要过滤或颜色变化来可靠地检测变化。这将是很难做出正确的决定关于照明，直到一些模拟测试的部分进行。

概念验证对于帮助机器视觉项目取得成功并在不超出预算的情况下达到预期有很大帮助，因为假设是做出的，因此需要不同的设备来完成应用程序。

帮助机器视觉项目成功的三种方法

要让一个愿景项目获得最大的成功机会:

1. 定义应用程序的需求，为应用程序设定期望，并在整个项目中保持这些期望，除非它们被证明是无法实现的。
2. 根据应用程序的需求和它将提供的投资回报(ROI)设置预算。
3. 适当地分析应用程序，以在模拟环境中验证实际部件，并努力识别将使项目无法达到预期的任何缺陷。如前所述，这一步对于项目的成功至关重要。它必须没有捷径，否则信息将导致使用好的和坏的部件、模拟环境和为应用计划的设备。

如果这是正确的，视觉系统的想法或概念不再是一个猜测或假设，可能导致昂贵的设备变化或无法达到预期。不良样品往往被忽视或不被收集，因为它们很难获得，但它们对于确保可以检测和验证缺陷非常重要。

伊恩Visintine是高级项目工程师，MartinCSI．由内容经理马克·霍斯克编辑，控制工程、《媒体，mhoske@cfemedia.com．

关键词:机器视觉

设定现实的期望一个机器视觉项目。

确保适当的预算为了这个项目。

考虑应用程序从一开始。

考虑一下这个

你有没有考虑过机器视觉?这些建议有用吗?

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。