5步鲁棒视觉检测

机器视觉检测是一种功能强大、用途广泛的自动化工具。尽管技术不断进步，但机器视觉实现往往遵循相同的过程，大多数最佳实践和陷阱都是相同的。在此过程中遵循以下五个步骤，以与最佳实践保持一致并避免潜在的陷阱。

1.评估申请

有些东西不太适合机器视觉。经验通常是一个很好的指标，但如果对可行性有任何疑问，请先进行测试。不可预见的挑战可能导致昂贵的硬件更改和进度延迟。在评估过程中一定要做到以下几点:

• 考虑投资回报率。自动化检验是否能节省劳动力、疲劳或提高产量?无形资产呢?有时，即使在检查中漏掉了一个不符合规格的部件，也会损害与客户的关系。
• 计划足够的调试时间。安装和编程一个相机可能只需要一天，但不要忘记运行时。在这个过程中，证明检查在许多部分都能很好地工作是一个重要的部分，有时需要比编程更多的时间。
• 如果可能的话，列出系统应该检测到的所有预期条件，并收集每个条件的多个示例。如果使用摄像机来检测某些缺陷，则必须在过程的早期识别这些缺陷。
• 识别可能阻碍机器视觉性能的其他条件。是否有振动、环境光或其他因素可能会阻碍?在安装硬件、摄像头等之前，仔细观察并测试。

2.选择相机和光学

根据以下特性选择相机:

• 彩色vs.单色单色成本较低，通常更准确的测量应用，所以它是一个明显的选择，如果颜色不是必要的应用。
• 决议,确保图片有足够的像素来精确测量感兴趣的特征。表1提供了一些很好的经验法则:
• 固件特性-更高级别的功能，如校准、光学字符识别(OCR)和模式匹配，通常出现在启用了这些固件选项的高端相机或相机上。与供应商检查，以确保相机具有必要的功能。
• 检验速度-这是一个图像进入检查(采集)需要多长时间以及检查需要多长时间的问题。为应用程序选择具有足够处理能力的相机。

镜头焦距-大多数相机都需要外置镜头。这需要知道相机将安装在哪里以及相机中传感器的大小。相机制造商通常有一个在线计算器来帮助这一点，但也可以考虑以下公式作为指导:

• FL = (CCDx * Wd) / FOVx
• FL =镜头焦距(mm)
• CCDx = CCD传感器尺寸，x方向(mm)
• Wd =到镜头的工作距离(mm)
• FOVx =视场x方向(mm)。

表1:应用程序推荐的机器视觉像素

	推荐像素数
线性测量	测量公差= 10像素
面积测量	5 × 5毫米
文本识别(OCR)	25 - 35毫米(字符高度)

3.考虑照明

照明的目的是使关键特征高度可见，同时降低可能使检查工具混淆的特征的可见性。找到正确的解决方案需要实验、创造力和经验。

这是安装过程中最可能发生变化的检查部分，因此要对实现进行尽职调查，并事先进行测试，以确保事情顺利进行。机器视觉照明的常见例子如下:

• 背光,当零件的外部几何结构很重要，而表面特征不重要时，最常使用这种方法。它使表面缺陷不可见，同时给予高对比度的外部边缘。
• 前照明-当感兴趣的特征是颜色变化时(例如，检查标签的存在，或验证打印)，可以使用这种方法。然而，如果零件有光泽，就会产生眩光，这会干扰检查。在零件有几个角度面的情况下，反射质量可以使检测系统只测量垂直于照明的面。
• 侧面照明-如果表面特征是最重要的，从侧面的照明可能是最有效的突出这些特征。n强光—高速采集需要强光。这对于运动部件减少运动模糊通常很重要。
• 〇彩色灯光彩色灯光可以用来掩盖或突出关键特征。例如，如果用红色和蓝色印刷检查一个白色零件，使用红灯将隐藏红色印刷，并使其更容易检查蓝色印刷。如果一个系统需要忽略不同部分之间的颜色差异，红外辐射(IR)照明可能是一个很好的选择。
• 〇多重照明角度一些相机系统支持在不同的光线下拍摄一系列图像，然后处理这些图像以找出差异。这突出了表面特征。
• 偏振光-在光线和相机上使用偏振光滤镜可以减少眩光，就像偏振光太阳镜一样。
• 环境照明-通常不建议使用环境照明进行视觉检测应用，因为它不受自动化控制。灯可能会被改变成不同的亮度或颜色，当人们走过时可能会有阴影，太阳可能会在一天中的某个时间透过窗户照进来，等等。然而，即使使用专用照明，环境照明也会对视觉应用产生不利影响。这可以通过使用比环境照明亮得多的专用照明和屏蔽环境照明来缓解。

4.安排好事情

一旦所有的部件都组装好了，就该开始工作了。以下步骤对于确保质量至关重要:

• 把光圈和曝光调到合适的范围，这样就可以对焦了。
• 设置焦点。相机软件通常有一个模式，当你调整拍摄时，会给出一个对焦质量的数字。这样很容易找到合适的位置。
• 重新检查光圈和曝光。在感兴趣的特征上获得最佳的对比是很重要的。试着把光圈转到图像最亮的方向，这样曝光速度更快，也更适合拍摄运动部件。如果这个部分有一定的深度，拧紧光圈——向使图像变暗的方向转动——将增加对焦的深度。将曝光设置在感兴趣的特征对比度高的地方。
• 安装定位和检查工具。没有一个正确的答案，但经验法则是使用最简单的检查工具来完成这项工作。它们处理和设置起来更快，而且对微小的变化不那么敏感。例如，如果使用相机检查盒子上是否有标签，则可以使用工具检查该区域的亮度。亮度工具非常简单，处理速度快，对标签打印上的微小变化不太敏感。相比之下，如果使用模式工具来检测标签，则可能需要更长的处理时间，并且可能对标签打印的变化更敏感。

5.考虑运行时

最初的编程通常是在一小部分样本上完成的，但它们并不代表整个群体。在小样本上训练系统，然后在自动化运行时使用更大的样本进行验证和调整。下面是机器视觉编程的帮助:

• 测试每种零件类型，包括每种颜色和变化。
• 测试每个预期的缺陷变化。例如，如果一个预期的缺陷是零件上的模具闪光，就有大闪光、小闪光和零件上不同区域的闪光的例子。获取一些几乎不超出规格的代码，并确保系统捕捉到缺陷。买一些几乎不符合规格的，并确保它们通过测试。
• 注意假阳性和假阴性。当一个部件不是“坏”的时候，它会被算作“坏”吗?当一个零件不是“好”的时候，它会被算作“好”吗?有时候，扔掉一些好的部分比留下坏的部分更可取。
• 将几百个部件的图像记录到笔记本电脑上，可以帮助找出哪里出了问题，如果需要进行调整，也可以用于离线程序更改。

在实现机器视觉检测系统时，没有什么可以替代经验，但可用的强大检测工具使许多应用程序对缺乏经验的人来说是可行的。提前做好工作并彻底验证，这将产生一个值得骄傲的系统。

乔恩•布林是业主/控制工程师，布林机器自动化服务有限公司．由制作编辑克里斯·瓦夫拉编辑，控制工程， CFE传媒，cvavra@cfemedia.com．

更多的答案

关键词:机器视觉，检测

• 即使有技术发展，机器视觉检测流程并没有太大变化。
• 一个健壮的机器视觉检测应考虑应用、光学、照明、设置和运行时。
• 有很多工具设计，使机器视觉检测一个简单的过程。

考虑一下这个

还有什么其他机器视觉检查应该考虑哪些因素?

在线额外

控制工程传感器和机器视觉页面．

注册并下载机器视觉数字报告。

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。