视觉自动检测是指通过机器视觉产品比如摄像头获取图像,然后将获得的图像传送至处理单元,通过数字化图像处理进行目标尺寸、形状、颜色等的判别,进而根据判别的结果控制现场设备。一个典型的视觉自动检测涉及多个领域的技术交叉与融合,包括光源照明技术、光学成像技术、传感器技术、数字图像处理技术、模拟与数字视频技术、机械工程技术、控制技术、计算机软硬件技术、人机接口技术等。
一、硬件部分
目前市场上的视觉自动检测可以按结构分为两大类:基于pc的机器视觉系统和嵌入式机器视觉系统。基于pc的机器视觉系统是传统的结构类型,硬件包括ccd相机、视觉采集卡和pc等。嵌入式机器视觉系统将所需要的大部分硬件如ccd、内存、处理器以及通信接口等压缩在一个“黑箱”式的模块里,又称之为智能相机,其优点是结构紧凑、性价比高、使用方便、对环境的适应性强,是机器视觉系统的发展趋势。
二、软件部分
作为
视觉自动检测的重要组成部分,机器视觉软件主要通过对图像的分析和处理,实现对待测目标特定参数的检测和识别。机器视觉软件主要完成图像增强、图像分割、特征抽取、模式识别、图像压缩与传输等算法内容,有些还具有数据存储和网络通信功能。视觉自动检测可以根据图像处理结果和一定的判决条件方便地实现产品自动化检测与管理。
根据软件的规模和功能,现有的机器视觉系统软件可以分为单任务的专用软件和集成式通用组态软件两大类。专用软件是专门针对某一测试任务研制开发的,其待测目标已知,测量算法不具有通用性,如投影电视会聚特性检测调整系统和电子枪扭弯曲度智能检测系统。集成式通用组态软件是将众多通用的图像处理与模式识别算法编制成函数库,并向用户提供一个开放的通用平台,用户可以在这种平台上选择组合自己需要的函数,快速灵活的通过组态实现一个具体的视觉检测任务。
目前视觉自动检测主要向高性能与可组态两方面发展。一方面,视觉自动检测的竞争已从过去单纯追求软件多功能化转向对检测算法的准确性、高效性的竞争。优秀的机器视觉软件可以对图像中的目标特征进行快速而准确的检测,并最大限度地减少对硬件系统的依赖性。另一方面,视觉自动检测正由定制方式朝着通用、可视化组态方式发展。由于图像处理算法具有一定通用性,用户可以在通用平台上进行二次组态开发,快速实现多种工业测量、检测和识别功能。