导航

如何选购机器(计算机)视觉产品?

2019-03-17

      随着中国老龄化的加快,工厂招人越来越难,工厂的一些生产环节开始使用机器视觉产品。但是机器视觉产品在选购和使用中并非一帆风顺,在使用中经常遇到这样或者那样的问题;更有的在项目实施时换了几个供应商也没有达到生产要求,为此浪费了大量时间和财力。之所以出现这些问题,究其原因机器视觉系统属于高科技产品,技术含量高难度也大,不同于传统机械产品。因此不能用传统机械设备上的经验进行选购。为了便于工厂管理者更好的选到合适的产品降低浪费,本文将视觉产品选购中需要注意的问题进行系统性梳理。

     什么是机器视觉?我们先进行基础概念介绍,把概念搞清楚才便于做出正确选择。

机器视觉是计算机图像技术在工业领域的一个称呼,其技术来源于计算机图像处理科学与技术。该技术较为高深,建立在计算机科学(图像识别和人工智能分支)与高等数学几何学基础上。此技术的一个应用大家应该耳熟能详,例如有线电视图像压缩传输,VCD、DVD、MP4、蓝光、4K高清等产品上无一不使用计算机图像技术。高级一些的例如人脸识别、车牌号识别、机器人抓取等。

     机器视觉是将该技术应用于工业检测和识别领域。本质上是通过数字成像技术,然后经过各种运算进行关键特征提取,最后给出检测结果,调整下道工序的输入。

机器视觉从应用上来说,可以分为识别、检测、测量、定位。其中最难的是检测,各种缺陷的检测。下面分开介绍。

     对产品状态好坏的判定以及字符读取都是识别的范围。例如饮料灌装行业需要对每个瓶子瓶盖盖好与否进行检测,这个就是对瓶盖状态的识别。瓶身上的生产日期检查,防止漏印、错印,这是字符识别。

有些芯片产品的引脚间距需要保证一致,不能出现忽大忽小,引脚间距的非接触式测量就是视觉测量的一个应用,此外饮料行业对于液位高度检查也是测量应用。

定位主要是计算出产品的位置方便机械手抓取。

     检测主要对产品外观状态进行识别,例如产品表面是否有划伤、破损,典型应用例如纺织瑕疵检测、半导体硅片瑕疵检测、太阳能电池片电极断裂、油污和颜色深浅检测等。

由于上面四类应用难度不同,对产品的要求也不同,因此市场主要形成两大阵营:一个是以康耐视、基恩士为代表的智能相机家族;一个是以大恒图像、凌云光子为代表的计算机系统(PC Base)家族。

     智能相机外形小巧、使用简单、便于安装用于读码(条码、二维码)、定位、测量和简单状态识别(例如瓶盖是否盖好),不过智能相机由于算法相对简单,处理器性能有限,无法胜任复杂缺陷检测的要求。复杂缺陷检测主要是依靠计算机家族来实现。复杂缺陷检测开发周期较长,不确定性大,找有实力的厂家开发成功率比较高。

智能相机主要是美国的康耐视(Cognex),日本的基恩士(Keyence),产品品质好,价格高。计算机家族主要是北京大恒图像、北京凌云光子、北京华夏视科、武汉精测可以进行全新检测系统的研制。

     对于读码、定位和简单识别一般不会遇到特别大的困难,实际项目实施时失败率最高的是缺陷检测。缺陷检测系统的研制失败率高是因为缺陷种类繁多,产品品类多,形状颜色图案变化都比较大。

     典型的机器视觉技术通过颜色、对比度、形状提取,通过数学建模等方法可以实现规整目标的缺陷检测,例如药片、光盘、液晶屏等。但是对于复杂外形的产品往往很难取得满意效果,例如农产品、食品、纺织品缺陷检测。

     随着2012年加拿大多伦多大学教授Hinton在深度学习识别上取得突破,很多原来无法实现的复杂缺陷检测可以借助深度学习完成,并且实现了很高的准确率。对于产品形态复杂的检测任务可以尝试深度学习,很多都可以取得不错的效果。

     不过深度学习也并非万能,如果场景变化目标形状变化剧烈,检测准确度也难以提高,例如户外环境下的自动驾驶行人车辆的识别。

     选购机器视觉产品,最好寻找上述专业机构。大企业对小众采购量小的产品接单意愿不大,因为经济效益过低。小众采购量小的项目开发只能选择小视觉公司,小规模视觉公司在技术和经验上参差不齐,需谨慎选择。

      时间仓促,上述文章概括了视觉检测系统的概念和选购过程中需要注意的问题,希望可以帮助工厂管理人员。如果有特殊问题上面文章没有提及,可以给我们来信,我们会定期逐一解答。