CN / EN
banner圖
掌握核心技術 駕馭光的運用

行業新聞

Industry News

機器視覺優勢與難點

日期:2020-06-02 來源:币游国际

機器視覺中,缺陷檢測功能,是機器視覺應用得最多的功能之一,主要檢測產品表麵的各種信息。在現代工業自動化生產中,連續大批量生產中每個製程都有一定的次品率,單獨看雖然比率很小,但相乘後卻成為企業難以提高良率的瓶頸,並且在經過完整製程後再剔除次品成本會高很多(例如,如果錫膏印刷工序存在定位偏差,且該問題直到芯片貼裝後的在線測試才被發現,那麽返修的成本將會是原成本的100倍以上),因此及時檢測及次品剔除對質量控製和成本控製是非常重要的,也是製造業進一步升級的重要基石。

在檢測行業,與人類視覺相比,機器視覺 優勢明顯

1)精確度高:人類視覺是64灰度級,且對微小目標分辨力弱;機器視覺可顯著提高灰度級,同時可觀測微米級的目標;

2)速度快:人類是無法看清快速運動的目標的,機器快門時間則可達微秒級別;

3)穩定性高:機器視覺解決了人類一個非常嚴重的問題,不穩定,人工目檢是勞動非常枯燥和辛苦的行業,無論你設計怎樣的獎懲製度,都會發生比較高的漏檢率。但是機器視覺檢測設備則沒有疲勞問題,沒有情緒波動,隻要是你在算法中寫好的東西,每一次都會認真執行。在質控中大大提升效果可控性。

4)信息的集成與留存:機器視覺獲得的信息量是全麵且可追溯的,相關信息可以很方便的集成和留存。

要全免替代人工目檢,機器視覺還有諸多難點有待攻破:

1)光源與成像:機器視覺中優質的成像是第一步,由於不同材料物體表麵反光、折射等問題都會影響被測物體特征的提取,因此光源與成像可以說是機器視覺檢測要攻克的第一個難關。比如現在玻璃、反光表麵的劃痕檢測等,很多時候問題都卡在不同缺陷的集成成像上。

2)重噪音中低對比度圖像中的特征提取:在重噪音環境下,真假瑕疵的鑒別很多時候較難,這也是很多場景始終存在一定誤檢率的原因,但這塊通過成像和邊緣特征提取的快速發展,已經在不斷取得各種突破。

3)對非預期缺陷的識別:在應用中,往往是給定一些具體的缺陷模式,使用機器視覺來識別它們到底有沒有發生。但經常遇到的情況是,許多明顯的缺陷,因為之前沒有發生過,或者發生的模式過分多樣,而被漏檢。如果換做是人,雖然在操作流程文件中沒讓他去檢測這個缺陷,但是他會注意到,從而有較大幾率抓住它,而機器視覺在這點上的“智慧”目前還較難突破。


返回列表