机器视觉系统从简单到复杂都涉及着多门技术,即使是基本的系统,成像、照明、图像处理算法、图像数字化、计算机软硬件等,这是必不可少的。更不论复杂的系统,还会涉及到传感器、机械设计、运动控制、数据库、SPC等。要把这些各个不同方面的技术和知识融合到系统里,而且还需要使其之间相互配合并稳定的运作,这对系统集成的技术人员来说,带来了非常大的挑战。下面,瑞视特科技根据整理了一些方法,讲解一下机器视觉系统集成的时候,设计的各种技术,以及需要综合考的因素和评估机器视觉系统是否成功的可能性的一些方法。

中国经济经过数十年的高速发展,在很多领域完成了从无到有、从不能到可以的跃变,现在已经到了提高生产效率和产品质量、残酷竞争的阶段,很多原来使用的人工工序正逐渐被机器所取代,从而对机器视觉系统产生了越来越多的需求。而机器视觉技术本来就是为了解决生产中的各种问题发展起来的。

在人类的生产活动中,人的眼睛担负着很多重要的任务,例如放置和固定工件、观察和估计位置、检测外观尺寸、确定产品的一致性、检验产品质量等。这些工作正在越来越多地被机器视觉系统取代,一方面是随着对生产速度和产品质量的要求越来越高,对检测速度和精度的要求超过了肉眼的能力;另一方面是因为成像技术、计算机技术或图像处理技术的发展,机器视觉系统能够完成的任务越来越复杂,成本也越来越低。

然而,机器视觉技术作为一门新兴技术,引人中国时间并不长,真正有经验的系统集成人员也不多,而机器视觉系统涉及到照明、成像、电子、自动控制、计算机软件硬件、机械设计、传感器、光学等各方面,把这些不同的技术集成到1个系统内,并使其相互配合工作,本身就是艰巨的任务。本文试图根据作者多年的经验,就机器视觉系统集成技术给出一些建议,期望能够帮助使用机器视觉系统的用户评估其系统并在做出合理决策时提供参考,给研制系统的技术人员和公司提供一些成功的经验。本文将介绍需求分析、资源配置、系统集成等几个方面的内容。

A、 需求分析

准确地描述机器视觉系统需要完成的功能和工作环境,对于整个机器视觉系统的成功集成是至关重要的。对于需求的描述,实际定义了视觉系统工作的场景,而围绕这个场景设计1个系统来获取合适的图像,并提取有用的信息或控制生产过程就是我们工作的目标。这个步骤看起来如此简单,以至于经常被忽略。有时候用户在生产过程中产生了某种需求,但是由于知识面和技术方面的原因,用户不知道自己需要什么样的视觉系统,或者不能准确描述自己的需求,而这时系统集成商自己经验不足或没有给以足够的重视,就不能帮助用户来明确系统的功能细节,这个系统集成开发过程注定要走弯路,甚至终失败。

所以,系统集成的第1步就是明确用户需求!一般情况下可以使用下面的表格来帮助我们实现此目标。

机器视觉系统的运作流程-机器视觉_视觉检测设备_3D视觉_缺陷检测