與人類視覺相比,機(jī)器缺陷檢測有著明顯的優(yōu)勢,它精確度高,速度快,可“看”清人眼無法看清的快速運(yùn)動(dòng)的目標(biāo),具有較高的穩(wěn)定性,提升質(zhì)量的可控性,同時(shí)可以進(jìn)行信息的集成與留存,方便人員追溯。因此,機(jī)器視覺在多個(gè)領(lǐng)域都有著頻繁的應(yīng)用,幫助人工進(jìn)行缺陷的檢測識(shí)別并標(biāo)記。
同時(shí),隨著在行業(yè)內(nèi)多年的沉淀,這項(xiàng)技術(shù)也取得了質(zhì)的發(fā)展:
1. 圖像采集技術(shù)發(fā)展迅猛
CCD、CMOS等固件越來越成熟,圖像敏感器件尺寸不斷縮小,像元數(shù)量和數(shù)據(jù)率不斷提高,分辨率和幀率的提升速度可以說日新月異,產(chǎn)品系列也越來越豐富,在增益、快門和信噪比等參數(shù)上不斷優(yōu)化,通過核心測試指標(biāo)(MTF、畸變、信噪比、光源亮度、均勻性、色溫、系統(tǒng)成像能力綜合評(píng)估等)來對(duì)光源、鏡頭和相機(jī)進(jìn)行綜合選擇,使得很多以前成像上的難點(diǎn)問題得以不斷突破。
2. 圖像處理和模式識(shí)別發(fā)展迅速
圖像處理上,隨著圖像高精度的邊緣信息的提取,很多原本混合在背景噪聲中難以直接檢測的低對(duì)比度瑕疵開始得到分辨。
模式識(shí)別上,本身可以看作一個(gè)標(biāo)記過程,在一定量度或觀測的基礎(chǔ)上,把待識(shí)模式劃分到各自的模式中去。圖像識(shí)別中運(yùn)用得較多的主要是決策理論和結(jié)構(gòu)方法。決策理論方法的基礎(chǔ)是決策函數(shù),利用它對(duì)模式向量進(jìn)行分類識(shí)別,是以定時(shí)描述(如統(tǒng)計(jì)紋理)為基礎(chǔ)的;結(jié)構(gòu)方法的核心是將物體分解成了模式或模式基元,而不同的物體結(jié)構(gòu)有不同的基元串(或稱字符串),通過對(duì)未知物體利用給定的模式基元求出編碼邊界,得到字符串,再根據(jù)字符串判斷它的屬類。在特征生成上,很多新算法不斷出現(xiàn),包括基于小波、小波包、分形的特征,以及獨(dú)二分量分析;還有關(guān)子支持向量機(jī),變形模板匹配,線性以及非線性分類器的設(shè)計(jì)等都在不斷延展。
3. 深度學(xué)習(xí)帶來的突破
傳統(tǒng)的機(jī)器學(xué)習(xí)在特征提取上主要依靠人來分析和建立邏輯,而深度學(xué)習(xí)則通過多層感知機(jī)模擬大腦工作,構(gòu)建深度神經(jīng)網(wǎng)絡(luò)(如卷積神經(jīng)網(wǎng)絡(luò)等)來學(xué)習(xí)簡單特征、建立復(fù)雜特征、學(xué)習(xí)映射并輸出,訓(xùn)練過程中所有層級(jí)都會(huì)被不斷優(yōu)化。在具體的應(yīng)用上,例如自動(dòng)ROI區(qū)域分割;標(biāo)點(diǎn)定位(通過防真視覺可靈活檢測未知瑕疵);從重噪聲圖像重檢測無法描述或量化的瑕疵如橘皮瑕疵;分辨玻璃蓋板檢測中的真假瑕疵等。隨著越來越多的基于深度學(xué)習(xí)的機(jī)器視覺軟件推向市場(包括瑞士的vidi,韓國的SUALAB,香港的應(yīng)科院等),深度學(xué)習(xí)給機(jī)器視覺的賦能會(huì)越來越明顯。
當(dāng)然,目前,缺陷檢測目前能減輕人工負(fù)擔(dān),但要全面替代人工,仍有諸多難點(diǎn)需要突破:
1. 光源與成像:
機(jī)器視覺中優(yōu)質(zhì)的成像是第一步,由于不同材料物體表面反光、折射等問題都會(huì)影響被測物體特征的提取,因此光源與成像可以說是機(jī)器視覺檢測要攻克的第一個(gè)難關(guān)。比如現(xiàn)在玻璃、反光表面的劃痕檢測等,很多時(shí)候問題都卡在不同缺陷的集成成像上
2. 對(duì)非預(yù)期缺陷的識(shí)別:
在應(yīng)用中,往往是給定一些具體的缺陷模式,使用機(jī)器視覺來識(shí)別它們到底有沒有發(fā)生。但經(jīng)常遇到的情況是,許多明顯的缺陷,因?yàn)橹皼]有發(fā)生過,或者發(fā)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(gè)缺陷,但是他會(huì)注意到,從而有較大幾率抓住它,而機(jī)器視覺在這點(diǎn)上的“智慧”目前還較難突破。
以上便是為大家?guī)黻P(guān)于缺陷檢測的資訊,國辰機(jī)器人也會(huì)攻克技術(shù)難關(guān),深耕行業(yè),為用戶帶來更智能的體驗(yàn)。
? ? ?責(zé)任編輯:tzh
評(píng)論
查看更多