CN / EN
banner图
掌握核心技术 驾驭光的运用

技术文章

Technical Articles

机器视觉优势与难点

日期:2020-06-02 来源:三姆森科技

机器视觉中,缺陷检测功能,是机器视觉应用得最多的功能之一,主要检测产品表面的各种信息。在现代工业自动化生产中,连续大批量生产中每个制程都有一定的次品率,单独看虽然比率很小,但相乘后却成为企业难以提高良率的瓶颈,并且在经过完整制程后再剔除次品成本会高很多(例如,如果锡膏印刷工序存在定位偏差,且该问题直到芯片贴装后的在线测试才被发现,那么返修的成本将会是原成本的100倍以上),因此及时检测及次品剔除对质量控制和成本控制是非常重要的,也是制造业进一步升级的重要基石。

在检测行业,与人类视觉相比,机器视觉 优势明显

1)精确度高:人类视觉是64灰度级,且对微小目标分辨力弱;机器视觉可显著提高灰度级,同时可观测微米级的目标;

2)速度快:人类是无法看清快速运动的目标的,机器快门时间则可达微秒级别;

3)稳定性高:机器视觉解决了人类一个非常严重的问题,不稳定,人工目检是劳动非常枯燥和辛苦的行业,无论你设计怎样的奖惩制度,都会发生比较高的漏检率。但是机器视觉检测设备则没有疲劳问题,没有情绪波动,只要是你在算法中写好的东西,每一次都会认真执行。在质控中大大提升效果可控性。

4)信息的集成与留存:机器视觉获得的信息量是全面且可追溯的,相关信息可以很方便的集成和留存。

要全免替代人工目检,机器视觉还有诸多难点有待攻破:

1)光源与成像:机器视觉中优质的成像是第一步,由于不同材料物体表面反光、折射等问题都会影响被测物体特征的提取,因此光源与成像可以说是机器视觉检测要攻克的第一个难关。比如现在玻璃、反光表面的划痕检测等,很多时候问题都卡在不同缺陷的集成成像上。

2)重噪音中低对比度图像中的特征提取:在重噪音环境下,真假瑕疵的鉴别很多时候较难,这也是很多场景始终存在一定误检率的原因,但这块通过成像和边缘特征提取的快速发展,已经在不断取得各种突破。

3)对非预期缺陷的识别:在应用中,往往是给定一些具体的缺陷模式,使用机器视觉来识别它们到底有没有发生。但经常遇到的情况是,许多明显的缺陷,因为之前没有发生过,或者发生的模式过分多样,而被漏检。如果换做是人,虽然在操作流程文件中没让他去检测这个缺陷,但是他会注意到,从而有较大几率抓住它,而机器视觉在这点上的“智慧”目前还较难突破。


返回列表
搜索