Strojové vidění je nová technologie vyvinutá v posledních letech. Využívá prostředky integrace optických, mechanických a elektrických prvků, aby měla mašina schopnost vidět. Díky začlenění strojového vidění do oblasti inspekce lze na mnoha místech realizovat online přesné a rychlé měření. Současně se postupně vyvíjí teorie detekční technologie strojového vidění.
Co je strojové vidění?
Strojové vidění znamená stručně použití strojů místo lidských očí pro měření a rozhodování. Především využívá počítače ke simulaci lidské vizuální funkce, extrahuje informace z obrazu objektivních věcí, zpracovává a chápe je a nakonec je používá pro skutečné detekce, měření a kontrolu. Typický mechanismus strojového vidění se skládá ze čtyř částí: osvětlení, čočka, kamery, karty pro sběr obrazu a procesoru pro zpracování obrazu.
Technologie odvozená z tohoto je technologie strojového vidění, která je mezioborovým předmětem spojujícím umělou inteligenci, neurobiologii, psychofyziku, informatiku, zpracování obrazu, rozpoznávání vzorů a mnoho dalších oborů. Technologie strojového vidění se vyjadřuje vysokou rychlostí, velkým množstvím informací a více funkcemi.
Vývoj strojového vidění
Výzkum strojového vidění začal v polovině 60. let americkým badatelem L.R. Robertsem s cílem pochopit svět stavebních bloků složený z mnohostěnů. Techniky používané tehdy, jako jsou předzpracování, detekce hran, konstrukce obrysové čáry, modelování objektu a porovnávání, byly aplikovány ve strojovém vidění. V 70. letech se strojové vidění rozdělilo na několik důležitých výzkumných větví: ① zpracování obrazu pro cílové vedení; ② paralelní algoritmus pro zpracování a analýzu obrazu; ③ extrakce 3D informací z 2D obrazů; ④ analýza posloupnosti obrazů a vyhodnocení pohybových parametrů; ⑤ reprezentace vizuálních znalostí; ⑥ znalostní báze vizuálního systému.
Jaké jsou obtíže při návrhu technologie strojového vidění?
První: stabilita osvětlení
Aplikace průmyslového vidění se obecně dělí do čtyř kategorií: pozicionování, měření, detekce a rozpoznávání. Z nich vyžaduje měření nejvyšší stabilitu osvětlení. Stačí, aby se osvětlení změnilo o 10-20 %, a výsledek měření může odbočit o 1-2 pixely. Toto není problém softwaru, ale změna osvětlení, která způsobuje posun hranice na obrázku, a ani nejmocnější software to nemůže vyřešit. Abychom problém vyřešili, musíme eliminovat rušivé vlivy okolního světla z pohledu systémového návrhu a zajistit svítivou stabilitu aktivního zdroje světla. Samozřejmě, že zlepšení rozlišení zařízení kamery je také způsob, jak zvýšit přesnost a odolnost vůči environmentálním vlivům. Například, předchozí velikost prostoru odpovídající jednomu pixelu byla 10 mikrometrů, ale zvýšením rozlišení se změnila na 5 mikrometrů. Přesnost se tím lze přibližně zdvojnásobit a odolnost vůči prostředí se zlepší.
Druhé, nekonzistence polohy součásti
Obvykle je prvním krokem měřicího projektu, ať už jde o offline kontrolu nebo online kontrolu, pokud je to úplně automatizované měřicí zařízení, prvním krokem je najít cíl, který má být změřen. Pokaždé, když se objekt k měření vyskytne v obrazovém poli, je nutné přesně znát polohu tohoto objektu. I když používáte nějaké mechanické držáky, nemůžete zajistit, aby cíl byl pokaždé ve stejné poloze. To vyžaduje použití funkce pozice. Pokud není pozice přesná, může být poloha měřicího nástroje nepřesná a výsledky měření mohou mít relativně velkou odchylku.
Třetí: kalibrace
Obecně jsou pro měření s vysokou přesností potřebné následující kalibrace: 1) kalibrace optické deformace (pokud nepoužíváte softwarový objektiv, je obvykle nutné kalibrovat) a 2) kalibrace projekční deformace, tj. korekce deformací obrazu způsobených chybami v polohování zařízení, a také kalibrace tříobjektového prostoru obrazu, tj. výpočet odpovídajících rozměrů prostoru objektu pro každý pixel.
Avšak současné kalibrační algoritmy jsou založeny na plošné kalibraci. Pokud není měřená fyzická veličina rovinná, budou potřeba speciální algoritmy pro kalibraci, které nelze vyřešit pomocí běžných kalibračních algoritmů.
Navíc, protože není vždy pohodlné používat kalibrační desku, musí být navrženy některé metody kalibrace, takže kalibrace nemusí být řešitelná stávajícím kalibračním algoritmem v softwaru.
Čtvrté: rychlost objektu
Pokud není měřený objekt stacionární, ale se pohybuje, je třeba zvážit obrázkovou přesnost rozostření pohybu (rozostřený pixel = rychlost pohybu objektu * čas vystavení kamery), což softwarově nelze vyřešit.
Páté, měřící přesnost softwaru
V měřicí aplikaci lze přesnost softwaru brát jako 1/2 až 1/4 pixelů, a je lepší použít 1/2 namísto 1/10 až 1/30 pixelů pro aplikace pozicování, protože software může z obrázku extrahovat velmi málo charakteristických bodů.
Vývoj a aplikace v Číně
Odborníci věří, že raný vývoj strojového vidění byl hlavně soustředěn v Evropě, Spojených státech a Japonsku. S posunem globálního výrobního centra do Číny se čínský trh se strojovým viděním stává důležitým cílovým trhem pro mezinárodní výrobce strojového vidění po Severní Americe, Evropě a Japonsku. V Číně začalo používání strojového vidění s úvodem technologií v 80. letech. Poloprovodníkový a elektronický průmysl je jedním z odvětví, která dříve aplikovala strojové vidění, přičemž většina jeho aplikací je soustředěna na montáž PCB tiskových obvodů, výrobu komponentů, poloprovodníkové a integrované obvody zařízení. Použití a šíření strojového vidění v tomto odvětví hraje klíčovou roli při zvyšování kvality a produkční efektivity elektronických produktů.
V současnosti se Čína stává jednou z nejaktivnějších oblastí na světě v oboru vývoje strojového vidění, která zahrnuje téměř všechny odvětví národního hospodářství, včetně: průmyslu, zemědělství, medicíny, vojenství, kosmonautiky, meteorologie, astronomie, veřejné bezpečnosti, dopravy, bezpečnosti, vědeckého výzkumu a dalších oborů. Průmyslové odvětví je oborem, kde je aplikace strojového vidění nejrozšířenější. Důležitým důvodem je skutečnost, že Čína se stala zpracovatelským centrem globálního výrobního průmyslu. S vysokou požadavkem na zpracování součástí a odpovídajících pokročilých produkčních linkách se do Číny dostalo mnoho systémů strojového vidění a aplikací s mezinárodním standardem.
Níže jsou stručně popsány některé aplikace:
1. Monitorování potravinové bezpečnosti
Během procesu výroby a kontroly kvality produktů je někdy nutné, aby personál pozoroval, identifikoval a objevil chyby a propuštění v procesu výroby. Bez ohledu na to, jak silné je u člověka pocit odpovědnosti a pozornost, může být unavený, nedbalý a rozptylující, což způsobuje, že vadné produkty proudí na trh.
Aplikace strojového vidění v potravinářské inspekci
2. Výroba
Soustředění konkurence v průmyslovém výrobním odvětví se zvyšuje, a tlak na náklady donutí průmysl věnovat pozornost efektivitě výroby, kde kvalita bude podporovat použití technologie strojového vidění. Aby byla zvýšena výrobní efektivita a sníženy lidské náklady, jsou některé manuální procesy v průmyslové výrobě a řízení postupně nahrazovány stroji. Charakteristikou systému strojového vidění je zvýšení flexibility a automatizace výroby. V některých nebezpečných pracovních prostředích, která nejsou vhodná pro manuální práci, nebo kde je obtížné splnit požadavky pomocí lidského vidění, se často používá strojové vidění jako náhrada lidskému vidění; zároveň v procesech hromadné průmyslové výroby je úroveň efektivity při kontrolě kvality produktů pomocí lidského vidění nízká a přesnost není dostatečná, metoda strojového vidění může významně zvýšit výrobní efektivitu a stupeň automatizace výroby. Navíc je strojové vidění jednoduché integrovat s informacemi, což je základní technologie počítačově integrované výroby.
Zároveň může technologie strojového vidění hrát roli i při nadstandardních emisích kouře, šťáv a podobně. Pomocí strojového vidění lze včas detekovat požár a kouř v strojovně a dílně. Použití technologií detekce obličeje a rozpoznávání tváří ve strojovém vidění může pomoci firemám posílit kontrolu a správu vstupů a výstupů, zlepšit úroveň správy a snížit náklady na správu.
3. Sluneční energie, dopravní monitorování
V posledních letech přineslo rozvoj nových odvětví nový prostor na trhu s technologiemi strojového vidění. V oboru solární energie používají výrobci slunečních buněk a modulů strojové vidění k detekci produktů, jejich identifikaci, sledování a montáži. V oblasti dopravního monitorování lze použít technologii rozpoznávání poznávacích značek a analýzy obrazu pro automatické rozpoznávání poznávacích značek, nalezení neoprávněného zaparkování, jízdy proti směru a detekci vozidel zapojených do dopravních nehod. Navíc existuje obrovský potenciál pro technologie strojového vidění v oblastech prevence zemětřesení, sledování sesuvů, bahenních toků a erupcí sopečných výronů, hydrologického monitorování a pozorování stavu řek a hydrologických podmínek.
Příští tržní perspektivy
Tradiční výrobní průmysl čelí nové subverzi, transformace a modernizace přinese obrovské tržní příležitosti pro čínský průmysl automatizace. Strojové vidění, jako vysoce inteligentní produkt v průmyslu automatizace, má v budoucnu velký potenciál rozvoje.
V posledních letech kupují čínské výrobci elektroniky a OEM výrobci velké množství automatizačního zařízení, aby nahradili manuální práci v reakci na rostoucí nedostatek pracovní síly v Číně, což dosáhne vrcholu v následujících letech. Závody financované Tchaj-wanem zvolily zvyšovat stupeň automatizace a jejich vlna automatizace přijde v dalších 2-3 letech, což přinese nový růstový bod pro použití produktů strojového vidění v tomto průmyslu.
Podle autoritativního průmyslového prognostického zpravodaje bude rostout velikost trhu čínského průmyslu strojového vidění, dosáhne 3 miliard yuan v roce 2015, 3,8 miliardy yuan v roce 2016 a 5 miliard dolarů do roku 2018. Nové obchodní příležitosti přinášené globálním trhem strojového vidění se staly zaměřením výrobních firem v odvětví.
Tento článek pochází z internetu. Je znovu publikován s cílem šíření znalostí, prospěšného učení a výzkumu. Poskytován je zdarma pro návštěvníky webu a slouží také k označení autora a zdroje. Pokud má držitel duševního vlastnictví nebo vydavatel námitky, tento web ho okamžitě odstraní. Pokud máte jakékoli otázky ohledně znovupublikování článku, dejte nám prosím vědět, abychom to mohli včas opravit.
EN