当前位置: 仪器信息网 > 行业主题 > >

机器视觉

仪器信息网机器视觉专题为您提供2024年最新机器视觉价格报价、厂家品牌的相关信息, 包括机器视觉参数、型号等,不管是国产,还是进口品牌的机器视觉您都可以在这里找到。 除此之外,仪器信息网还免费为您整合机器视觉相关的耗材配件、试剂标物,还有机器视觉相关的最新资讯、资料,以及机器视觉相关的解决方案。

机器视觉相关的资讯

  • 2023拥抱AI视觉时代:机器视觉的机会与挑战
    机器视觉与AI的机会近年来,传统科技公司和新创公司竞相将机器视觉与人工智能/机器学习结合,使其能够超越传感器像素数据,从而在各种应用中开创新的机会。这一结合的潜力巨大,相关的新创公司在交通运输、制造业、医疗保健和零售等各个市场中筹集了数十亿美元的资金。然而,要充分实现其潜力,这项技术需要应对许多挑战,包括提高性能和安全性,以及设计灵活性。从根本上讲,机器视觉系统是软件和硬件的结合,可以以数字像素的形式捕捉和处理信息。这些系统可以分析图像,并根据其编程和训练来采取相应的行动。典型的视觉系统包括图像传感器(摄像头和镜头)、图像和视觉处理组件(视觉算法)以及SoCs(片上系统)和网络/通信组件。无论是静态图像还是视频数字相机,都包含图像传感器。汽车感测器(如激光雷达、雷达、超声波)也能以数字像素形式提供图像,尽管分辨率可能不同。尽管大多数人对这些类型的图像都很熟悉,但机器也能够“看见”热和音频信号数据,并分析这些数据以创建多维图像。Synopsys公司的战略市场经理Ron Lowman表示:“在过去几年中,CMOS图像传感器取得了显著的改进。传感器的带宽不再优化用于人类视觉,而是用于提供人工智能的价值。例如,主导视觉传感器接口的MIPI CSI不仅提高了带宽,还增加了智能ROI(Region of Interest)和更高的颜色深度等人工智能功能。虽然这些颜色深度增加对人眼来说无法察觉,但对于机器视觉来说,它可以大大提高服务的价值。”机器视觉系统的基本组成机器视觉系统由软件和硬件组成,其中关键的组件是图像传感器。在过去几年中,CMOS图像传感器取得了显著的改进,这使得传感器的带宽不再仅仅优化于人类视觉,而是为了提供人工智能的价值。MIPI CSI作为主要的视觉传感器接口,不仅增加了带宽,还增加了智能ROI(Smart Region of Interest)和更高的颜色深度等人工智能功能。虽然这些颜色深度的增加对人眼而言无法察觉,但对于机器视觉来说,它可以大大提高服务的价值。除了图像传感器外,机器视觉系统还包括图像和视觉处理组件以及片上系统和网络/通信组件。这些组件协同工作,使机器能够理解和解释图像数据。图像和视觉处理组件包括视觉算法,它们能够分析图像并根据其训练和编程进行相应的处理。此外,片上系统和网络/通信组件则负责数据处理和传输,以实现机器视觉系统的功能。图 1:机器视觉系统包括用于执行图像处理和分析的硬件、软件和芯片。 AI 通常是解决方案的一部分,并且 MV 通常连接到云。 来源:Arcturus 网络机器视觉与计算机视觉的区别机器视觉是计算机视觉的一个子集,两者在很大程度上依赖于对图像数据的观察来推断信息。然而,机器视觉更加强调在工业或工厂环境中的“检测类型”应用。Cadence公司的Tensilica Vision and AI DSPs的产品管理、市场营销和业务拓展总监Amol Borkar指出,机器视觉在感测方面高度依赖摄像头。然而,“摄像头”这个词是个负面词,因为我们通常熟悉的是一个能够产生RGB图像并在可见光谱范围内运作的图像传感器。不过,根据应用的不同,这些传感器可以在红外线下运作,包括短波、中波、长波红外线或热成像等多种变体。最近还引入了对运动非常敏感的事件相机。在装配线上,线扫描相机是与典型的快门相机略有不同的一种变体。当前的汽车、监控和医疗等大多数应用都依赖于这些传感器中的一个或多个,通常结合使用以实现比单个摄像头或传感器更好的感测融合结果。机器视觉的优势机器视觉相较于人类有着更出色的视觉能力,这使得机器视觉在制造业中能够提高生产力和品质,降低生产成本。与自动驾驶辅助系统(ADAS)结合使用时,机器视觉能够接管部分驾驶功能。此外,搭配人工智能,机器视觉能够协助分析医学影像。应用机器视觉的好处包括更高的可靠性和一致性,以及更大的精确度和准确度(取决于摄像头的分辨率)。而且,与人类不同,机器在获得例行维护的前提下不会感到疲劳。视觉系统的数据可以在本地或云端存储,需要时进行实时分析。此外,机器视觉通过检测和筛选出有缺陷的零件,降低生产成本。同时,通过OCR(光学字符识别)和条码扫描读取,提高了库存控制的效率,从而降低整体制造成本。如今,机器视觉通常与人工智能结合使用,大大增强了数据分析的能力。在现代工厂中,自动化设备,包括机器人,与机器视觉和人工智能结合,以提高生产力。机器视觉(MV)和人工智能(AI)是密切相关的领域,它们通常以各种方式进行交互。机器视觉利用摄像头、传感器和其他设备捕捉图像或其他附加数据,然后将其进行处理和分析,以提取有用的信息,而人工智能则使用算法和统计模型来识别模式并基于大量数据进行预测。AI/ML与MV的交互作用这还可以包括深度学习技术。Arteris IP公司的产品市场副总裁Andy Nightingale表示:“深度学习是人工智能的一个子集,它涉及使用大量数据对复杂的神经网络进行训练,以识别模式并进行预测。”机器视觉系统可以使用深度学习算法来提高其在图像或视频中检测和分类对象的能力。机器视觉和人工智能之间的另一种交互方式是通过使用计算机视觉算法。计算机视觉是机器视觉的一个超集,它使用算法和技术从图像和视频中提取信息。人工智能算法可以分析这些信息并预测场景中正在发生的事情。例如,计算机视觉系统可以使用人工智能算法分析交通模式并预测何时某个十字路口可能会拥堵。机器视觉和人工智能还可以在自主系统(如自动驾驶汽车或无人机)中进行交互。在这些应用中,机器视觉系统用于捕捉和处理来自传感器的数据,而人工智能算法则解释这些数据并对环境进行导航等决策。AI/ML在自动驾驶中的应用人工智能在现代车辆中扮演着越来越多的角色,但其中两个主要的角色是感知和决策制定。Siemens Digital Industries Software公司的混合和虚拟系统副总裁David Fritz表示:“感知是通过车辆内部和外部的感测器阵列来理解周围环境的过程。决策制定首先需要理解周围环境的状态和目标,例如向目的地移动。然后,人工智能根据控制方向盘、制动、加速等车辆内部致动器的方式来决定最安全、最有效的路线。”这两个关键角色涉及到非常不同的问题。从摄像头或其他感测器获得的原始数据,AI算法将使用这些数据进行目标检测。一旦检测到目标,感知系统将对目标进行分类,例如该目标是否是汽车、人或动物。训练过程非常冗长,需要大量的训练集来展示不同角度的目标。在训练完成后,AI网络可以加载到数字孪生体或实体车辆中。一旦检测到并分类了目标,另一个训练有素的AI网络可以进行决策,控制方向盘、制动和加速等。使用高保真度的数字孪生体来虚拟验证这个过程已被证明比纯粹使用实地测试更安全、更有效。开发人员经常问到需要多少AI/ML。在现代工厂的情况下,机器视觉可以仅用于在装配线上检测和筛选出有缺陷的零件,或者用于组装汽车等工序。后者需要更高级的智能和更复杂的设计,以确保装配过程中的时机、精确度、运动和距离的计算等。Flex Logix公司的首席执行官Geoff Tate观察到:“机器视觉和机器人在现代工厂中提高了生产力,许多应用中使用了人工智能。一个简单的应用,例如检测标签是否正确贴上,不需要太多智能。另一方面,进行复杂、精密的三维运动的机器人手臂需要更多的GPU算力。在第一个应用中,一个AI IP的核心将足够,而在第二个应用中可能需要多个核心。拥有灵活且可扩展的AI IP将使机器视觉和机器人的设计更加容易。机器视觉的应用机器视觉的应用几乎没有限制,只受想象力的限制。只要需要视觉和图像处理的工业和商业领域,机器视觉都可以应用其中。以下是部分应用领域的例子:交通领域(自动驾驶、车内监控、交通流量分析、违规行为和事故检测);制造和自动化领域(生产力分析、质量管理);监控领域(运动和入侵检测);医疗领域(影像学、癌症和肿瘤检测、细胞分类);农业领域(农场自动化、植物病害和昆虫检测);零售领域(顾客追踪、货架缺货检测、盗窃检测);保险领域(通过图像进行事故现场分析)。还有许多其他应用。以饮用水或软饮料瓶装为例。机器视觉系统可以用于检查填充水平,这通常由高效的机器人完成。但是机器人偶尔会犯错。机器视觉可以确保填充水平一致,并确保标签正确贴上。检测任何偏离测量规范限制的机器零部件也是机器视觉的一项工作。一旦机器视觉根据规范进行了训练,它可以检测出超出规范限制的零部件。机器视觉可以检测均匀的形状,如正方形或圆形,以及奇形怪状的零部件,因此它可以用于识别、检测、测量、计数,并与机器人一起进行抓取和放置。最后,通过结合人工智能,机器视觉可以实现轮胎组装的精确和高效。如今,原始设备制造商(OEM)使用机器人自动化车辆组装的过程之一是安装四个轮胎。利用机器视觉,机器人手臂可以检测正确的距离,并施加适当的压力,以防止任何损坏的发生。机器视觉的类型机器视觉技术根据处理的图像维度可以分为一维(1D)、二维(2D)和三维(3D)。这些不同的类型在应用中具有各自的特点和优势。一维机器视觉系统主要用于条形码和二维码的识别和读取。它们通常使用扫描设备,按行扫描产品上的条形码或二维码,并从中提取信息。这种技术被广泛应用于零售行业、物流和运输领域,以实现快速且准确的产品识别和追踪。二维机器视觉系统可以用于更复杂的图像处理任务。它们使用摄像头逐行扫描物体,形成一个区域或二维图像。这种技术可以应用于图像分类、目标检测、人脸识别等各种任务。在工业自动化中,二维机器视觉系统可以用于检测和验证产品的外观特征,确保产品符合设计和质量要求。三维机器视觉系统通常使用多个摄像头或激光传感器来捕捉物体的三维形状和结构。这种技术可以实现对物体的精确定位和测量,对于需要进行三维分析和处理的应用非常重要。例如,在机器人导航和自动化领域,三维机器视觉系统可以用于对环境进行三维建模和障碍物检测,实现更精确和安全的运动控制。除了以上提到的类型,还有其他形式的机器视觉技术,如超光谱影像和热像仪等。超光谱影像可以捕捉物体的不同光谱特征,拥有更丰富的信息,广泛应用于农业、食品安全和医疗诊断等领域。热像仪则可以检测物体的热能分布,用于温度监测、火灾检测等应用。每种机器视觉类型都有其特定的应用场景和优势。根据不同的需求,选择适合的机器视觉类型可以提高系统的性能和效果,实现更准确、高效和可靠的图像处理和分析。MV设计的挑战训练机器视觉系统仍然存在一些挑战。MV的准确性和性能取决于其训练程度,因此需要大量的标注数据和强大的计算能力。MV设计所面临的挑战包括:首先,检测的范围可能涵盖方位、表面变化、污染程度以及直径、厚度和间隙等精度容限。当检测到化妆品和服务变化效应时,3D系统通常比1D或2D系统表现更好。然而,在遇到不寻常的情况时,人类可以借助其他领域的知识,而机器视觉和人工智能可能无法具备这种能力。其次,数据流管理和控制是当今的关键挑战之一,特别是在具有实时延迟要求(例如汽车应用)的情况下,同时需要保持带宽的最小化。在基于摄像头的系统中,图像质量(IQ)至关重要。这要求硬件设计支持超宽动态范围和局部色调映射,同时还需要进行IQ调整,传统上需要由人类专家进行主观评估,使得开发过程冗长且成本高昂。然而,对于机器视觉而言,这种专业知识可能不一定能获得最佳系统性能,因为感知引擎可能会根据任务的不同而更喜欢以不同于人类和其他机器之间的方式看待图像。此外,确保机器视觉的安全性也是一个重要问题。随着网络攻击不断增加,确保产能不受干扰或遭受来自威胁行为者的干扰至关重要。尤其在关键应用中,如自动驾驶等,保证机器视觉的安全性至关重要。"安全对于确保机器视觉技术的输出不受破坏至关重要," Arm的Zyazin表示。"汽车应用是展示硬件和软件安全性重要性的一个很好的例子。例如,从机器中处理和提取的信息会影响到制动或车道保持辅助等决策,如果处理不当,可能对车辆内部的乘客构成风险。"总结来说,训练机器视觉系统的过程面临着一些挑战。为了提高准确性和性能,需要丰富的标注数据和强大的计算能力。同时,确保机器视觉的安全性也是一个重要问题,特别是在关键应用如自动驾驶中。这些挑战需要在系统设计和实施中得到充分考虑,以实现可靠和高效的机器视觉应用。新兴的MV创业公司和创新新兴的机器视觉(MV)创业公司和创新技术正推动着机器视觉的应用和发展。像是Airobotics、Arcturus Networks、Deep Vision AI、Hawk-Eye Innovations、Instrumental、lending AI、kinara、Mech-Mind、Megvii、NAUTO、SenseTime、Tractable、ViSenze、Viso等公司,正在开发新的机器视觉解决方案,其中一些已成功筹集了超过10亿美元的资金。在运输领域,保险公司可以利用机器视觉来分析事故场景的照片和视频,进行财务损害评估。基于人工智能的机器视觉还可以用于安全平台,分析驾驶行为,提升道路安全性。在软件领域,创业公司正在开发无需编程知识的计算机视觉平台,使更多人能够使用机器视觉技术。机器视觉身份验证软件也是市场上的一个创新解决方案。体育产业也在探索人工智能、视觉和数据分析的潜力,以向教练提供有关选手在比赛中的决策过程的洞察。此外,有一家创业公司通过将人工智能和机器视觉结合到无人机设计中,提出了一种节省成本的监视方案。机器视觉和人工智能都在快速发展,其性能,包括准确度和精确度,不断提高。高性能GPU和机器学习能力的成本也有望降低,推动新的机器视觉应用的应用。Arteris公司的Nightingale表示,随着硬件(如传感器、摄像头和处理器)的进步以及算法和机器学习模型的改进,机器视觉系统的准确性和速度将得到进一步提高。深度学习算法尤其在近年来推动机器视觉技术的进步方面发挥了重要作用,并有望在未来扮演更重要的角色。这些算法能够自动学习数据的特征和模式,从而提高准确性和性能。机器视觉系统将具有更强大的能力,能够快速而准确地处理和分析大量的数据,从而开展更为复杂和智能的应用。此外,预计机器视觉和人工智能将与其他技术相结合,提供更多高性能、实时的应用。Nightingale指出,机器视觉技术已经与机器人技术和自动化等其他技术整合,这一趋势有望持续发展,我们可能会看到更多机器视觉在医疗保健、交通和安全等领域的应用。此外,对于需要实时处理的应用,机器视觉技术已经被广泛应用,例如人脸识别和物体追踪。未来,我们可能会看到更多需要实时处理的应用,例如自动驾驶汽车和无人机。结论机器视觉(MV)的设计涉及芯片(处理器、存储器、安全芯片)、IP核、模块、固件、硬件和软件的结合。芯片组件和多芯片封装的推出将使这些系统能够更容易、更快速地进行组合,添加新功能,提高系统的整体效率和能力。Winbond的DRAM经理Tetsu Ho表示:“已知良好晶片(KGD)解决方案可以提供成本和空间效率高于有限接触点和线材的封装产品的替代方案。”这有助于提高设计效率,提供增强的硬件安全性能,特别是产品上市的时间。这些晶片经过100%热激测试,测试程度与离散部件相同。需要KGD 2.0来确保2.5D/3D组件和2.5D/3D多芯片设备的末端良率,以实现带宽性能、功耗效率和面积等PPA的改进,这是由边缘计算和人工智能等技术爆炸所推动的迷你化趋势。这将为机器视觉在新旧市场中开拓新的选择。它将用于在自动驾驶中协助人类,帮助机器在制造业中实现精确高效,并通过无人机进行监控。此外,机器视觉将能够探索对人类而言危险的地方,并为保险、体育、交通、国防、医疗等众多领域提供数据输入和分析。随着技术的不断发展和应用的扩大,机器视觉将继续成为推动自动化、智能化和数字化革新的关键技术之一。机器视觉系统的进一步提升和创新将为我们的生活和工作带来更多的便利和效益。无论是在工业生产、医疗保健、交通运输还是其他领域,机器视觉的应用都将继续拓展,为未来的科技发展带来更多的可能性。
  • 机器视觉技术在工业智能化生产中的应用
    引言随着我国工业持续发展,工业主导地位不断提高,我国的工业生产结构产业结构从劳动密集型逐渐转向技术、知识密集型,产业发展的动能也逐渐从要素驱动转向效率驱动和创新驱动。与此同时,随着5G网络时代的到来,人民的生产生活将愈来愈智能化。为建设现代化强国,提高工业生产的作业效率和经济效益,实现国家经济增长再创新的高度。我国工业生产的智能化水平仍然是工业领域的一个重要的研究点,未来工业智能化的发展尤为重要。近年来,随着工业智能化的迅速发展,具有便捷性、精确性、迅速性、智能化等优点的机器视觉技术被广泛应用于工业生产各领域,其作为一种现代化检测手段,越来越受到人们的重视。机器视觉技术涉及计算机科学、人工智能、信号处理、图像处理、机器学习、光学、自动化等多个领域。机器视觉通过光学设备和传感器获取到目标物体的图像信息,然后将图像信息转化成数字化信息,进而通过计算机分析数据显示在电子屏幕上或者通过控制单元指导机器完成任务。机器视觉偏重于信息技术工程化和自动化,但又构建在计算机技术视觉效果方法论的基础上,它的重点是感知目标物体的位置信息、大小形态、颜色信息及存在状态等数据信息。本文主要通过论述机器视觉技术在工业生产智能化中的应用,分析机器视觉的优点及现如今存在的问题,并针对问题提出解决性的方法,进而剖析机器视觉技术在工业智能化生产上的发展趋势及方向,期望能为现代化的智能工业生产的发展提供借鉴。1 机器视觉的研究与发展机器视觉的概念始于20世纪50年代,最先应用于“机器人”的研制。通过机器视觉传感器采集图像信息并处理,进而通过计算估计下一步的位置来控制机器人运动。20世纪50年代:机器视觉的研究主要集中在二维图像的简单分析和识别上,像字符,工件、图片的分析和处理等,多用于航天、工业的制造与研究。20世纪60年代:利用计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构,提出基于机器视觉的多面体零件特征提取技术,进而为识别三维物体和三维计算机视觉研究打下坚实的基础。20世纪70年代:这个时期才有人首次提出较为完整的机器视觉理论,也陆续出现了一些视觉应用系统.简单的视觉应用系统小部分的代替人工生产,让工业生产逐步向自动化方向发展。20世纪80年代:机器视觉技术在这个时期获得蓬勃发展,随着一些新概念、新方法、新理论的不断涌现。机器视觉技术也不断和其他技术相结合,产生新的生产方式应用于工业生产中,机器视觉也逐渐被人们熟知和应用,使其工业生产中掀起新的生产浪潮。20世纪90年代:机器视觉技术开始应用于零部件的装配。同时,这一时期有人提出将机器视觉和神经网络技术相结合,实现了对机械零件表面粗糙度的非接触测量。这一技术的实现让众多机械零件表面的检测得到了应用,代替了人工检测,提高了工业生产效率,让众多工人的双手和双眼从工厂生产中解放出来。21世纪:现如今,机器视觉的发展已相对成熟,很多企业借助机器视觉的优点将其大量应用于工业生产中。现如今的时代是智能化的时代,现代工厂的生产也不断追求自动化以及机械化,倡导将传统的人工生产解放出来,越来越多的产业已经在工业生产智能化方面做的相当出色。机器视觉技术作为工业智能化生产中的关键技术,也不断的被人们改进。由此可见,机器视觉技术一步步地发展到现阶段,已经相对成熟,并且在各个领域都大规模是使用,尤其在工业领域发挥了至关重要的作用。但是国内的机器视觉技术相对起步较晚,相比国外还有一定的差距,还需要在技术、算法等方面努力跟进。2 机器视觉在工业机器人中的应用工业机器人是现代科技的主要代表技术,工业机器人以其方便精确,省时省力,而被广泛应用于家电、电子、服装、汽车、食品、等行业。随着现代科技的高速发展,高标准、高效率已经成为众多企业追求的目标,在这种发展背景下,工业机器人应运而生。其中让笔者印象深刻的就是京东自动化机器人仓库,硕大的仓库里面成千上万的机器人不停地在货架之间来回运动,将物品分类、投放、运输。在工业机器人领域中机器视觉具有如下功能。(1)定位和控制。现代工厂生产要求机器视觉系统能够快速,准确地找到目标物并确认其位置。然后使用机器视觉进行定位,并引导机械手臂去准确地抓取。(2)识别。主要利用机器视觉获取图像,然后对图像进行处理、分析和理解,以识别各种状态的目标和对象,用于跟踪和收集数据。一般的机器识别系统借助照相机完成。(3)检测。检测生产线上产品的质量,这也是取代人工最多的环节。在工业领域,主要检查包括尺寸大小检测,瓶子外观缺陷检测,瓶口缺陷检测,残次品检测等。(4)高精度检查。在工业生产中,一些精密的电子设备零件需要较高的精度,例如计算机、手机上高度集成的电子电路板,有些可达到精度0.01mm甚至μm级,人眼无法识别这些小的元器件,因此必须使用机器来完成。(5)分拣与搬运。现代工业生产与运转过程中,不可避免都会有一些分拣的工作,而传统利用人力进行分拣工作的方式存在较大局限,但视觉机器人的应用可以极大地提高工业生产的效率及工作精确度,进而解放了人们的双手。机器视觉系技术在机器人的应用中起到一个核心内容的作用。机器视觉中最关键的一项就是:怎样让机器人对运动目标物进行准确识别。视觉系统技术可以解决这一难题,加入视觉系统技术,可以使机器人对目标物进行实时的运动跟踪与检测,进而准确的确定目标物的位置与方向,确保机器人对其的准确定位。机器人视觉系统的工作主要分为4个部分:相机定位、图像分析与处理、目标物状态识别及机器人的动作操控。先利用相机定位对目标物建立运动坐标系,获取物体坐标;然后将获取的目标物分图像进行分析和处理;状态识别以图像分析为基础,对目标物的状态进行分析和处理,从而根据图像处理与分析的结果操控机器人的动作行为。工业机器人的使用是现代工业相对于传统工业的伟大进步与发展,其解决了传统工业成本高、效率低、耗时长等缺点,将人们双手解放出来,让现代化的工业生产更加自动化、智能化。3 机器视觉在工业控制领域的应用现代化的工业生产大多倾向机械一体化,例如,薯片的生产,从土豆的清洗,到最后薯片的装袋、封口,都不需要人为参与。当然有的人要说这样生产出来的东西没有人情味,但是我想说机械一体化的生产方式或许将是未来所有工业生产的大趋所示,其优点不在赘述。那么,怎么才能控制机械化生产呢?这就要用到机器视觉技术来控制机器生产。机器视觉控制器,因其具备出色的处理能力,可在10s以内高速完成最多128个点的检测,强大的处理能力可以直接影响可运行的算法以及视觉系统做出决策的速度。为了减少图像处理的时间,一些工厂现在使用同构处理来运行视觉算法。另外,现在的一些机器视觉控制器还具有用于网络连接的专用以太网端口以及用于连接外部数据存储器的端口。通过工厂连接功能,工作人员可以实现在办公室检测产品生产,查看图像,还可以实时回放,极大的方便了工厂的生产。这种直接进行工业一体化生产的方式在慢慢的取代传统生产方式,相信在未来的工业发展中,一大部分工厂将利用机器视觉控制实现工厂一体化生产。4 机器视觉在工业质量检测中的应用在现代化工业生产过程中,目标检测多种多样,市场需求相对较大。比如,检测机械零件大小是否达标、辨别条形码或包装条码、测试商品的外表缺陷、瓶口缺陷、打印缺陷等等。这些应用均需大批量测试,并且都是高精度的测试,人眼识别在这些检测中处于劣势,如果仅仅通过人工,耗时可想而知。在啤酒瓶的生产过程中,瓶子大小以及外观是否有缺陷等这些都需要经过质量检测。一些工厂一天就会生产成千上万的啤酒瓶,如果都利用人工来处理,是让人无法胜任的。而且一般人眼一直盯着同样的物体检测,时间长了,会造成视觉疲劳,进而导致残次品率高,工作效率低下。不仅如此,一些工厂还要花费大量成本聘请人力检测,这种落后的生产方式已经不再适合现代化生产。利用机器视觉技术可以有效的解决这一问题,用机器检测代替了传统的人工,大批量检测可以快速完成,加快了工厂的产品生产速度;另外,减少了工厂的生产成本,提高了产品的生产效率。机器视觉技术的应用,使工业生产不在受限于人眼识别的缺陷,提高了工业检测的精度和效率,使工业生产更加的自动化和智能化。5 机器视觉中的关键技术通俗来说,机器视觉的作用是代替了人眼来做测量和判断,机器视觉系统利用照相机和照明设备获取图像信息,然后传送给图像处理系统,图像处理系统将图片进行颜色、亮度处理,然后将图像信息转换成数字信号,最后通过计算机进行处理、分析。机器视觉中的两大关键技术:图像采集和图像分析与处理。(1)图像采集图像的获取是机器视觉技术中至关重要的一步,他是后续图像处理的保障。利用摄像头进行图像捕捉,摄像头的选择因功能而异;有时,图像的质量优劣还与光线强度有关,因此,会添加照明功能辅助图像采集。图像采集工作涉及到图像传感器的使用,一般灵敏度高、像素大、动态范围大、功耗低的图像传感器较受人们欢迎。目前市场上普遍使用的传感器是CCD,其灵敏度高、读取噪声低,因此在图像传感器占据一定的市场。日常生活中常见的图像采集有数码相机、手机、各式各样的摄像头、多媒体等,图像采集的速度、质量直接影响到后面图像的处理以及机器的控制。(2)图像分析与处理图像分析一般利用数学模型对图像的色彩、透明度、色差进行分析,进而提取出有用的图像信息。主要包括图像信息识别与读取、图像的存储、图像数据变换、图像分割、模型匹配以及解释。图像分析步骤如图1所示。图1 图像分析步骤对于分析好的图像信息,下一步就需要进行处理。一般的图像处理方法是数字处理,主要技术和方法包括去噪、增强、复原、提取特征等。图像处理所需的硬件有数字图像采集器以及图像处理计算机,主要的图像处理操作,还是要通过图像处理软件来完成。涉及的算法有傅里叶变换、正余弦变换、沃尔什变换,微分计算、滤波处理等。图像是机器获取和信息交流的主要来源。通过图像的获取、分析与处理,将外界信息转化成可供计算机分析的数字信号,进而通过分析系统传输给控制系统,发出下一条动作的指令,控制机器完成任务。6 机器视觉技术在工业应用中的发展趋势机器视觉技术的优点:可以利用机器进行非接触测量,可以利用机器实现在人无法工作和到达的区域完成对目标物的检测;机器比人眼对光更加敏感,可检测人眼看不见的红外及微弱光检测测量,解决了人眼的缺陷,扩大了人眼的视觉范围;机器不会产生疲劳,可以长时间的稳定工作,机器视觉可以进行长时间工作、分析、处理与操纵;利用了机器视觉解决方案,可以节省大量劳动力资源,有效降低企业生产成本,为现代化工业生产带来可观利益。现在科技技术发展较迅速,机器视觉技术的应用也相对成熟,但是还是存在诸多问题:当工业生产车间现场的噪声很大时,机器视觉系统往往会受到干扰,会造成设备灵敏度的降低或设备的损坏;另外工业生产现场有的处于高温,有的处于低温,这就要求机器设备要有一定的抗干扰能力和稳定性。图像的采集有时还会受光照强度的影响,当光线昏暗时,就会影响目标物图像的提取、识别及分析,进而有可能造成生产产品次品率上升,影响生产的精度及效率。如何解决这些问题并提高机器性能,进行有效的图像识别,使机器视觉技术在工业智能化生产中得到高效的利用,是当下研究的关键。(1)研发出高效率的图像处理软件和硬件。图像采集部分的快慢主要依赖于硬件的速度,高质量的硬件可有效减轻主机的负担,提高系统的对图像的分辨效率、采集效率、图像处理的速度及处理分析效率。高质量的软件也尤为重要,质量高的软件可以让机器的命令执行速度更加高速有效。(2)开发适用性强、高效、稳定、实时的智能算法。智能、高效、稳定化的智能算法可有效提高系统的分析处理速度,并且改善复杂环境下系统抗干扰能力较差的缺点,使系统有较强的即时性、鲁棒性、稳定性、抗干扰性以及环境适应性。7 结语由此可见,机器视觉技术在工业制造有着广泛的需求,在工业领域有着较大的发展空间。机器视觉技术的利用可有效的降低生产成本,节约劳动力,提高生产效率,降低产品次品率;另外,还可以实现非接触测量。机器视觉技术的优点如此之多,因此,对制造业领域智能化的发展也具有较大的影响。但是,现在的机器视觉技术还有待提高,许多技术难题还亟待解决,当下任务应着力解决机器视觉技术在工业生产上的智能化、自动化应用,以便以后全面投入工业领域生产,进而为我国的现代化强国建设做出贡献。本文作者:北京信息科技大学信息与通信工程学院 孙郑芬 吴韶波
  • 一文掌握机器视觉技术及行业市场现状
    机器视觉的概念内涵与系统特性机器视觉的本质是为机器植入“眼睛”和“大脑”。为机器植入眼睛,代表着机器视觉利用环境和物体对光的反射来获取及感知信息;为机器植入大脑,意味着机器视觉需要对信息进行智能处理与分析,并应用分析得到的结果来执行相应的活动。机器视觉行业的上游包括相机、镜头、光源等硬件及算法软件。相机是包含完整的机器视觉组成功能模块(光源可自带或借用外部光源),能独立完成机器视觉信息处理的全流程,为系统输出有效信息;镜头是机器视觉图像采集部分重要的成像部件,其作用是把被摄物体成像于摄像机内的感光元件上;光源对于机器视觉中的图像采集部分具有重要影响,为场景提供合适的照明,突出目标的图像特征并与背景图像分离;机器视觉算法与软件紧密结合,软件平台是实现机器视觉算法的载体,使机器视觉在处理数据量和实时检测效率性能上不断地突破,匹配工业智能发展的需求。机器视觉行业的算法库由OpenCV等开源视觉算法库,和Vision Pro(美国康耐视公司)、Halcon(德国MVTec公司)、VisionWare(凌云光)等第三方商业付费算法库组成。因算法库开发周期长、投入大,业内公司通常基于开源算法库开发自身应用算法,或自主开发与第三方集成并举,较少公司完全自主开发底层算法。为提高效率与降低成本,集成第三方成熟工具包作为辅助开发手段是比较常见的方式。机器视觉行业的中游为视觉系统与智能装备。视觉系统包含独立完整的成像单元(光源、镜头、相机)和相应的算法软件,集图像采集、处理与通信功能于一身,可以灵活的进行配置和控制,适应各种复杂的应用,具有多功能、模块化、高可靠性等特点。智能装备以机器视觉的感知能力和分析决策能力为核心,在视觉系统的基础上加入了自动化和智能化的功能,将设计、生产、检测过程集成闭环,可实现多种功能。机器视觉行业的下游为各行业集成应用和服务。下游应用行业的发展决定了机器视觉装备及服务的市场需求量,目前下游应用领域以电子制造为主,其次为汽车、医药、印刷包装等领域。下游产业丰富多样,集成服务更加有的放矢,面向应用市场才 能更加蓬勃。全球机器视觉市场情况机器视觉市场包括视觉器件、可配置视觉系统和智能视觉装备三个细分市场。根据某调研机构统计,2015年至2020年,全球机器视觉器件市场以13.83%的复合增长率增长,市场规模至2020年达到107亿美元;2021年至2025年,全球机器视觉器件市场规模将以6.56%的复合增长率增长,至2025年市场规模将达147亿美元。可配置视觉系统与智能视觉装备具备较强的行业属性,归属于各下游应用行业的装备市场,以机器视觉技术赋能于制造装备的智能化,因此暂时没有单独的市场规模数据。资料来源:某调研机构机器视觉以视觉器件、可配置视觉系统和智能视觉装备等形态服务各产业应用,已经被广泛应用于新型显示、消费电子、印刷包装、新能源等众多行业,成为这些行业必不可少的数字化和智能化变革的支撑。中国机器视觉市场情况中国市场已成为全球机器视觉市场规模增长最快的市场之一。根据中国机器视觉产业联盟的统计,中国机器视觉行业的销售额从2018年的101.80亿元增长至2020年的144.20亿元,复合增长率达19.02%。得益于宏观经济回暖、新基建投资增加、数据中心建设加速、制造业自动化推进等因素,预计2020年至2023年,中国机器视觉行业的销售额将以27.15%的复合增长率增长,至2023年销售额将达296.00亿元。资料来源:中国机器视觉产业联盟,依据2020年中国机器视觉产业联盟企业调查,包括133家受访企业。从下游应用行业角度考虑,根据中国机器视觉产业联盟统计,机器视觉已经在电子/电气、半导体、汽车、印刷包装、食品加工等领域得到广泛应用。其中,电子/电气行业是目前中国机器视觉行业最大的下游应用领域,2020年其销售额占比为52.90%。资料来源:中国机器视觉产业联盟机器视觉行业发展趋势(1)应用领域持续拓宽过去十年是中国机器视觉行业快速发展的十年,经过一段时间的普及与推广,机器视觉应用范围逐渐扩大。目前,机器视觉的应用范围已从最初的消费电子等领域,逐步拓展至印刷包装、汽车、运输、医疗等领域。预计未来,除了传统的应用领域外,在AI、自动驾驶、人脸识别等新兴技术兴起的带动下,机器视觉将进一步拓宽应用领域。(2)嵌入式视觉应用持续增长嵌入式视觉系统是指在嵌入式系统中使用机器视觉技术,是嵌入式系统和机器视觉两种技术的整合,可独立完成从接收光信号到系统输出的整个信号处理过程。处理能力、存储器密度和系统集成度的提升,促进了嵌入式视觉在传统和新兴应用领域的渗透。未来,得益于越来越多的行业应用程序的支持,嵌入式视觉将被更广泛地应用在自动驾驶等领域新兴领域。(3)2D机器视觉向3D机器视觉升级相比2D机器视觉,3D机器视觉具有显著优势,例如测量速度快、精度高、抗干扰能力强、操作简便等,能有效解决2D机器视觉对于高度、厚度、体积、平面度等测量因素缺失的问题。3D视觉技术的突破,将进一步推动视觉技术在高端场景的应用,传统的2D机器视觉将快速向3D机器视觉升级,推动机器视觉市场持续增长。机器视觉技术面临的机遇与挑战(1)下游应用的发展给机器视觉带来的机遇与挑战随着生产工艺的精进及产品质量要求的提高,消费电子等行业对检测精度的要求越发严苛。例如,半导体生产制造已使用5nm工艺,对芯片的检测精度要求也已提升至纳米量级。受限于衍射极限,单纯采用显微放大的方式已经难以满足检测精度需求,导致加工良率难以提高,影响产品质量。因此,急需高精度的机器视觉技术解决更精 准的测量问题,保证加工工艺符合要求,降低封装成本,确保出厂产品质量。上述下游应用的发展推动了对机器视觉产品和服务需求的提升,但也对机器视觉厂商提出了更高标准的要求。随着下游应用的生产、加工、检测等环节的效率和品质要求不断提升,机器视觉厂商需要加大技术投入,以提高机器视觉系统的精度、检测效率等参数。(2)业内新技术发展给机器视觉带来的机遇与挑战行业内的新技术的发展为机器视觉厂商推出高品质的产品和服务提供了有力的支持,这也对业内厂商的技术研发能力提出了更高的要求。首先,光谱技术推动机器视觉实现目标的多种特征分析。随着机器视觉的快速发展和普及,机器视觉产品已经广泛应用于智慧农业、矿石分选、食品安全等众多产业中。各行业样本的复杂性要求机器视觉不仅需要实现目标的外观检测,也需要实现目标的材料成分、颜色、温度等特征的分析。光谱技术利用光的衍射和折射特性,通过光栅、棱镜等分光元件,在谱域获取有效信号,实现目标高维信息参量获取,并通过相关分析算法将谱域信号与测量需求建立联系,如物质成分、温度、三维面型等,通过对光谱的测量解决复杂多样化的测量需求。其次,计算成像技术的提升增强了机器视觉的图像信息获取能力。计算成像技术通过多样化数据采集,并通过特定算法解析,获取到传统成像中难以获取的图像信息,深度挖掘图像中隐含的内部信息,满足更高分辨率、更多维度、更大空间带宽积的光电成像需求。随着新型光电器件的发展和硬件计算能力的提升, 计算成像技术在光电成像领域呈现出蓬勃发展的趋势。此外,新型光学元器件的发展驱动了机器视觉性能的提升。机器视觉成像系统由照明光源、成像器件、图像采集器件组成,各类器件的性能升级都会推动机器视觉系统的性能和稳定性提升,从而实现高像质的图像采集。另外,丰富的元器件为提供个性化的图像采集和智能方案奠定了基础。(3)上下游技术的发展给机器视觉带来的机遇与挑战机器视觉系统不仅包括光学成像系统,还包括决策系统和执行系统。算力、算法、 传输技术的快速发展也为机器视觉带来了机遇与挑战。算力的提升使机器视觉的决策变得更为迅速,基于云平台的信息处理可以提供几乎无限的算力,解决各种复杂运算问题,提升了机器视觉系统的决策速度;分析算法的优化升级也使机器视觉的识别和分类变得更加准确;5G通信技术增加了信号数据通量、降低了信号时延、缓解了信号干扰等问题,使机器视觉在自动驾驶、精密自动控制、智慧工厂等领域中发挥重要作用。该等相关技术的发展提升了机器视觉系统的性能和使用效率,但也对相关硬件厂商的技术研发能力提出了更高的要求。机器视觉行业竞争格局中国机器视觉行业起步较晚。国外厂商具有较强的设计、研发和制造能力,视觉系统领域长期由基恩士、康耐视等厂商主导,最早国内厂商主要代理国外厂商的机器视觉产品。随着技术与经验的积累,部分国产厂商开始推出自主品牌的产品,且国内厂商能够提供本地化的定制化服务,供货周期较为灵活,市场份额逐年增长。根据中国机器视觉产业联盟统计,中国机器视觉市场的集中度有所下降,销售额排名前五的企业销售额合计占整体销售额的比例从2019年的33.0%下降至2020年的30.1%;销售额排名前十的企业销售额合计占整体销售额的比例从2019年的44.6%下降至2020年的40.3%。在成员企业中,2020年销售额排名前十的企业中,有8家公司的总部位于中国。 中国机器视觉市场部分主流企业介绍:凌云光成立于2002年,聚焦机器视觉业务,已开发出一系列可配置视觉系统和智能视觉设备产品,并自主研发了工业相机、光源等核心器件,在多行业得到广泛应用,服务于苹果、富士康、京东方等多家知名企业。2021年实现营业收入24.36亿元,归母净利润为1.72亿元。2022年7月6日,凌云光(股票代码:688400)在上交所A股科创板正式上市。天准科技成立于2005年,总部位于中国苏州,致力于以领先技术推动工业数字化智能化发展,主要产品包括视觉测量装备、视觉检测装备、视觉制程装备和智能网联方案等。2019年7月22日,天准科技在科创板正式挂牌上市(股票代码:688003)。2021年实现营业收入12.65亿元,归属于上市公司股东的净利润为1.34亿元。大恒图像成立于1991年,专注于机器视觉部件及视觉系统研发、生产和营销,是A股上市公司大恒科技(股票代码:600288)旗下核心资产。大恒科技产业之一的机器视觉组团(包括中国大恒图像分公司,大恒图像、深圳恒志、 上海昊邦、苏州图锐智能科技、苏州恒视智能科技等子公司,大恒图像子公司下属青岛恒纺、河北天昱恒等子公司及合资公司潍坊天恒)2021年度实现营业收入10.80亿元。奥普特(OPT)成立于2006年,定位于自动化核心零部件供应商,现已成为国内机器视觉应用技术领先者,产品包括视觉系统、光源、工业相机、镜头、3D激光传感器、工业读码器等。2020年在上交所科创板上市(股票代码:688686)。2021年实现营业收入8.75亿元,归属于上市公司股东的净利润为3.03亿元。宝视纳视觉技术(北京)有限公司成立于2018年,是 Basler集团旗下子公司。Basler创始于德国,是一家跨国的高品质工业相机和计算机视觉解决方案提供商,在欧洲、亚太、中国和北美均设有分支机构,包括生产制造工厂(位于德国和新加坡)、销售公司及联络处。
  • 赋能智能制造 机器视觉产业有多大的想象空间?
    ul class=" list-paddingleft-2" style="list-style-type: disc "lih3强强联合! 光电子博览会牵手机器视觉产业联盟/h3/li/ulp style="text-align: justify "  2019年8月5-7日,第十一届光电子· 中国博览会暨“适用于航空航天领域的机器视觉产品供需对接会”将在北京国家会议中心盛大启幕。该展会由中国光学工程学会“牵手”中国机器视觉产业联盟共同举办,强强联合实现资源共享。会议将聚集数百家机器视觉生产企业携新品参加,将为您呈现一场盛大的机器视觉技术盛宴。/pp style="text-align: justify "  机器视觉就是用机器代替人眼来做测量和判断,因此备受欢迎。纵观我国产业发展历程,机器视觉相关产业起步较晚,超过50%的市场份额来源于电子及半导体行业。另外,机器视觉在包装行业、玻璃生产与加工、电子元器件及设备、钢铁与金属业、光学与精密工程、汽车、印刷、航空航天等行业需求大幅增长,也同时带来包括机器视觉在内的自动化产品的需求增长。/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 477px height: 459px " src="https://img1.17img.cn/17img/images/201907/uepic/89fc9092-ca59-4873-aa1f-720ea1fb54ec.jpg" title="2.jpg" alt="2.jpg" width="477" height="459"//pp  本届展览会将通过学术交流会、供需对接会等多样化的特色会议形式与展览模式,链动人工智能、智慧城市、大数据、机器人等资源配套,全方位展示机器深度学习、机器视觉集成系统、集成设备、3D视觉、VR技术、人脸识别等高端机器视觉相关产品,引领中国机器视觉发展潮流,促进中国智能化水平迈上新台阶。/pul class=" list-paddingleft-2" style="list-style-type: disc "lih3独具“慧眼”,助力航天航空场景应用/h3/li/ulp  机器视觉是工业机器人的感知系统,通常由光源、镜头、工业相机、图像采集卡、处理器控制器等零部件组成,用来对图像进行识别、储存和处理,而安装了“眼睛”的机器人,能够完成图像识别、图像检测、视觉定位、物体测量、物体分拣等功能。/pp  近年来,我国的制造业加快升级,各种加工工序精密度提高,同时企业普遍追求更高的良品率,在切割、焊接、钻孔、成型、塑模、去除、装配等主要的工艺中,都陆续增加机器视觉的辅助功能,因此带动我国机器视觉市场高速增长,中国正成为世界机器视觉发展最活跃的地区之一。数据显示,2018年中国机器视觉市场规模首次超过100亿元。随着行业技术提升、产品应用领域更广泛,未来机器视觉市场将进一步扩大,预计2019年市场规模将近125亿元。/pp style="text-align: center"img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/201907/uepic/fbeb8483-75c0-4705-ae21-3cca37043eee.jpg" title="3.jpg" alt="3.jpg"//pp  机器视觉的作用主要体现在智能识别和精密检测,在智慧医疗、精密加工制造等领域具备重要作用,在无人驾驶、航空航天领域里也常常能看到其身影。第十一届光电子· 中国博览会暨机器视觉产业对接会则将重点聚焦其在航天航空领域的应用。/pp  航空航天产品制造具有尺寸大、结构复杂、性能指标精度高、载荷重、环境洁净度高以及材料特殊等特点,在材料抗高温、抗高压和抗气流等都有特殊要求,而且无论是民航客机还是外太空航天器,每一个组装部件都是超精密的。一旦出现事故将造成较大的安全事故,例如不久前的一架埃航的737客机坠毁,事件起因是一个零部件异常。/pp style="text-align: center"img style="max-width:100% max-height:100% " src="https://img1.17img.cn/17img/images/201907/uepic/e8790585-588f-4ef6-a673-98da4774fc87.jpg" title="4.jpg" alt="4.jpg"//pp  机器视觉系统最基本的特点就是提高生产的灵活性和准确度,能及时发现误差,大大降低不良率,军事、航天等领域等军利用了机器视觉相关技术。在装备了机器视觉成套系统后,航空航天产品在制造过程成型中,每一个工序得到实时监控,每一个工艺得到检测并反馈,对出现误差的效果实行视觉追踪。在一些不适于人工作业的环境或者人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉。还有无人驾驶汽车、月球勘探机器人等都是可以采用上机器视觉技术。/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 486px height: 324px " src="https://img1.17img.cn/17img/images/201907/uepic/5c0f1b72-c83f-405a-89ce-8bab343cc53e.jpg" title="5.jpg" alt="5.jpg" width="486" height="324"//pul class=" list-paddingleft-2" style="list-style-type: disc "lih3产业需求加码释放 机器视觉精彩不断/h3/li/ulp  工业4.0离不开智能制造,智能制造离不开机器视觉。未来,随着3C、航天航空等领域的需求不断释放,行业内上游及配套企业不断加大对机器视觉新产品的研发及投入,更多企业将纷纷抢占布局高端机器视觉市场。/pp  发力智慧未来,助力中国智能制造步伐!2019年机器视觉北京展览会期间,各行各业领域的机器视觉综合服务商将齐聚一堂,他们将带给我们怎样的惊喜和经验?诠释怎样硬核的新科技?中国光学工程学会特联合机器视觉产业联盟,将于2019年8月5日-7日第十一届光电子· 中国博览会盛大召开期间,特别举办“适用于航空航天领域的机器视觉产品供需对接会”。/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 599px height: 353px " src="https://img1.17img.cn/17img/images/201907/uepic/1141138d-76ef-4185-8d77-092b33366c39.jpg" title="1.png" alt="1.png" width="599" height="353"//pp  作为国内规模较大的国际机器视觉产业盛会,我们将期待通过光电子博览会,展示机器视觉从核心部件到系统集成全产业链,让整个行业的资源彼此链接,相互赋能,为中国智造贡献自身最大的力量。“机器视觉产品供需对接会”将是机器视觉进入光电子博览会的一小步,诚邀您八月相聚北京国家会议中心!/ppbr//pp  strong联系方式/strong/ppstrong  机器视觉产品供需对接会组委会/strong/pp  联系人:徐晓丹 010-62650570-804/pp  联系邮箱:xxd@china-image.cn/pp  strong光电子博览会组委会/strong/pp  服务热线: 010-83739883/pp  展会网址:http://www.cipeasia.com//pp  宣传合作: 010-83739885/pp  联系邮箱:zhanjiahe@csoe.org.cn/ppbr//p
  • 高光谱机器视觉感知技术正走向普及应用
    人类获取的信息83%都来自视觉,由听觉、触觉和其他的渠道获取信息的占比仅有17%,所以视觉对于人类的重要性溢于言表。而机器视觉作为机器人的“高精密眼睛”,其之于机器人的作用就像视觉之于人类一样重要。近日,中国工程院院士王耀南在2022世界VR产业大会关键共性技术主题论坛上围绕“高光谱机器视觉感知技术应用及发展趋势”发表演讲。他指出,高光谱机器视觉技术正在迅速普及,在制药行业的产品检测、食品生产的安全识别、建筑材料的质量控制、医学成像等场景中广泛应用,但距离真正实现“高精准、看得清、更好用”仍面临挑战。智能机器人的“高精密眼睛”在日常生活中,人们通常是通过视觉器官(眼睛)获取信息,再通过大脑来分析、处理这些信息,从而识别出物体。而高光谱成像的目标是获得包括从可见光到长波、红外光谱的精细光谱“指纹”,精确反映物质独特的光谱特性。作为智能机器人的“高精密眼睛”,高光谱机器视觉的发展对机器人的控制具有重要作用。受不同生物的感光细胞具有差异启发,高光谱成像与感知可将丰富的、不同波段的图像信号映射到数字世界,是机器智能的重要支撑技术。“高光谱图像能够精准反应出物质特征的光谱信息,这是它最大的优势,”王耀南表示,“近几年,高光谱的发展非常迅速。过去高光谱主要是在遥感应用里面,今天我们把高光谱用到机器视觉,使机器人装上了明亮精准的眼睛,可以感知到可见光、红外光。”据了解,机器人的高光谱视觉研究主要包含两部分内容,一部分是成像感知,另一部分是自动的光谱信息分析。成像技术实质上是感光元件把光信息转化为数字图像信息,最早的光谱成像来自感光设备,目前低成本、小体积、高速率、低功耗的感光元件成为发展趋势。近年来高光谱机器视觉的发展态势从感知智能进入到了认知智能,从过去的 RGB 图像变成今天的光谱图像,已然进入到一个计算智能成像的时代。目前高光谱相机及其相关技术已成为智能机器视觉领域研究的前沿方向。高光谱机器视觉仍面临挑战分析与认知能力是机器人能否对环境中的有效信息加以处理与理解的重要标志,是智能化发展的必经途径。王耀南认为,高光谱机器视觉分析与认知面临着三大挑战,主要涉及图像特征提取、语义知识理解和自主适应学习。“首先要突破图像特征的提取,过去我们主要是像素特征的提取,今天扩展至边缘、纹理、光谱等空间几何等方面;第二,它已经走向了图像的推理,涉及语义知识的理解、语义的描述、高维的图像特征等技术的突破。第三,要突破自适应的学习,传感器要具有学习性、能感知,还要能理解、能分析,让人工智能真正融入到机器视觉里。”王耀南说道。近年来,通过大量研究,高光谱视觉传感器的发展突破了两项关键技术。第一项技术面向成像系统,成像系统围绕复杂的目标,能够解决在多空间、大尺度下的成像问题,可以同时捕捉三维空间和光谱维度的成像。第二项技术面向三维光谱数据分析,比如空间-光谱联合分析、大数据分析和处理等。快速突破这两项关键技术,有助于实现高光谱机器视觉技术的广泛应用。“高光谱广泛装载在机器视觉以后,不仅能应用到工业、农业,还能应用到无人驾驶、机器人、新药研发、新产品质量检测等领域。”王耀南表示。比如为了加速工业检测速度,我们开发了高光谱图像处理的硬件系统,研制了工业高光谱仪器,包括高光谱的成像,成像仪器的处理特征识别等。再比如,高光谱机器视觉也被用在异物检测方面,应用于疫苗生产的柔性智能化工厂。而不同的应用场景对高光谱成像的复杂性、多样性提出了更大的挑战。未来首先要解决数据传输与处理问题王耀南指出:“随着科学技术的进步,未来高光谱机器视觉的发展首先需要解决的,也是最重要的一个问题,就是数据传输与处理。”比如,高光谱仪器是联网的,如此庞大规模的光谱图像信息怎么同时传输,这就是一个需要解决的难题。第二是光谱成像高分辨率问题。高光谱最大的弱点就是分辨率比较低,不像可见光成像的分辨率比较高。合成孔径雷达图像的分辨率也比较低,但是它的探测精度比较高。每一种传感器都有优点和缺点,因此未来一个重要的研究方向就是新的成像方法和机理探索。第三个是所有的高光谱成像仪器都向小型化和高可靠性转变,要能够装载在不同的设备上,从单一的传感器进入到多传感器信息融合,从数据处理方面到光谱数据处理,从模型驱动向数据驱动、知识驱动的方向发展。
  • 专家谈工业机器视觉与摄影测量技术及应用
    随着现代工业的发展和进步,特别是在一些高精度加工产业,传统的检测手段已远远不能满足生产的需要。机器视觉测量技术是一种基于光学成像、数字图像处理、计算机图形学的无接触的测量方式,测量范围更广,测量精度和效率更高,成为先进制造中的宠儿。机器视觉系统核心功能包括识别、测量、定位、检测等,能够自动测量产品的外观尺寸,比如外形轮廓、孔径、高度、面积等尺寸的测量;还可用于外观缺陷检测,例如汽车零部件、新能源动力电池表面缺陷检测等。据了解,全球机器视觉市场规模约122亿美元,国内机器视觉市场规模约164亿元;中国正成为世界机器视觉发展最活跃的地区之一,应用范围几乎涵盖国民经济各个领域,其中工业领域是机器视觉应用比重最大的领域。为帮助广大工业用户了解国内机器视觉检测技术发展与应用现状,仪器信息网将于2022年10月20-21日举办首届“精密测量与先进制造”主题网络研讨会,特邀天津大学精密仪器及光电子工程学院邾继贵院长、合肥工业大学卢荣胜教授分享主题报告。点击图片直达会议页面天津大学精密仪器及光电子工程学院 邾继贵院长《工业视觉技术进展及装备应用》(点击报名)邾继贵,博士,天津大学教授,博士生导师,国家杰出青年基金获得者,教育部长江学者特聘教授,精密测试技术及仪器国家重点实验室主任。 一直从事计量测试技术及仪器专业的科研教学工作,创新性地研究了基于激光技术、计算机视觉和精密测量理论的新型测量原理、方法及其工程应用,在流水线制造在线测量、大型装备制造现场测量领域研发了高性能测量系统及装备,成功解决了一些重点行业领域内测量新难题。 获得国家技术发明二等奖2项、教育部技术发明一等奖1项、天津市科技进步特等奖1项、天津市技术发明一等奖1项,发表学术论文100余篇。报告摘要:视觉信息作为一种大容量、高冗余的信息类型在工业制造领域发挥着重要作用。视觉检测技术是实现制造过程在线测量的最重要方法,随着制造工艺技术的不断发展,在线测量参数类型愈加丰富,测量精度不断提升,视觉检测技术也在不断演化发展过程中。报告分析了视觉检测新技术方法及趋势,结合汽车制造新工艺需求,展示了最新的工业视觉检测装备及其体系化应用。合肥工业大学 卢荣胜教授《视觉在线测量与检测技术》(点击报名)卢荣胜,博士,合肥工业大学教授,博士生导师,获国务院政府特殊津贴专家称号。现任无锡维度机器视觉产业技术研究院院长、董事长,安徽省计量测试学会理事长。1998年获合肥工业大学精密仪器专业博士学位,1998-2000天津大学精密测试技术与仪器国家重点实验室博士后流动站博士后,三维机器视觉技术研究。2001-2006年在香港城市大学、英国Imperial College London、University of Huddersfield从事机器视觉与光学测量技术研究工作。2006年5月回合肥工业大学任教。主要研究方向:机器视觉与光学精密测量技术。主持国家重大科学仪器应用与开发专项、重点研发计划、国家科技支撑计划、国家863专项、国家自然科学基金等项目10余项。已表发表论文200余篇,专著2本,获发明专利20余项,培养硕士和博士研究生100余人。报告摘要:机器视觉在线测量与检测技术在先进制造领域具有广阔的应用前景。在先进制造过程中,机器视觉技术能够取代人工,快速高效地执行测量、检测、识别、定位与引导等任务,如对产线上的零部件进行视觉定位,实现产品外形轮廓三维测量和表面缺陷检测,字符、条码读取,产品分类和分组,引导机械手进行无序抓取、焊接、装配、码垛和拆垛等。 本报告以先进制造领域产品零部件在线三维测量与缺陷检测为应用背景,系统性地介绍视觉在线测量与检测技术的基本原理、系统组成架构、系统集成中的共性关键技术,如视觉照明、高分辨率成像、分布式并行图像处理等技术。并以外观缺陷在线检测和三维视觉引导机械手无序抓取为例,阐述机器视觉在线测量与检测技术的实现过程。 报告还展示了近十几年来,我们在国家重大科学仪器设备开发与应用专项、国家重点研发计划等项目的资助下的研究与开发成果。此外,摄影测量是一门通过分析记录在胶片或电子载体上的影像来确定被测物体的位置、外形和尺寸的科学,属于测绘学的分支学科。数字摄影测量能在较短时间内获得被测物体关键点的三维信息,从而实现物体的三维数字化建模,尤其适用于大型繁杂工件的三维检测,具有非接触、自动处理等特点,为传统工业测量提供了新方法和新技术,尤其是在智能化、自动化发展的大趋势下,应用前景越来越广阔。本届“精密测量与先进制造”主题网络研讨会特邀武汉大学郑顺义分享《工业摄影测量技术研究及应用》主题报告。武汉大学 郑顺义教授《工业摄影测量技术研究及应用》(点击报名)郑顺义,工学博士,二级教授,博士生导师。任职于武汉大学遥感学院,长期从事数字摄影测量、计算机视觉、虚拟现实等方面研究,成果突出。授权专利100多项,发表论文120多篇,指导博士硕士研究生100多人。先后获得国家测绘科技进步奖一等奖,美国摄影测量与遥感协会戴维森主席奖和波音奖等奖励。报告摘要:在制造业朝着自动化、柔性化、智能化发展的潮流中,传统的工业测量技术难以同时胜任高精度、高效率、高便捷性的要求,本报告提出以工业摄影测量技术为基础的测量系统,其具有实时性、便捷性、自动化和智能化的特点,获取的高质量的三维数据,可用于逆向工程、质量检测、辅助智能制造等典型工业应用场景。同时介绍了该测量系统的技术路线,从硬件设计、算法优化等方面提出了见解。扫码报名抢位指导单位:中国计量测试学会主办单位:仪器信息网协办单位:上海大学会议日程报告时间报告主题报告人单位职务10月20日上午09:30-10:00工业视觉技术进展及装备应用邾继贵天津大学精密仪器及光电子工程学院院长10:00-10:30激光跟踪仪精密测量技术与应用周维虎中国科学院微电子研究所主任/研究员10:30-11:00激光回馈精密测量技术新进展张书练清华大学教授11:00-11:30待定胡鹏程哈尔滨工业大学长聘教授10月20日下午14:00-14:3020年来齿轮测量技术的发展石照耀北京工业大学长江学者特聘教授14:30-15:00基于波长移相技术的光学平行平板轮廓和厚度信息测量技术于瀛洁上海大学机电工程与自动化学院院长15:00-15:30视觉在线测量与检测技术卢荣胜合肥工业大学教授15:30-16:00面向智能制造的全过程、全样本、全场景测量李明上海大学教授10月21日上午09:00-09:30工业摄影测量技术研究及应用郑顺义武汉大学教授09:30-10:00装备空间运动误差被动跟踪测量方法与仪器娄志峰大连理工大学副教授10:00-10:30差分珐珀激光干涉微位移计量及应用研究崔建军中国计量科学研究院课题组长/副研究员10:30-11:00面向先进制造过程的在线计量技术研究赵子越中国航空工业集团公司北京长城计量测试技术研究所高级工程师
  • 机器视觉|新伙伴上线啦~速来围观
    各位菲粉们2020年下半年正式开启今天小菲给大家介绍一位新伙伴:Machine Vision 新“老”朋友FLIR IIS“老”:Point Grey成立于1997年,是先进可视成像相机和解决方案的佼佼者。2016年底,FLIR正式收购Point Grey Research Inc.,成立Machine Vision部门,它已加入FLIR大家庭两年多,已经在机器视觉、零售分析的智能成像和可见光谱相机方面,为菲粉们提供了众多解决方案。“新”:Machine Vision部门的产品宣传以往线下居多,在菲力尔官方微信公众号上,还是妥妥滴“萌新”哦~机器视觉摄像头FLIR IIS机器视觉摄像头被应用于工业自动化系统、医疗诊断设备、人口计数系统、智能交通系统、军事和国防产品以及高级测绘系统的先进可视成像相机和解决方案。Machine Vision生产和销售250多个型号的可见光相机,分辨率从0.3万像素到31万像素不等。摄像机有多种形式,包括板级和封闭的用户界面选项,如USB3、GigE和10GigE。Machine Vision设计、制造并向全球客户分发其相机和相关软件,以建立提高各种流程和产品的效率、质量、分析和安全的系统。应用广泛FLIR IIS有人说,机器视觉技术离我们好远,其实不然,机器视觉技术无处不在。任何大规模生产:从食品到半导体再到纺织品,都依赖机器视觉来指导自动化和检查产品的质量。顾名思义,机器视觉基本上是一个系统(如计算机)的视觉能力,系统对图像进行分析以做出决策或分类。机器视觉技术使自动化产品检测、人脸识别和防撞技术成为可能。想知道机器视觉摄像头应用领域、经典案例、精品推荐等信息吗?留言给小菲下期文章为大家解答哦~
  • 机器视觉检测设备商思泰克IPO即将上会
    近日,厦门思泰克智能科技股份有限公司(以下简称“思泰克”或公司)更新了上市招股书,公司拟在深交所创业板上市,将于11月18日上会。此次IPO,公司拟发行2582万股,计划募集资金4亿元,主要用于思泰克科技园项目、研发中心建设项目与营销服务中心建设项目,以及补充流动资金。据了解,思泰克主营业务为机器视觉检测设备的研发、生产、销售及增值服务,公司是一家具备自主研发和创新能力的国家高新技术企业。公司主要产品包括3D锡膏印刷检测设备及3D自动光学检测设备,产品主要应用于SMT生产线中,并广泛运用于消费电子、汽车电子、半导体、通信设备等电子信息制造业领域。专注机器视觉检测设备 主营产品应用行业广泛自设立以来,思泰克深耕于机器视觉检测设备领域,通过在 3D 光源技术、图像处理底层及应用层算法、AI人工智能算法、高精密三轴机械平台等机电光一体化技术领域不断的自主研发及技术创新,在机器视觉领域构建了领先的技术储备。思泰克以成为视觉人工智能领导者为愿景,持续深耕机器视觉领域, 紧密围绕公司产品涉及的计算机科学、图像处理、精密制造、人工智能等领域的最前沿发展方向和电子制造的最新发展需求,坚持自主创新,对现有技术产品不断迭代更新,并在相关领域取得了多项技术成果,形成45项授权专利和21项软件著作权。公司将可编程结构光栅投影技术,CPU 和 GPU 混合的三维表面轮廓测量算法、红绿蓝(RGB)三色 LED 光源算法、高低曝光技术、SMT 生产线数据互联及分析技术、基于三点照合技术的产品品质控制体系、AI 人工智能算法、10 微米级别的 XYZ 三轴移动精密平台等软、硬件核心技术进行有机结合,实现了机电光技术一体化。领先的产品力为公司积累了极为丰富和亮眼的客户资源。目前,公司直销及终端客户包括富士康、海康威视、弘信电子、大华股份、臻鼎科技、立讯精密、德赛电池、欣旺达、珠海紫翔、VIVO等行业知名企业或其代工厂商,优质客户的加持也进一步巩固了思泰克的行业领先地位。同时,公司产品已出口至中国台湾、越南、印度、马来西亚等地。机器视觉行业内企业的发展速度取决于下游客户的质量,优质客户持续的技术迭代有助于思泰克保持领先行业的技术优势和地位。营收净利连年增长 经营质量明显提升“十四五”时期,我国已转向高质量发展阶段,将进一步深化产业结构调整,推进制造水平提升,由“制造大国”向“制造强国”转型。随着工业自动化、智能化转型的深入以及民用产品对智能化需求的不断提升,机器视觉作为工业自动化、智能化转型的核心技术,有望形成更具规模化的产业,未来发展空间广阔。机器视觉检测设备在电子制造业的应用逐步由选配走向标配。一方面,制造业竞争加剧、人工成本高企不下,迫使下游企业陆续采用机器替人策略。另一方面,机器视觉技术也极大提高了下游企业生产的柔性和智能化,极大提高了生产效率,减少生产过程中的错误,就生产管理和质量管理而言,都大有裨益,也是下游企业实施机器替人的内在驱动使然。随着技术的快速发展,我国机器视觉迎来高速发展时期,机器下游领域不断拓展,逐渐渗透到3C电子、汽车、半导体、锂电、包装、食品、医药等多个行业。思泰克生产的3D SPI 及 3D AOI等3D检测设备提供了较2D检测设备更为智能、精准及多样化的检测内容及检测效果,响应下游客户对提高良品率,降低生产成本的需求,并形成具有企业特色的品牌效应,促进了传统制造业与新技术、新产业、新业态、新模式深度融合。花香蝶自来,梧高凤必至,凭借优秀的产品质量及服务优势,思泰克在行业内已树立良好的品牌形象,形成广泛的客户基础,并取得较高的市场地位。招股书显示,2019年至2022年上半年,思泰克各期营收分别为22648.91万元、25304.20万元、35614.79万元、19128.95万元,年均复合增长率达25.81%。公司主业的盈利水平也长期保持较高水平。上述同期,公司主营业务毛利率分别为55.35%、55.37%、55.84%和54.19%,其中主要收入来源于3D SPI产品,占主营业务收入的比重均在90%以上。在公司核心业务持续增长之下,其研发投入力度却有增无减。上述同期,公司研发费用分别为1008.77万元、1383.44万元、1986.06万元和758.65万元,研发投入呈现稳步增长。同期,公司研发费用率分别为4.45%、5.47%、5.58%和3.97%,总体保持较高水平。募资提升企业竞争力 加速迈入发展快车道根据前瞻产业研究院调研数据,2015 年至 2020 年我国机器视觉市场规模由 26 亿元增长至 79 亿元,年均复合增长率达到 24.89%。未来随着国内企业自主研发水平的提高及下游应用领域的进一步拓展,我国机器视觉行业规模将持续增长。此次IPO正是思泰克高瞻远瞩的战略性举措。近年来,国家对于智能制造和高端装备制造业发布了多项利好政策。随着思泰克业务规模的扩大,增强新产品研发、丰富产品结构、扩大产能已经成为其加速发展的迫切需求。技术创新是人类社会永恒的主题,是时代进步的重要标尺,未来,思泰克将继续把握电子信息制造业产业升级、工业互联网建设、5G 建设等行业发展机遇,专注于机器视觉检测领域,围绕客户需求,不断加大公司在产品所涉及的各项科技领域的投入,保持公司现有产品的持续技术竞争力。同时,公司将以现有核心技术为中心,围绕 SMT 生产线机器视觉检测领域,持续完善 3D SPI 及 3D AOI 等现有产品,并积极研发 X-Ray 检测设备等新产品,为客户提供 SMT 生产线检测领域的整体解决方案,推动业务的多元化和高质量发展。
  • 干货贴:详细解析机器视觉接口的应用原理
    机器视觉机器视觉是未来人工智能领域的核心技术。从工业视觉到计算机视觉,从人机交互到自动驾驶,从虚拟现实到物体自动识别,机器视觉都担当着重要角色。机器视觉在工业、农业、国防、军工、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用,将对我们的生活、生产和工作带来改变。在机器视觉的应用过程中,选择正确的接口是您选择摄像头过程的一项重要因素。今天小菲就给大家讲讲机器视觉可用的不同电缆和连接器类型以及相关利弊。机器视觉接口的分类机器视觉接口一般有两种形式:专用型和消费型。专用型接口此类接口适用于需要极高速或超高分辨率应用;例如,用于检测纸质或塑料薄膜生产这类连续流水作业的行扫描摄像头,其工作频率一般处于kHz水平。然而这些接口明显更加昂贵,灵活性更低,而且会增加系统复杂性。此类应用通常使用CarmeraLink(支持MAX 6.8Gbit/s 数据传输)和CoaXPress(支持MAX 12Gbit/s 数据传输)这些专用型机器视觉接口。采用这些接口的系统除了需要摄像头外,还需要图像采集卡,它们是专门用于接收图像数据并组合成可用图像的适配卡。专用型机器视觉接口还要使用专用线缆,增加了与外围设备集成的难度。CoaXPress (CXP)CoaXpress接口发布于 2008 年,用于支持高速成像应用。CXP接口使用75ohm同轴电缆,每个通道的数据传输速度MAX可达6.25Gbit/s,同时能通过多个通道支持更快的数据传输速度。一条CXP电缆MAX能提供13W的功率,要求“设备”和“主机”同时支持GenICam摄像头编程接口。尽管单通道同轴电缆的价格实惠,但如果要设置多通道电缆总成和图像采集卡,成本将迅速增加。CameralinkCameraLink标准由国际自动成像协会(Automated Imaging Association,简称 AIA)在 2000年设立,历经不断更新,目的是支持更高的数据传输速度,其中一些版本需要两条传输电缆。三种可用的主要配置包括:基本 (2.04Gbit/s)、中档 (5.44Gbit/s) 和进阶/扩展 (6.8Gbit/s)。基本标准使用MDR("Mini D Ribbon")26针连接器,中档/完整配置使用两条电缆,能力翻倍。进阶/扩展版本超越CameraLink规定的极限,可以承载MAX6.8Gbit/s的数据传输。CameraLink和CXP接口同样都需要图像采集卡,而且还额外要求兼容于Camera Link供电模式(Power over Camera Link,简称 PoCL)标准以便供电。CameraLink缺少纠错或重发功能,需要进行昂贵且繁杂的电缆设置,以便提高信号完整性,力图避免图像丢失。消费型接口此类接口使机器视觉摄像头可以通过广泛可用的 USB和以太网标准连入主机系统。对多数机器视觉应用而言,USB 3.1Gen 1和千兆以太网消费型接口具备便捷、速度、简单和价格合理的组合优势。此外,消费型接口支持通过广泛可用的硬件和外围设备执行机器视觉功能。您可以从亚马逊 (Amazon) 或您当地电脑城或电子产品店购买USB和以太网集线器、交换机、电缆和接口卡,不同的价格都能满足您的需求。大多数 PC、笔记本和嵌入式系统均至少包含一个千兆以太网或USB 3.1 Gen 1端口。这些接口类别的区别之一是带宽。在既定分辨率条件下,更快的接口支持更高的帧率(图1)。更快的接口让您每秒捕捉更多图像或捕捉分辨率更高的图像,同时又不影响吞吐量。举例来说,半导体晶片检测系统的晶片如果从8” 升级到12”,需要分辨率更高的摄像头。这种情况下,系统设计人员需要在“保留现有接口”和“牺牲吞吐量换取更高分辨率”两者间作出选择,或者升级为更快接口来维持或提高吞吐量。您对分辨率、帧率、电缆长度和主机系统组态的要求均应纳入考量,方能确保获得所需性能,同时不需要花费超出需求的成本。FLIR 的机器视觉摄像头支持所有三种可信赖且广泛可用的接口。通用串行总线 (USB)USB随处可见。您可以看看四周有多少个USB设备和配件。您觉得这意味着什么?意味着大多数USB机器视觉摄像头使用的是USB 3.1 Gen 1接口。这种接口为摄像头和主机系统之间提供max 4Gibt/s的图像数据带宽。USB3视觉标准确定了一组常用的设备探测、图像传输和摄像头控制协议,有助于保障各种摄像头与软件的兼容性。USB支持直接内存存取(DMA)。有了DMA功能,图像数据就可以从USB直接传送到内存,然后供软件使用。DMA同时具备在几乎所有硬件平台上对USB的广泛支持性和USB控制器驱动程序的可用性,使USB非常适合用于嵌入式系统。USB3.1 Gen 1电缆最长 5m,因此嵌入式系统基本不会出现电缆长度的问题。USB 3.1 Gen 1可以为摄像头提供4.5W的功率,简化了系统设计。近期确立的USB供电技术规格允许一些主机为快速充电手机这类设备提供更多电力,此技术规格独立于USB 3.1 Gen 1基础标准,但机器视摄像头制造商尚未采用。高度灵活的USB电缆有助于提高系统内(摄像头在其中频繁移动)电缆的使用寿命。有源光缆 (AOC) 可用于大幅延长工作距离并获得电磁干扰 (EMI) 电阻。有源光缆的性能取决于吞吐量要求和主机系统组态。使用有源光缆时,即便是可以通过电缆供电的类型,FLIR也建议在外部通过GPIO为摄像头供电。此外,锁定USB电缆将为电缆、摄像头和主机系统提供安全连接。购买锁定电缆前,因为其选项多样,FLIR建议检查锁定螺钉位置和间隔兼容性。USB 3.1 Gen 1适用于FLIR BlackflyS - 盒装和板级版本和小型Firefly S。千兆以太网 (GigE)GigE 提供MAX1Gbit/s的图像数据带宽。它综合了简便性、速度、最长100m电缆以及通过单条电缆为摄像头供电的能力等特性,是一种深受欢迎的摄像头接口。以太网电缆提供坚固屏蔽层。因此非常适合因某些机器人和计量设备的强大电机而产生较大电磁干扰的环境。FLIR GigE摄像头同时还拥有数据包重发功能,进一步增强传输可靠性。与USB不同的是,GigE不支持DMA。包含图像数据的数据包传输到主机,并在其中重组为图像框架,之后再复制到软件可存取内存。这一过程对于现代PC而言是小菜一碟,但仍然会造成某些系统资源受限的低功率嵌入式系统的延迟。Gigabit以太网的广泛使用意味着存在各种从电缆到交换机的支持产品,随时满足各类项目需求。GigE 摄像头支持IEEE1588 PTP时间同步协议,使摄像头和其他支持以太网的设备,如执行机构和工业可编程逻辑控制器,可以在准确同步的共同时间基础上运行。以太网广泛应用于众多行业,促进许多专业电缆和连接器在各种用例中的可用性。例如,有的以太网电缆设计用于防范EMI(电磁干扰)、高温和化学制品,还有的可以满足高灵活性要求,等等。以太网电缆拥有因结构而异的类别编号。GigE 最为常用的是CAT5e,而CAT6A、CAT7和CAT8 具备更高的EMI抗性,但成本更高,电缆直径更大。一些工业设备使用X-Coded M12(图3,右)连接器提供强化屏蔽,但对大多数应用来说,常见的RJ-45连接器便足以使用,成分更低,但说服力更强。此外,螺钉锁定的RJ45连接器提高了RJ45 缆的安全性。GigE 适用于FLIR Blackfly S - 盒装和FLIR Blackfly S - 板级摄像头。万兆以太网 (10GigE)10GigE将带宽提高到10Gbit/s,基于GigE的优势获得提升。10GigE是高分辨率3D扫描、容积捕捉和精密计量的理想选择。GigE和10GigE组合方式多样。可以将多台GigE摄像头连入一台10GigE交换机,实现主机系统上单10GigE端口全速运行多台GigE摄像头。由于CAT5e电缆只能在30m距离内运行于10GigE摄像头,因此推荐使用CAT6A或更高等级的电缆。10Gbit/s的数据量很大!采用高速CPU、PCIe 3.0和双通道内存的现代PC系统足以处理这么大的数据量,而性能更强的系统则可以支持多台10GigE摄像头。系统资源减少的嵌入式系统一般无法达到跟进传入图像数据所需的内存带宽和处理器速度。10GgiE 适用于FLIR Oryx 摄像头。消费型和专用型接口均用于多种机器视觉应用。以上提及的利弊将最终决定具体用例中的适用性高低。但是,消费型接口综合了性能、易用性、广泛可用性和低成本的特点,对于大多数机器视觉应用来说是一种颇具吸引力的选择。
  • 山东科技大学机器视觉联合实验室揭牌
    10月24日,“山东科技大学-加拿大TELEDYNE DALSA公司-上海波创电气有限公司机器视觉联合实验室”及“山东科技大学-山东明佳包装监测科技有限公司机器视觉联合实验室”揭牌仪式在山东科技大学举行,信电学院院长曹茂永、加拿大TELEDYNE DALSA公司亚洲业务发展总监朱正刚、上海波创电气有限公司总经理张伟、山东明佳包装监测科技有限公司总经理张树君出席仪式,曹茂永分别与张伟、张树君在合作协议上签字,曹茂永、朱正刚、张伟、张树君共同为实验室揭牌。仪式由信电学院副院长徐文尚主持。  曹茂永在仪式上致辞,向联合实验室的成立表示祝贺,向对联合实验室的筹建给予大力支持和帮助的企业表示衷心的感谢。他从学生规模、学科建设、专业设置、对外交流与合作等方面介绍了学院的情况。他说,联合实验室的成立将为学校机器视觉技术的教学工作和学科建设发展提供有力的技术支撑与设备保障,为该领域的专家学者提供一个新的科研交流合作平台。  朱正刚、张伟、张树君在致辞中介绍了各自企业的情况,希望通过联合实验室的建立,充分利用高校的人才资源优势和技术优势,发挥其在学生培养、技术攻关、产品研发、企业服务等方面的作用,深入开展交流与合作,实现共赢,为推动机器视觉技术发展做出应有的贡献。  信电学院、上海波创电气有限公司相关部门负责人参加了揭牌仪式。揭牌仪式结束后,曹茂永向朱正刚、张树君、上海波创电气有限公司总工程师刘富生及赵园园颁发兼职教授聘任证书。随后,朱正刚、张伟、张树君一行参观了信电学院实验室。朱正刚还为信电学院师生作了主题为“TELEDYNE DALSA及机器视觉行业最新动态与市场前景”的报告。   签字仪式   联合实验室揭牌   颁发聘书
  • 机器视觉检测设备商征图新视重启IPO
    近日,证监会披露了东吴证券关于征图新视(江苏)科技股份有限公司(简称:征图新视)首次公开发行股票并上市辅导备案报告。值得提及的是,这并不是征图新视第一次冲击IPO。早在2021年6月,征图新视便向上交所科创板提交了IPO招股书,并获得受理。不过,今年1月,该公司最终撤回申请资料。据了解,征图新视的主营业务为机器视觉检测设备及自动化制造设备的研发、生产、销售,主要产品包括:消费电子检测设备、印刷检测设备、其他行业检测设备、自动化制造设备、智能制造软件系统等。该公司自主开发机器视觉软件、人工智能、常规算法、光学成像机制、运动控制、3D 视觉等核心技术,构建了完整的机器视觉同源技术平台,在消费电子、印刷、农产品、交通等多元化行业实现了以外观检测为主的多项机器视觉功能,并不断向更广泛的行业领域和应用场景拓展。公司拥有完整的自主知识产权,包括专利 182 项(其中发明专利 33 项),软件著作权 75 项。征图新视经过十余年行业经验积累与技术沉淀,客户跨越消费电子、印刷、农产品、交通等各个行业,包括苹果、立讯精密、日东电工、瑞声科技、业成科技、蓝思科技、上海烟印、云南侨通等知名厂商,公司产品获得跨行业客户的广泛认可,体现了公司具有较强的跨行业复制能力。从股权结构来看,和江镇直接持有公司 633.09 万股股份,占公司总股本的 21.10%;王岩松直接持有公司 584.78 万股股份,占公司总股本的 19.49%;方志斌直接持有公司 482.17 万股股份,占公司总股本的 16.07%,三人合计直接持有公司1,700.04 万股股份,占公司总股本的 56.67%。此外,三人还通过征图投资间接持有公司 1.47%的股份。和江镇、王岩松、方志斌三人已于 2014 年 6 月 20 日签署了《一致行动协议书》,约定了三人应当在决定公司重大决策事项时共同行使股东权利,特别是行使召集权、提案权、表决权时采取一致行动,因此三人共同为公司的控股股东、实际控制人。
  • 机器视觉|产品合集:选对摄像头,才能拍摄高清图像
    上次介绍完新伙伴Machine Vision 之后很多菲粉们都对它表示好奇经过留言筛选今天小菲就来说说它的主要产品分类~No.1精致小巧的Firefly SFLIR Firefly S以超紧凑的机身提供您所需的基本机器视觉功能。它体积小,功耗低,重量轻,非常适合嵌入便携式设备。Firefly S通过将强大的相机功能与CMOS传感器相结合,提供非凡的价值。No.2高性能的Blackfly S 板级FLIR Blackfly 板级变体属于高性能机器视觉区域扫描摄像头,设计用于嵌入狭小空间。与许多其他板级摄像头不同,它具有丰富的功能组,适合新的CMOS传感器,与箱式版本功能组相同。以其可靠的兼容性,随时可集成至主流SBC和SOM。Blackfly S 板级型号采用嵌入式系统连接,具有丰富的功能,能够使OEM开发更小、更轻且成本更低的解决方案。No.3高质量成像的Grasshopper3 USB3Grasshopper3 相机系列将新的 CCD 和 CMOS 技术与 Point Grey 的专门技术相结合,实现了高性能、高质量的成像。No.4高速传输的Oryx 10GigE屡获殊荣Oryx 10GigE相机系列支持高达10Gbit/s 的传输速度,并能够以超过60FPS的帧率拍摄4K 分辨率的12位图像,从而允许系统设计员充分利用新传感器。Oryx的10GBASE-T接口是经过证明且广泛部署的标准,能够在线缆长度超过50米的经济实惠的CAT6A上或者长度超过30米的CAT5e上提供可靠的图像传输。相机内部功能(包括 IEEE1588 时钟同步以及与支持 GigE Vision 的热门第三方软件完全兼容)为系统设计员提供了相关工具,以便快速开发创新型解决方案。No.5应用程序——Spinnaker SDKSpinnaker SDK是FLIR的下一代GenICam3 API 库,专为机器视觉开发人员而构建。它拥有称为SpinView的直观GUI、丰富的代码示例及全面的文档,可助您更快速地创建应用程序。Spinnaker SDK支持FLIR USB3、10GigE和大多数GigE区域扫描相机。支持平台:Windows 7(32和64-bit)/Windows 10 (32和64-bit)/Desktop Ubuntu 18.04 (64-bit)/Desktop Ubuntu 16.04(32-bit)/Ubuntu 18.04(ARM64)/Ubuntu(16.04 ARMHF & ARM64)/MacOS(Mojave & High Sierra)。以上五款产品: 机器视觉摄像头还有相机深度学习——Firefly DL、冰块外形传感器——BlackflyS USB3/Blackfly S GigE、高性价比——Chameleon3 USB3、多功能结合——Blackfly USB3/Blackfly GigE等产品.
  • 大咖云集,汇聚郑州——机器视觉与传感技术专场活动顺利举办!
    2021年11月2日,由中国科学技术协会、河南省人民政府主办,中国仪器仪表学会、河南省科学技术厅、智汇工业、OPC基金会承办的2021世界传感器大会分场活动之机器视觉与传感技术专场活动在郑州国际会展中心轩辕堂顺利举办。机器视觉与传感技术专场活动现场本次会议围绕国内外机器视觉产业发展情况、在智能制造中关键技术,图像获取、图像预处理、图像分割、图像识别、检测、视觉图像技术等关键技术与产品;机器视觉的发展问题与市场机会,以及机器视觉在智能制造中的应用解决方案等。邀请来自高校、科研院所专家与企业代表近两百余人共同分享全球的机器视觉标准的最新发展和应用。会议主持人河南工业大学石庆升教授会议在河南工业大学教授石庆升的主持下正式开始,来自河南省科学技术厅二级巡视员郭遂臣为本次论坛进行了致辞。河南省科学技术厅二级巡视员郭遂臣致辞河南省科学技术厅二级巡视员郭遂臣出席会议并致辞,他表示河南省科学技术厅认真贯彻落实中央和省委省政府的部署,全面贯彻新发展理念,落实高质量发展要求,深入实施创新驱动发展的战略。中国工程院院士、中国科学院上海技术物理研究所研究员方家熊团队研究员刘大福中国工程院院士,中国科学院上海技术物理研究所研究员方家熊团队刘大福代表方院士带来了《短波红外焦平面探测器应用技术》。他认为,短波红外辐射自身的特点决定了其在成像领域有着不可替代的重要作用。经过多年的研究探索,短波红外焦平面探测器作为先进的短波红外成像器件逐步发展壮大,在越来越多的领域得以实际应用。随着短波红外探测器材料研究的进展和短波红外焦平面探测器制备工艺的不断改进和创新,短波红外焦平面探测器将向更大面阵规模、更宽的光谱响应范围发展,将会在更多的领域得到重视和应用。大英帝国佐勋章获得者、英国皇家工程院院士 肯尼斯格拉坦大英帝国佐勋章获得者、英国皇家工程院院士肯尼斯格拉坦教授以VCR形式带来《基于光纤的可持续传感技术》。他聚焦在光纤传感器并分析它们如何成为这一领域的驱动因素。他认为光纤传感器技将对实现零排放、保护社区和自然栖息地等目标的实现发挥关键的作用,关于可持续未来的关键是需要我们共同努力实现的目标。河南工业大学机电工程学院副院长、博士生导师曹毅教授河南工业大学机电工程学院副院长、博士生导师曹毅教授分享了《智能制造中的机器视觉技术发展及应用》。他认为,智能制造是全球工业的终极目标,工厂都可以实现智能自动化。作为人工智能技术发展的重要分支,机器视觉是通过图像传感器接收和处理真实物体的图像,以获得所需信息或控制机器人运动的技术。随着工业自动化技术向着智能化方向演进,工业场景对机器视觉技术的需求持续推进着工业机器视觉技术的发展。杭州海康机器人技术有限公司业务经理 刁栋柱杭州海康机器人技术有限公司业务经理刁栋柱作了《机器视觉与移动机器人技术助力智能制造》主题报告。他提到,从工业相机到算法平台,机器视觉产品为智能设备赋予“慧眼”,大幅提升工作效率及准确率,在智造变革之际重塑企业的生产力。从仓储物流到生产物流,移动机器人系统将为厂内物流化繁为简、降本增效,用智慧领航内物流变革。百度智能云河南服务中心解决方案工程师 班海旭百度智能云河南服务中心解决方案工程师班海旭带来了《云智一体在机器视觉中的应用》。他讲到,百度“云智一体”的战略,对“云”和“智”进行了充分融合与特殊调优,进而满足中小企业转型的所有需求;云智一体核心在于:帮助中小企业实现数字化转型与智能化升级的一步到位,并给出了“云为底座,飞桨为核,生态为翼”的系统性方法论,以百度智能云工业互联网“开物”在内的平台。福禄克测试仪器(上海)有限公司技术支持工程师 杨凯福禄克测试仪器(上海)有限公司技术支持工程师杨凯分享了《压力传感器工艺过程中的校准应用》。他介绍到,福禄克计量校准部提供构建压力传感器校准方案所需的设备和资源,福禄克解决方案能够帮助您解决压力传感器校准业务面临的困难,提高客户的投资回报。四川菲罗米特仪表有限公司技术总监杨安勇四川菲罗米特仪表有限公司技术总监杨安勇带来了《用新型超声波换能器实现气体流量的精准计量》。他介绍到,公司一直专注于气体超声流量计领域的自主研发与制造,是一家集智能燃气仪表自主研发、生产、销售及技术服务的科技型企业,致力成为燃气运营商气体计量整体解决方案的专业供应商,同时详细介绍了换能器及其在实际中的应用。会议在热烈的气氛中圆满成功,各位与会嘉宾认为机器视觉具有高度自动化、高效率、高精度和适应较差环境等优点,将在工业自动化的实现过程中产生重要作用。各行各业对图像和机器视觉技术的工业自动需求将越来越大,但真正高端的应用还很少,机器视觉在未来制造业中将会有很大的发展空间,如何掌握行业的发展趋势,还需要深度探讨。
  • 蓝菲光学超均匀面光源助力机器视觉相机校准
    1、背景介绍 近年来,随着工业4.0及人工智能的发展,越来越多的自动化设备被广泛应用于生产过程中。工业4.0离不开智能制造,我国在2015年提出的“中国制造2025”宏伟计划中,第一项战略对策就是“推行数字化网络化智能化制造”,而智能制造中,最核心的一环就是机器视觉。机器视觉是指通过机器来模拟人眼的功能,对客观事物进行信息提取,处理和分析,最终实现检测和判断,最终交给计算机进行控制。中国是机器视觉产业发展最为迅速的国家,目前已经在工业,航天,医疗,交通,科研等诸多行业进行了广泛的应用。图1 机器视觉代替人眼二、目前机器视觉存在问题 典型的工业机器视觉系统包括:光源,镜头,相机,图像采集卡,软件,监视器,输入/输出等。对于光学检测来说,机器视觉系统的性能主要取决于系统中光学相关部件,比如光源,镜头,相机等的性能。此外,光学检测要求的精度一般都较高,但是大多数相机在出厂时,并没有专门针对光学检测应用进行专门校准,往往会导致机器视觉系统的精度达不到要求,结果会出现误差。 比方说,如果将刚出厂的工业相机对着一个均匀照明的发光面进行拍照,拍摄出的图像四个角往往会出现暗区,这主要是由于相机镜头的余弦响应造成的。此外,由于相机传感器(CCD/CMOS)的非均匀性,也会导致对均匀光场成像的时候,图像的亮暗,颜色不均匀,如下图所示。以上这些因素,都会导致在一些精密的光学检测(比如平板显示检测)时,检测结果和真实情况出现较大偏差。图2 校准前相机平场响应 除此之外,相机对于不同亮度的线性响应也不同。由于相机输出的信号是灰度值,并不具有真实的物理意义。因此,在做光学检测(比如说亮度检测时),需要对相机进行线性度和亮度标定,建立起相机灰度信号和真实亮度的关系曲线。三、工业相机校准解决方案 为了解决以上机器视觉系统中存在的问题,提高机器视觉系统,尤其是AOI等光学检测系统的精度,欧洲机器视觉协会EMVA提出了《EMVA1288:成像传感器和相机性能表征标准》,其中介绍了如何对成像传感器及相机的空间不均匀度,灵敏度,线性度和噪声等一些列指标进行表征和校准的办法。其中明确写到:“最好的均匀光源是积分球均匀光源”,且推荐“光源的均匀性要大于97%”。图3 蓝菲光学相机平场校正方法 用户在使用时,只需要相机对准均匀光源的开口,拍摄一张图像,再经过算法进行计算,就可以对相机的均匀性进行校正,这一过程称为平场校正。经过均匀光源校准后,相机的均匀性可以显著提高。如下图所示,为一个工业相机经过积分球均匀光源校正前后相机的均匀性测试结果。从图中可以很明显看出,校正前相机的均匀性较差,中心场的响应优于周边的响应。校正后相机平面内的响应一致。相机校正前 相机校正后图4 工业相机经过蓝菲光学LED 积分球均匀光源系统平场校正前后对比 四、完美的积分球面光源 工业相机的精度决定了机器视觉系统的检测精度,校准光源的均匀性决定了工业相机的精度。越是均匀的积分球光源,经过其校准后得到的相机均匀性越高。根据积分球的原理,入射到积分球的光在积分球内部进行多次反射,最终在输出端口得到亮度,色度都完全均匀的面光源。积分球的出光口均匀性主要取决于以下几个方面:1.积分球内壁材料的反射特性。材料的反射特性可以分为朗伯反射,镜面反射和混合反射。由积分球原理可知,积分球内壁材料反射特性越接近朗伯特性,其开口处均匀性越高。此外,当入射光是宽谱光时(比如白光),材料的光谱反射一致性决定了开口处的色度均匀性,材料的光谱反射率越一致,也就是对各个波长的反射率越一致,开口处的色度越均匀。2.积分球的设计。如何设计积分球的尺寸,入射光的位置,挡板的位置和方向,都会影响积分球开口的均匀性。 蓝菲光学积分球均匀光源Spectra-CT提供了一种超均匀,高动态范围,亮度/色温均可精细调节的面光源。该积分球光源采用蓝菲光学独有的高反射率完美朗伯反射材料Spectraflect,基于蓝菲光学40余年的光学系统开发经验,精细的积分球结构设计,是机器视觉相机校准的完美解决方案。其主要具有以下特点:出光面超级均匀,均匀性大于99.5%系统输出稳定性高,稳定性达0.1%亮度线性可调节,可实现从微弱光0.1cd/m2至25000cd/m2的亮度输出色温动态可调节,可实现从低色温2700K到高色温7500K的输出自带亮度监控,实时观测亮度输出情况软件实现光源和探测器的全部控制,界面简单易用,可提供控制指令供二次开发。系统还可定制各类色温,亮度,单色光,大视场角等不同参数的光源图5 蓝菲光学LED 均匀光源系统(Spectra-CT)及开口处光斑亮度分布 Spectra-CT LED积分球均匀光源是均匀性较高的面光源,其卓越的性能可以满足EMVA1288要求的相机均匀度,线性度,信噪比,动态范围等诸多参数测试。是从研发到生产,各类工业相机的理想校准光源。
  • 专家谈机器视觉检测技术【1】:研究背景+典型系统组成
    《产品外观缺陷机器视觉在线检测技术及设备开发》一文由合肥工业大学仪器科学与光电工程学院卢荣胜教授投稿分享,包括自序、研究背景、典型系统组成、成像技术及实现策略、关键核心单元部件、缺陷识别与分类、结束语、致谢几个部分。由于篇幅较长分为四篇发布,以下为第一部分:自序、研究背景、典型系统组成。1.自序本人1985年大学毕业后在量仪厂从事量具、刃具、工装、专机与机加工工艺开发等技术工作,于1992年从师费业泰教授攻读硕士与博士学位,从事精密机械热变形误差、精密仪器精度理论方面研究, 1998年末博士毕业后又拜师天津大学叶声华教授,从事机器视觉在线检测方面的博士后研究,研究方向随之聚焦于机器视觉与光学精密测量领域。之后在香港城市大学、英国帝国理工学院和哈德斯菲尔德大学进行了为期6年的三维机器视觉、自动光学检测和光学测量技术研发工作,于2006年5月返回母校合肥工业大学任教。回国后继续从事机器视觉与光学测量方面的研究,坚持面向平板显示、新能源、软性电路板、半导体等先进制造产业,注重技术的应用开发。先后主持了国家自然科学基金项目3项、863专项1项、国家科技支撑项目1项、国家重大科学仪器设备开发专项1项、国家重点研发课题1项、以及其它省部级项目和产学研合作项目10余项,在机器视觉与光学测量领域已培养硕士和博士研究生100余人。鉴于在机器视觉技术研究及应用开发方面20余年的研究积累,2021年无锡市锡山区政府与我们科研团队合作,联合创立了一个新型科技研发机构——无锡维度机器视觉产业技术研究院,采用实体化运营模式,面向先进制造产业链,从事机器视觉与光学精密测量方面产业共性关键技术研究与产业化开发。研究内容与产业化业务范围涉及机器视觉缺陷在线检测、三维机器视觉精密测量、机器人视觉引导、半导体检测、机器视觉关键零部件开发等。开发的视觉系统与仪器已经在平板显示、光伏、锂电池、软性电路板、半导体等行业得到成功应用。鉴于篇幅问题,本文重点聚焦于产品外观缺陷视觉在线检测技术,归纳了我20多年来在这些方面的科学研究与产业化开发的进展情况与心得体会。2.研究背景在产品制造过程中,由于生产环境不理想、制造工艺不规范等各种原因,零部件和产品外观难免会含有多种缺陷,如印制电路板上出现孔位、划伤、断路、短路和污染,液晶面板的基板玻璃和滤光片表面含有针孔、划痕、颗粒,带钢表面产生裂纹、辊印、孔洞和麻点,铁路钢轨出现凹坑、鼓包、划痕、擦伤、色斑和锈蚀,等等。这些缺陷不仅影响产品外观,更重要的是影响产品性能,严重时甚至危害生命安全,对用户造成巨大经济损失,因此,现代制造业对产品的表面质量控制非常重视。产品外观缺陷在线检测最传统的方法就是采用人工目视检测法,目前高端制造工厂大部分都采用自动化生产,但人工目视检测岗位仍占据工厂整体人员的15%-30%。鉴于人工目视检测存在对人眼伤害大、主观性强、准确率低、不确定性大、易产生歧义和效率低下等缺点,已很难满足现代工业对产品质量及外观越来越高的严格要求。随着电子技术、图像传感技术和计算机技术的快速发展,利用基于图像传感技术的视觉在线检测方法已逐渐成为外观缺陷检测的重要手段,因为这种方法具有自动化、非接触、速度快、准确度高等优点。目前,外观缺陷视觉在线检测技术已经广泛应用于工业、农业、生物医疗等行业,尤其在现代制造业,如平板显示、光伏、锂电池、半导体、汽车、3C电子(计算机、通讯和消费电子产品)等领域,对能够实现机器换人的外观缺陷视觉检测技术需求越来越旺盛。3.典型系统组成产品外观缺陷机器视觉检测是基于人眼视觉成像与人脑智能判断的原理,采用图像传感技术获取被测对象的信息,通过数字图像处理增强缺陷目标特征,再通过Blob(Binary large object)分析、模板匹配或深度学习等算法从背景图像中提取缺陷特征信息,并进行分类与表征。在工业应用领域,外观缺陷视觉检测系统实际上是一种智能化的数字成像与处理系统,即采用各种成像技术(如光学成像)模拟人眼的视觉成像功能,用计算机处理系统代替人脑执行实时图像处理、特征识别与分类等任务,最后把结果反馈给执行机构,代替人手进行操作,执行产品的分类、分组或分选、生产过程中的质量控制等任务。(左)6代线液晶阵列和彩色滤光片缺陷检测仪 (中)8.5代线玻璃基板缺陷检测仪 (右)ITO导电膜表面缺陷检测仪图 1 高世代液晶面板关键工艺节点缺陷视觉在线检测系统图 2 表面缺陷视觉在线检测系统组成原理图图1为我们在国家重大科学仪器设备开发专项的资助下,针对6代线和8.5代线液晶面板显示器制程中关键工艺节点,开发的三种缺陷视觉在线检测系统。该系统能很好地揭示一个视觉在线检测系统的各个组成部分、关键技术难点,以及所需的关键零部件。主要技术参数为:待测幅面大小≤1800x2200mm, 快速发现缺陷分辨率10μm, 复检显微分辨率0.5μm, 并行图像处理与缺陷识别系统采用CPU+FPA+GPU 主从分布式异构并行处理架构,检测时间节拍20s。系统组成与关键零部件单元可用图2示意图来清晰地描述,它由精密传输机构、光源、相机阵列、显微复检、并行处理、控制、主控计算机、服务器等单元模块,以及与工厂数据中心互联的工业局域网组成。图 3 展示了我们开发的手机液晶显示屏背光源模组缺陷转盘式多工位视觉在线检测系统的结构组成,该检测系统包括自动上料、编码、对准、检测、分选、返修识别等几个部分。图 3 背光源模组在线自动光学检测系统3.1 自动上料机构自动上料机构包括装配线上传输来的背光源模组位姿探测、电动与气动机构抓取、位置校正、送料等部分组成。工作原理如下:1. 在装配线传输带工位(1)的上方放入一个监视相机,当前道工序组装系统装配好背光源模组传输到工位(1)后,监视相机拾取到有待测模组时,计算模组在工位(1)处的位置与模组姿态信息,并发出工作同步指令给后续上料与检测系统。2. 监视相机发出工作同步指令后,气动与电动缸组成的送料系统把工位(1)处的背光源模组从传输带上吸起来,然后在气动滑台的带动下,把工位(1)处的背光源模组搬运到工位(2)处。在放到工位(2)上之前,计算机根据工位(1)上方的相机拍摄到的模组位置与姿态,发出指令给真空抓取吸盘角度校正电缸,初步校正背光源模组在空间的角度。当背光源模组运送到工位(2)后,模组在工位(2)处由4个气动滑缸从四边向中间对中,校正模组的位置,然后背光源模组下方的相机,对模组成像,识别待检背光源模组喷码序列号,作为有缺陷模组在返修过程中,从缺陷数据库中自动调出缺陷信息,指导返修任务。3. 在工位(1)处吸盘抓取背光源模组的同时,右边的吸盘在工位(2)处把已经校正好的模组吸起来,然后在气动滑台的带动下,把校正后的模组输送检测转盘工位(3)处。至此,一个上料循环完成。3.2 检测机构检测机构由间隙转动工位转盘、上料位置对准探测、异常检测、画面检测和外观检测工位组成。工作原理如下:1. 背光源模组被自动送料机构传输到工位(3)后,转盘在控制系统的控制下,转到工位(4)。在工位(4)的上方安装一个相机,检测背光源模组定位是否正常,模组LED灯工作是否正常,并把信息传给主控计算机。如果一切正常,则后续检测工位按预定的方案进行检测;如果不正常,后续检测对该模组不检测,然后传送到工位(9),由分选机构抓取,传送到不良品传输带上。2. 当模组转到工位(5)~(8)处后,缺陷扫描成像系统对画面缺陷进行扫描检测,缺陷扫描成像系统由高速扫描相机、一维滑动台、光栅、伺服系统、调整机构组成。由于外观检测项目较多,一个工位难以不够,故把工位(7)和(8)两个工位作为外观检测机构。3.3 分选机构分选机构由良品与不良品气动抓取机构、间隙运动传输带组成。结构布局参看图 3 所示,其工作原理如下:1. 如图 3 所示,画面(外观、异常等)缺陷检测完毕后,模组继续向下道工位转动,当模组运动到工位(9)后:分选机构左边的气动吸盘抓取工位(9)上的模组,传输到工位(11)处。2. 如果该模组是不良品,在分选机构向工位(9)移动的过程中,不良品传输带向前移动一个工位,把工位(11)清空,等待放置下个模组。3. 如果是良品,在下一个时刻分选机构抓取工位(9)上的模组时,右边的吸盘同时抓取工位(11)上的模组,在分选机构左吸盘把模组放到工位(11)处时,右吸盘把良品模组放置到良品传输带上工位(12)处,然后良品传输带向前移动一个工位,清空工位(12)等待放置下个模组。传输带之所以作间隙运动,一方面可以节省空间,另一方面考虑到不良品只是少数,这样可以让不良品按顺序一个一个经凑地排列在传输带上,不需要有人监视,返修人员只要传输带上放满了不良品后取走返修。3.4 复检与不良品返修对于检测到的不良品,再采用人工目视复检,并对不良品进行返修。在返修工作台上放置一个电脑,并安装一台成像系统,拾取不良品背面的编码。返修显示电脑通过工业以太网与缺陷数据库服务器相连,相机在电脑的控制下,获得带返修的不良品编码后,根据编码从服务器中调用缺陷信息,显示在屏幕上,导引返修人员对不良品进行合理的返修。
  • 宁波材料所研制出高精度机器视觉检测平台
    近日,宁波材料所所属先进制造技术研究所机器视觉团队研制出高精度机器视觉检测平台。该平台的优异性能使其在各种精密电子、仪器仪表、晶圆科技、刀具、塑胶、精密零件、弹簧、冲压件、接插件、模具、五金塑胶、PCB板、导电橡胶、粉末冶金、螺丝、钟表零件、手机、液晶、医药工业、光纤器件、汽车工程、航天航空、军工等领域具有广泛应用空间。  高精度机器视觉检测平台采用了轴式直线电机,相对于传统电机和第一、第二代直线电机,轴式直线电机的磁场利用率高达100%,具有永磁体用量少、推力大、运行平稳结构简单、免维护寿命长等特点。另外,直线电机不需要使用机械传动部件,在国内机械传动部件制造水平相对落后的现状下,利用轴式直线电机可实现精密可靠的运动平台。  在轴式直线电机运动平台的基础上,机器视觉团队利用其自身的优势,开发了快速、准确、易用的测量软件。其先进的相机标定、校准技术可保证实现微米级精度的非接触式测量 先进的自动特征检测定位算法可以准确、快速地定位用户预先设定的测量点,并按用户预订的测量需求进行自动的大批量重复测量,所需的人工操作可简化到一次鼠标操作。  我国精密测量技术和仪器的现状仍然远远不能满足国内机械装备制造业迅速发展的需求,通过发展精密的自动测量系统,必将推动国内机械装备制造业的发展,缩短与国外先进水平的差距,进一步推动国产装备向高附加值方向发展。
  • 机器视觉供应商易思维启动IPO辅导
    11月24日,易思维(杭州)科技股份有限公司(以下简称“易思维”)在浙江证监局进行辅导备案,辅导机构为安信证券股份有限公司。官网资料显示,易思维成立于2017年12月,专注于工业智能视觉领域,是一家集机器视觉产品的设计、研发、制造及应用于一体的高新技术企业。易思维的产品应用已覆盖国内200余个主机厂及零部件厂,客户覆盖率达到95%以上;每年主机厂客户新增市场份额占据全国市场的60%以上。在汽车制造领域,易思维构建并形成了面向冲、焊、涂、总四大工艺的一系列标准化产品,成功打破了国外品牌在该领域的长期垄断局面,成为上汽大众、一汽大众、广汽、特斯拉、蔚来等国内绝大多数主流汽车整车厂及零部件工厂的优选供应商。据查,郭寅为易思维董事长兼总经理,直接持有公司13.38%股份;杭州易实思远科技有限公司持有易思维35.08%股份,杭州易实思远科技有限公司由郭寅100%控股。此外,易思维股东还包括天津创业投资管理有限公司董事长、合伙人魏宏锟等。据乐居财经查阅,易思维是由天津大学创业团队创建的校友企业。2016年6月,郭寅创立了易思维(天津)科技有限公司,初创团队的核心技术成员都毕业于天津大学,出自精密测试技术及仪器国家重点实验室。郭寅博士,浙江青田人,2013年博士毕业于天津大学,曾获得教育部技术发明一等奖、天津市科学技术进步特等奖,2022年入选国家“万人计划”科技创业领军人才。
  • 机器视觉检测技术:应用场景多样化,国产品牌崭露头角
    1. 机器视觉市场规模稳定扩张,国产替代显现,国家政策助力行业稳定发展1.1 机器视觉应用场景广泛,规模稳定扩张,国产品牌逐 渐崛起机器视觉指一种应用于工业和非工业领域的硬件和软件组合,它基于捕获并处理的图像为设备执行其功能提供操作指导。因此,成像和图像处理分析是机器视觉两大主要构成部分。继续拆分机器视觉系统,可知其主要包括光源及光源控制器、镜头、相机、视觉 控制系统(视觉处理分析软件及视觉控制器硬件)等。机器视觉的成像功能部分由光源及光源控制器、镜头、相机等硬件构成;对形成的图像进行分析处理、输出分析结果至智能设备的其他执行机构的工作交给了视觉控制系统。 机器视觉行业产业链主要由上游零部件、中游装备及下游应用市场构成。上游的零部件通常包括光源、工业镜头、工业相机、图像采集卡、软件及算法平台,其中工业镜头、 相机、采集卡、软件算法平台等关键软硬件是机器视觉的关键价值组成部分。全球市场中,康耐视(Cognex)及基恩士(KEYENCE)有着深厚的技术支撑,占据市场份额较大,属于行业内领先企业。《中国工业机器视觉产业发展白皮书》提到,我国品牌奥普特 近年来在上游零部件的制造上也逐步发力,成为国内市占率最高的公司。行业中游中的装备协助企业对产品进行引导、识别、检测、测量及其他智能制造相关应用。这些装备随即可广泛应用于电子及半导体制造、食品饮料、汽车、制药等下游市场。 根据中商情报网数据,我国机器视觉下游需求市场一半以上由电子电气构成,占比 52.90%, 其次为半导体,占比 10.30%。除此之外,应用较为广泛的下游市场还有汽车、印刷包装、 以及食品加工,分别占比 8.80%、5.50%、4.90%。机器视觉的系统成本由零部件制造、软件开发、组装集成以及维护过程产生的成本构成, 其中以零部件为主要构成部分,占据的百分比接近所有成本值的一半。零部件生产和软件开发是上游企业的核心业务范围,二者合计占比高达80%。机器视觉行业自 1959 年起开始萌芽,神经生理学家 David Hubel 和 Torsten Wiesel 研究视觉皮层神经元的核心反应特性,同年 Russell 研制了一台可以把图片转化为被二进制机器所理解的灰度值的仪器;1969 年,贝尔实验室成功研制出了 CCD 传感器(电荷耦合器件图像传感器),可以直接把图像转换为数字信号并储存到电脑中参与计算与分析,奠定了机器视觉基石。 90 年代中后期开始,中国开始在机器视觉领域进行探索,开始在航空、航天、军工、及 高端科研(天文、力学研究)等核心机构及行业应用。1998 年我国开始引进机器视觉系统。 目前机器视觉已经达到了产业发展阶段,应用和算力的提升共同促进机器视觉产业发展, 各大生产领域纷纷布局于机器视觉产业。机器视觉相较于人眼视觉有较多优势,如在观测精度方面,机器视觉具备更细致的观测能力,可观测至微米级的目标;在观测速度方面,机器视觉快门速度可达 10 微秒左右, 使其具有高速且稳定的分析处理图像的能力。除此之外,机器视觉系统在感光范围、对环境的要求、效果客观性及可靠性方面均强于人眼视觉,这也是机器视觉广泛应用的重要原因。根据中国机器视觉产业联盟(CMVU)发布的《中国工业机器视觉产业发展白皮书》,2015 年至 2021 年我国工业机器视觉市场规模由 64.23 亿元增至 165 亿元,CAGR 为 17.03%, 其中 2021 年同比增长 10%。2020 年之前,我国机器视觉市场中国外品牌的份额高于国内品牌;2020 年上半年疫情对国外产品影响较大,CMVU 数据显示上半年销售额同比下降 50%,而我国自主品牌产品应对较好,销售额同比下降 12%左右。2020 年全年国内品牌 销售额为 77 亿元,超过了国外品牌的 73 亿元。我国机器视觉相关品牌正在逐步崛起, CMVU 预测 2022 年国内机器视觉品牌市场规模将达 100 亿元,国外品牌 80 亿元。我国自 1998 年开始引入机器视觉系统以来,参与机器视觉产业发展的企业逐年增长。根据企查查中得到的数据,2010 年至 2019 年每年新增行业内相关企业呈现逐年增长的趋势, 到达 2019 年时,当年新增机器视觉企业数已达 819 个,达到近年来新增值的顶峰。2020 年以来,受疫情影响以及行业内集中度的提升,每年新增企业数逐渐放缓,2021 年共计 新增 278 家机器视觉相关企业。1.2 国家政策推动机器视觉发展,机器人技术结合高端装备制造助力行业进步机器视觉是与工业应用结合最为紧密的人工智能技术,在智能制造高速发展的时代,国家对于这一有助于智能制造持续提升的技术也是给予了多次政策鼓励与支持。 2021 年 12 月,工业和信息化部、国家发展和改革委员会、教育部、科技部、财政部、人力资源和社会保障部、国家市场监督管理总局、国务院国有资产监督管理委员会联合发布《“十四五”智能制造发展规划》,其中提到,要大力发展智能制造装备,推动先进工艺、信息技术与制造装备深度融合。推动数字孪生、人工智能等新技术创新应用,研制 一批国际先进的新型智能制造装备。 2020 年 9 月,国家发展改革委、科技部、工业和信息化部以及财政部共同发布的《关于扩大战略性新兴产业投资培育壮大新增长点增长极的指导意见》中特别强调,要重点支持工业机器人、建筑、医疗等特种机器人、高端仪器仪表、轨道交通装备等高端装备生产,实施智能制造、智能建造试点示范。研发推广城市市政基础设施运维、农业生产专用传感器、智能装备、自动化系统和管理平台,建设一批创新中心和示范基地、试点县。 鼓励龙头企业建设“互联网+”协同制造示范工厂,建立高标准工业互联网平台。国家通过各政府部门在不同方面发布的指导意见与规划,从智能制造、新产业发展、电 子元器件等多个角度对机器视觉行业发展提供助力,为机器视觉产业链内所有产品的研发和生产提供良好环境,对行业内相关公司的生产经营状态做出高度肯定。2. 下游应用市场广阔,各行业发展带动机器视觉需求不断提升2.1 消费电子市场为主要应用方向,产品更新速度拉动机器视觉行业需求当前,我国已经站在消费电子行业的创新潮头,产业链中各项产品的研发生产规模均比肩世界领先水平,同时,我国居民消费水平也随着经济发展的历程逐渐提升,对于消费电子的需求日益增长。受益于各方面原因,消费电子行业市场规模近年来稳定发展。根据中商情报网数据,2017 年至 2021 年市场规模由 16120 亿元增至 18113 亿元,CAGR 为2.96%。在国内疫情逐年转好的背景下,按年均复合增长率估算,预计 2022 年市场规模 将达到 18649 亿元。消费电子作为人们生活中主要使用的电子产品,通常应用于娱乐、通讯、便民以及文书用途。智能、平板电脑、可穿戴设备等属于消费电子的主要细分市场类型,目前广泛应用于我国居民的日常生活中。根据工信部数据,我国智能手机销售情况在 2017 年经历了一次高速发展,当年出货量达 到 4.44 亿台,市场逐渐靠近饱和。自那以后,消费者对于智能手机的需求有放缓的势头, 2018 年至 2020 年出货量均呈现下滑趋势。在 2021 年这种趋势被突破,当年智能手机出货量回升,为 3.43 亿台,同比增长 3.94%。截止至 2022 年二季度,我国当年智能手机共出货 1.4 亿台,同比下降 14.40%。平板电脑作为一种便携式输入设备,在人们的学习和工作中运用得越来越广泛。IDC 数据显示,2021 年,我国平板电脑出货量为 0.28 亿台,同比增长 21.74%。截止至 2022 年二季度,我国平板电脑出货量为 0.14 亿台,同比增长 4.47%。 常见的可穿戴技术类型包括智能手表和智能眼镜。可穿戴电子设备通常接近或在皮肤表面,对如生命体征和/或环境数据信息进行检测、分析和传输,在某些情况下允许对穿戴者进行即时生物反馈。随着技术的发展和市场的扩大,可穿戴设备的用例也在不断增加。 IDC 数据显示,我国可穿戴设备的出货量自 2017 年至 2021 年由 0.57 亿台增至 1.4 亿台, CAGR 为 25.19%,其中 2021 年出货量同比增长 30.84%。截止至 2022 年二季度,受宏观消费环境影响,当年总出货量有所下降,共 0.54 亿台,同比减少 14.29%。由于消费电子元器件通常尺寸较小,且产品对各元件精细度要求较高,因此使用机器视 觉检测对消费电子产品制造大有裨益,能够使元器件完成尺寸更精准、工作效率更高。 同时,消费电子对产品精细程度的高要求也促进了机器视觉检测行业的技术变革与发展。 作为机器视觉应用最为广泛的下游行业,消费电子产品生命周期短、更新换代快的特征 使智能手机、平板电脑、可穿戴设备等至少两年需要重新购入一批,导致其上游机器视 觉产业需求持续增长,推动机器视觉市场蓬勃发展。2.2 与半导体相关研究追溯至上世纪 80 年代,机器视觉检测系统工艺逐年优化半导体产业已经成为衡量国家综合实力标准之一,全球行业迎来新增长周期。半导体产业作为信息时代的基础,已成为衡量国家产业竞争力以及综合国力的重要指标。 据美国半导体产业协会统计,从 2017 年至 2021 年,全球半导体销售额由 4122.21 亿美元 增至 5569.87 亿美元,CAGR 为 7.81%。截止至 2022 年 8 月,全球半导体销售额为 4015.84 亿美元,同比增长 13.88%。我国半导体市场销售额发展趋势基本与全球总额涨跌规律相近,2021 年全国共实现半导体销售额 1877.40 亿美元,同比增长 24.84%。按份额来说, 我国半导体市场销售额在全球总额的比重近五年内处于 31%-35%之间,截止至 2022 年 8 月,我国半导体销售份额为 32.71%。在半导体产业链中,从单晶片到制成品等各项产品的制造过程中都离不开检测工艺环节, 其市场规模随着新型技术及工艺环节不断增加,行业对检测的技术方法与效率提出了更高的要求,检测行业市场规模随即逐年提升。 根据 VLSI Research 统计,全球半导体检测和量测设备市场规模自 2016 年至 2021 年由 47.6 亿美元增至 84.4 亿美元,CAGR 为 12.14%,其中 2020 年同比增长达到最高为 20.09%, 2021 年同比增长 10.33%。我国半导体检测和量测设备市场规模在同一时间区间内则由 7 亿美元增至 25.8 亿美元,CAGR 达 29.81%,高于世界平均水平。VLSI Research 预测 2022 年全球和中国半导体检测和量测设备市场规模将分别达到 92.1 亿美元及 31.1 亿美元。与消费电子同理,半导体设备的制造过程中,小到单晶片,大到制成品,外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等方面的参数均离不开机器视觉系统的检测。 自上个世纪 80 年代起,国外已经开始研究机器视觉系统在半导体检测工艺环节的应用。 1980 年,Y. Y. HSIEH 和 K. S. Fu 提出一个自动视觉检查和最终包装系统的组合,用于集成电路(IC)芯片的自动视觉检测和线装,为机器视觉在半导体检测行业的应用提出可行性。而我国在这方面的研究起步相对较晚,经过几十年的学习与尝试,近年来国内的 一些企业也在半导体检测设备研究方面也有所发展。如矩子科技部分产品布局于制造工艺外观缺陷 3D,2D 检测,具体包括晶圆表面缺陷,杂物,裂纹,切割崩裂等检测;封装工艺(DB,WB)晶片不良,胶水不良,焊线不良,焊球不良,以及杂物等缺陷检测。2.3 汽车制造产业蓬勃发展,机器视觉技术贯穿全产业链汽车制造业是我国国民经济重要的产业之一,发展非常迅速。随着人们追求高质量生活的意愿不断变强,汽车成为现代人最常使用的交通工具之一,需求日益增长。 根据中国汽车工业协会的数据,2020 年受疫情影响,我国汽车产量全年不及上年水平, 全年产量共计 2522.5 万辆;自 2021 年起,由于防控得当,汽车产量值高速增长,其中 2021 年 2 月末以及 3 月末总产量增速达到 89.94%、82.84%,全年共产 2608.2 万辆。2022 年上半年,由于芯片短缺及宏观经济环境低迷,我国汽车产量小幅度下降,7 月后情况有所好转,到 8 月末,当年共生产汽车 1696.7 万辆,同比增长 4.95%。从规模以上工业增加值方面看,2022 年上半年工业增加值增速呈现逐月负增长的趋势, 2022 年 6 月-8 月汽车制造业工业增加值分别同比增长 16.20%、22.50%、30.50%,高于同 期工业企业工业增加值增速。我国汽车制造业中企业竞争激烈,据国家统计局披露,2022 年起行业内企业数超过 1.7 万家,截止至 2022 年 8 月底,共计 17369 个,同比增长 6.81%。在这 1.7 万余家企业的共同努力下,2021 年我国汽车制造业出口交货值为 4933.9 亿元,同比增长 39.49%;截止 至 2022 年 8 月底,出口交货值为 3899 亿元,同比增长 23.83%。受国内上半年疫情影响, 营业利润随着汽车产量的下滑出现小幅度减少,2022 年 8 月底我国汽车制造业实现利润 共 3162.8 亿元,同比减少-8.01%。现如今,汽车制造已经实现高度自动化,在这个过程中,机器视觉能够使生产过程更高效、产品质量更有保障、生产环境更安全可靠。在汽车制造产业链中,机器视觉存在于原材料质检、汽车零部件质检、制造过程工艺检测、整车质量把控等全过程中。《中国工业机器视觉产业发展白皮书》提到,机器视觉检测系统可用于车身装配检测、面板印刷 质量检测、字符检测、零件尺寸的精密测量、工件表面缺陷检测、自由曲面检测、间隙检测等几乎所有系统和部件的制造流程。随着新能源汽车逐渐普及,汽车制造过程中的精细零部件数量将会进一步增长,对机器视觉系统的需求随之上升。2.4 机器视觉检测识别产品包装缺陷,高效剔除残损及不合格产品包装是产品的必要组成部分,除了保护产品不受碰撞伤害,优秀的包装设计也能够为产品带来额外的广告效应,吸引更多消费者来购买,提升产品的销售量。 海关总署数据显示,截止至 2022 年 8 月,我国包装机械产品每月出口数量为 150.65 万台, 同比增长 88.01%,环比增长 70.30%;出口金额为 3.82 亿美元,同比增长 18.51%,环比 增长 3.01%。从产量方面看,根据国家统计局数据,2021 年起包装专用设备每月产量开始大幅度增长, 每月产量均超过 40000 台,同比增速基本都超过 100%。到 2022 年,我国包装专用设备单月产量受上半年疫情影响出现波动,在 6 月疫情形势转好后,设备产量逐渐恢复,6 月-7 月生产设备数分别为139,005 台及 118,701台,同比增长81.44%以及 165.08%。通常来说,产品的包装过程由专门的工人负责完成,但囿于人工效率低于机器,且具有成本高、劳动强度大等缺点,机器视觉系统在包装行业已经逐渐取代人工。高效、精准、 成品尺寸整齐等特征促使机器视觉系统在包装制造行业发展的历程中占据重要的一部分。 同时,机器视觉还可以应用于包装检测中,通过采用先进的机器视觉技术,自动识别所包装产品的缺陷状况,并自动从生产线上剔除残损及不合格产品。目前,机器视觉系统广泛应用于食品饮料包装生产与检测中,机械化产业线能够解决人工制造与检测效率不够的问题。通过输送链将待检测空瓶依次传送到视觉成像工位,获取图像,图像经工控机处理后,执行机构剔除不合格产品,完成产品质量检测。同样,玻璃药瓶与食品包装类似,随着制药机械自动化程度的提高,工厂有必要检测品包装的缺陷,以确保药品的运输和使用安全,避免出现缺粒、包装破损和夹杂异物等问题。药瓶相较于普通食品包装具有特殊性,玻璃药瓶在形态、精度等方面都需要精准的检测。《西林瓶缺陷自动视觉检测方法与系统研究》一文中,张寒乐团队开发了一套医药西林瓶在线视觉检测系统。根据对于检测系统的机械与电气结构的研究,团队设计了机械传动与图像采集装置。该装置能根据西林瓶不同部位的检测要求,采用瓶口、瓶身与瓶底 3 种成像方案,对玻璃药瓶进行精准检测。2.5 机器视觉为工业机器人产业发展奠定基础机器视觉具有系统实时性好、定位精度高等优点,能有效地增加机器人的灵活性与智能化程度,是实现工业自动化和智能化的重要手段之一。因此,机器视觉系统技术的研究为工业机器人的产业发展奠定了基础。在当下生活中,机器视觉技术已经逐渐融入各项产业发展过程中,在一定程度上改善了人们的生活质量,提高了生产力与自动化水平。 自动化设备的发展将在机器视觉技术的不断进步下更智能、更迅速,同时在各下游领域中,机器视觉的作用将呈现出更可靠、更高效的趋势。 机器人被各国视为推动产业转型升级的重要切入点,可广泛应用于各种行业。根据中国电子学会发布的《中国机器人产业发展报告(2022)》,其中提到,全球工业机器人市场规模在 2021 年达到 175 亿美元,同比增长 25.90%;特种机器人市场规模为 82 亿美元, 同比增长 24.24%。我国工业机器人 2021 年市场规模达到 75 亿美元,同比增长 15.38%; 特种机器人为 18 亿美元,同比增长38.46%。机器人行业正处于上升期,增长幅度稳定, 根据中国电子学会预测估计,2024 年全球工业机器人和特种机器人市场规模将达到 230 亿美元及 140 亿美元,我国市场分别为 115 亿美元及 34 亿美元。根据国家统计局数据,截止至 2022 年 8 月,我国工业机器人单月生产 41261 台,同比增 长 25.69%,环比增长 8.06%;累计产量为 277536 台,同比增长 16%。对比 2017 年至今的工业机器人产量月度数据,2021 年开始明显多于前四年,目前仍处于产能扩展阶段。3.重点公司分析3.1 天准科技——致力打造卓越的视觉装备平台型企业天准科技致力于以领先技术推动工业数字化智能化发展,致力打造卓越的视觉装备平台型企业,主要产品包括视觉测量装备、视觉检测装备、视觉制程装备和智能网联方案等。 公司产品下游应用行业广阔,包括半导体、汽车、消费电子等景气度高的高智能化制造业领域,同时也对智能驾驶、车路协同等智能化解决方案领域提供帮助,改善人们的生活。 公司产品中,视觉测量装备占比最大,其功能为使用自主研发的机器视觉算法对工业零部件进行高精度尺寸测量,2017 年至 2021 年收入占比分别为 57.68%、70.67%、61.92%、 85.27%、48.46%。自 2021 年起,视觉检测装备收入开始在总收入占比中增大。视觉检测装备主要用于产品缺陷检测,并按照缺陷特征分类分级。2022 年中报显示,视觉测量装备占比 32.47%,视觉检测装备占比 44.09%。公司营业收入增长迅速,2017 年至 2021 年营业总收入由 3.19 亿元增至 12.65 亿元,CAGR 达 41.12%。2022 年公司前三季度营业总收入为 8.03 亿元,同比增长 35.59%。 归母净利润方面,2017 年至 2021 年公司归母净利润由 0.52 亿元增至 1.34 亿元,CAGR 为 26.70%。2022 年三季报显示,公司前三季度归母净利润为 0.30 亿元,同比增长 35.07%。公司一直重视自主创新,以不断提升的技术研发能力来巩固公司的核心竞争力。经过 10 余年的持续研发和深度挖掘,公司在机器视觉核心技术的关键领域获得多项技术突破, 具备了开发机器视觉底层算法、平台软件,以及设计先进视觉传感器和精密驱动控制器 等核心组件的能力。2022 年三季报显示,截止至报告期内,公司研发费用为 1.61 亿元, 同比增长 8.95%,研发费用率为 20.11%。 期间费用率方面,公司期间费用整体较稳定,2022 年三季报数据披露,公司销售、管理、 财务费用分别为 0.96、0.43、-0.03 亿元,销售、管理、财务费用率分别为 15.14%、6.11%、 -1.99%,同比变化-1.02pct、-1.17pct、-1.47pct。公司销售毛利率及净利率水平自 2018 年起开始缓慢下滑,盈利水平有待提升,主要由于公司正处于研发开拓期间,预计未来将所有改善。2022 年三季度末销售毛利率及净利率 分别为 42.93%及 3.70%,同比变动-0.17pct 和-0.01pct,基本维持稳定。3.2 矩子科技——华为、小米等知名企业重要机器视觉设 备供应商公司主营业务为智能设备及组件的研发、生产和销售,主要产品包括机器视觉设备、控制线缆组件、控制单元及设备。产品主要应用于电子信息制造、工业控制、金融电子、 新能源、食品与包装、汽车等多个国民经济重要领域。 从营业收入构成来看,机器视觉设备与控制线缆组件是公司营收的两大重要组成部分。 机器视觉设备历年收入占比分别为 42.78%、43.04%、45.15%、43.15%、47.45%。公司年报显示,在机器视觉检测领域,公司参与全球市场竞争,累计已服务超过 800 家海内外知名客户,成为苹果、华为、小米、OPPO、VIVO 等知名企业或其代工厂商的重要机器视觉设备供应商。公司 2017 年至 2021 年营业总收入由 3.53 亿元增至 5.88 亿元,CAGR 为 13.61%,其中 2021 年同比增长 21.93%,保持稳健增长。截止 2022 年三季报,公司营业总收入为 5.02 亿元,同比增长 22.97%。 归母净利润方面,2017 年至 2021 年由 0.67 亿元变化至 1.01 亿元,CAGR 为 10.81%。2022 年三季报显示,公司前三季度归母净利润为 0.84 亿元,同比下降 2.66%,剔除股份支付费用影响后,归母净利润为 1.09 万元,同比增长 26.05%。公司发展的内在动力主要来自于机器视觉方面领先的技术和不断创新的能力,且公司已经在图像处理算法、光电成像系统等软、硬件方面取得重要成果。目前公司 2D、3D 机 器视觉检测设备的检测速度、检测精度、检出率、漏失率、误判率等关键性能指标已处于国际领先地位。2021 年公司研发费用共投入 0.48 亿元,研发费用率为 8.16%;2022 年 三季报显示,公司研发费用共计 0.52 亿元,同比增长 96.10%,主要由于研发人工费用增加及员工股份激励摊销金额影响所致,预计公司未来研发投入将会持续发力。 期间费用方面,公司控费基本稳定,2022 年三季报披露公司销售、管理、财务费用分别 为 0.13、0.20、-0.02 亿元,销售、管理、财务费用率分别为 2.99%、4.97%、-2.88%,同 比变化-0.24pct、+0.05pct、-2.40pct。2022 年上半年疫情对公司经营活动产生不利影响,且下游企业对于高端产品需求有多变化,公司产品结构随即有所调整,导致公司 2022 年三季度度销售毛利率及净利率下滑, 分别为 32.27%、16.74%,同比变化-3.26pct、-4.06pct。3.3 奥普特——智能制造核心零部件供应商奥普特是一家主要从事机器视觉核心软硬件产品的研发、生产和销售的高新技术企业。 公司定位于智能制造核心零部件供应商,以“打造世界一流视觉企业”为目标,致力于为下游行业实现智能制造提供具有竞争力的产品和解决方案。 公司能够向下游企业提供各种机器视觉解决方案,协助客户在智能装备中实现视觉功能, 提高机器视觉系统的准确性、稳定性和可靠性,从而带动公司产品的销售。公司主要产品包括机器视觉产业链上游的零部件光源、相机、配件、镜头、光源控制器,以及视觉控制系统。其中公司营业收入主要由光源设备占绝大部分比重,2017 年至 2021 年分别为45.87%/45.26%/47.24%/40.34%/34.74%。整体来看,公司产品结构较为稳定,促进生产销售生活稳定发展。公司收入处于稳定增长的趋势中,2017 年至 2021 年营业总收入由 3.03 亿元增至 8.75 亿 元,CAGR 为 30.36%。截止至 2022 年三季报,公司营业总收入为 9.10 亿元,同比增长 41.44%,主要得益于公司在新能源和 3C 电子领域多年的技术客户积累,以及下游行业景气度的提升。 归母净利润方面,2017 年至 2021 年由 0.76 亿元增至 3.03 亿元,CAGR 达 41.30%,2022 年三季报显示,公司前三季度归母净利润为 2.80 亿元,同比增长 28.34%。研发能力是公司在行业内的核心竞争力之一,主要包括机器视觉软硬件的研究以及基于机器视觉解决方案的研究。公司以光源技术、光源控制器技术、镜头技术、视觉分析技 术为核心,并持续在深度学习、3D 处理、图像感知与融合技术等方面进行重点发展。公 司 2022 年三季报显示,截止至最新报告期,当年研发费用共投入 1.39 亿元,同比增长 43.84%,研发费用率为 15.25%,主要由于研发人员增长、研发项目增多及本期增加股份 支付费用。 期间费用方面,公司控费基本稳定,2022 年三季度销售、管理、财务费用分别为 1.53、 0.23、-0.14 亿元,销售、管理、财务费用率分别为 16.85%、2.50%、-1.49%,同比变动+0.95pct、-0.49pct、+1.05pct,其中销售费用率增长是由于销售人员薪酬、差旅费、业务招待费和样品增加所致。由于公司产品结构较为固定,销售毛利率与净利率维持稳定水平,2021 年,销售毛利率及净利率分别为 66.51%和 34.61%;2022 年三季报显示,公司销售毛利率与净利率分别 为 67.07%和 30.73%。报告出品方/作者:长城证券,于夕朦、陈郁双、孙培德;本文仅供参考,不代表我们的任何投资建议。
  • 高精度3D视觉加速工业机器人创新应用,打开智能制造新“视界”
    凭借应用智能、控制可靠、效率便捷的优势,工业机器人已逐渐取代传统的人工作业,成为机械加工、焊接、铸造等行业的重要生产力。同时,被誉为“工业之眼”的高精度3D视觉技术,正在工业机器人的落地应用中发挥着重要的推动作用。本期,将为大家揭秘高精度3D视觉技术如何加速工业机器人的创新应用。目前,工业机器人的应用要求按照数字系统中设定的坐标系进行作业。如何才能将工业机器人的数字化作业系统与需作业的实物信息相连接?高精度工业3D扫描技术给出了答案,通过获取实物完整的三维数据并将其导入数字化系统中,把物体的尺寸信息、空间位置转化成数字化信息,赋予工业机器人“视觉”能力。应用案例:锻造模具修复以工业机器人代替人工进行锻造模具的修复作业,实现了工作的高效率和连续性。但是,如何让机器人“识别”模具需要修复的具体位置,以及怎样规划其作业路径,是实现工业机器人自动化完成堆焊作业的困境。先临天远的FreeScan Combo 计量级双光源手持三维扫描仪的助力,让问题迎刃而解。FreeScan Combo扫描需修复的模具,可获取其完整的三维数据。将扫描获取数据与原始CAD设计数模进行对比,即可得出堆焊机器人需要作业的具体数值。此外,扫描获取的数据还为模具的物理信息变成数字化信息提供数据基础。只需把相关数据导入软件,就能让机器人准确“识别”模具需要修复的位置和形状,提升自动化模具修复的准确率。应用案例:集成化智能打磨由先临三维用户自主研发,针对大型铸件的工业机器人智能打磨技术方案,结合高精度工业3D扫描技术、工业机器人技术、自动控制技术等,与人工打磨相比,效率提高30%-50%,综合成本降低20%以上。这一方案中,先临天远兼具“高精度、高效、便携”等优势的FreeScan UE Pro 多功能激光手持三维扫描仪,通过优化机器人路径规划流程,完善了该项技术方案的数字化应用闭环。利用FreeScan UE Pro高效获取完整铸件的三维数据,数字化系统会根据这些数据进行机器人路径规划。高精度工业3D扫描仪,改变了传统方式中人工打点获取数据这一费时费力的方式,从而使智能打磨技术方案的整体效率大幅提升。从一种能力到多种能力,面对工业4.0对智能制造提出的生产力新要求,工业机器人+高精度工业3D扫描仪的组合,充分发挥各自的优势,实现精准定位、高效高质的自动化工作流程。高精度工业3D扫描仪的加成,不仅让工业机器人的作业愈加准确灵活,更助推多种创新解决方案的成熟落地,为工业机器人的应用带来无限可能。不局限于工业机器人,先临三维正将高精度3D视觉技术融合人工智能算法,向集成化、模块化、智能化、无线传输、云端计算等方向持续技术创新,不断引领高精度3D视觉技术的应用新趋势。
  • FLIR机器视觉相机经受火星严酷环境考验,记录NASA毅力号着陆全程!
    2021年2月18日15时55分,美国毅力号火星车,安全在火星着陆。本次火星任务是一次实时拍摄航天器的进入、下降和着陆过程,将惊心动魄的7分钟自由着落过程拍摄并传回NASA,今天小菲就和大家一起观看分析下毅力号着陆火星的真实视频!本次毅力号着陆火星,工程师们选择了6台FLIR彩色工业相机,它们完美的完成了使命,从多个角度拍摄了这一事件,记录了着陆过程中所有激动人心的时刻,将登陆过程完整的拍摄输送回来。这些镜头虽然只有几分钟,却足以让工程师们亲眼见证工作成果,让全球数百万观众激动不已!火星车的进入、下降和着陆 (EDL) 可能只有几分钟,但期间发生了很多事情,下面将详细为您介绍可以看到的内容和角度:进入火星大气进入火星大气后,降落伞在离地面 7 英里(11 公里)时打开。该时间点前一刻,三台仰视相机开始记录,拍摄有史以来太空中降落伞以超音速打开的镜头:寻找合适着陆点距地面5英里时,防热罩(在进入火星大气层时保护火星车)掉落,露出火星车上的俯视相机,展示火星车猛烈冲向火星 Jezero Crater 的一些情况:视频中我们能看到,在接近火星表面时,降落伞带着着陆器在频繁的晃动,这就是在主动寻找合适的着陆点。脱离降落伞而后火星车从后壳(及降落伞)脱落。由此开始,其下降过程由一个火箭动力下降阶段(该阶段名为“空中吊车”)管理。这是空中吊车上俯视相机拍摄的火星车图像:成功着陆接下来就是着陆!这是(火星车上的相机)拍摄的火星车开始触及火星地面时,甩飞SkyCrane的瞬间图像:拍摄这个镜头的相机是FLIR Chameleon3系列,包括5个1.3M像素CMOS相机和1个3.2MU口相机。FLIR集成成像解决方案 (IIS) 部门副总裁Sadiq Panjwani 表示:“FLIR机器视觉相机的设计初衷是为了在地球上运行使用,不是专门为外太空制造的,对于NASA用它们来测试让我们感到非常激动。” FLIR Chameleon3系列Chameleon3相机系列结合了USB 3.0的易用性、小尺寸和板级灵活性等多项优势,并配备最热门的CCD和CMOS图像传感器,且价格实惠。NASA 在2015年就开始联系FLIR,与FLIR机器视觉相机专业人士研究讨论适合EDL(进入、下降、着陆)系统的相机。工程师们一直在寻找商业成品组件 (COTS),其重点是低成本和便于系统集成。这趟火星登陆之旅,FLIR机器视觉相机首次经受了极端温度和高重力环境。FLIR所有参与设计和制造的人员都对这次产品的耐用性和性能成果感到震惊。当然,值得骄傲的是,这说明FLIR的产品已经达到了登陆火星的高度。 FLIR机器视觉部门设计、制造并向全球客户分发其相机和相关软件,以建立提高各种流程和产品的效率、质量、分析和安全的系统。通过此次登陆火星事件,也很好地证明了FLIR机器视觉相机的高质量品质。
  • 机器视觉领军企业凌云光科创板上市,拟使用15亿募资投入4个项目
    7月6日,凌云光技术股份有限公司(简称:“凌云光”,股票代码为:“688400”)在上交所A股科创板正式上市。此次发行9000万股,发行价为21.93元,募资总额为19.74亿元;开盘价为33.48元,较发行价上涨52.67%。凌云光成立于2002年,战略聚焦机器视觉业务,已开发出一系列可配置视觉系统和智能视觉设备产品,并自主研发了工业相机、光源等核心器件,在多行业得到广泛应用,服务于苹果、富士康、京东方等多家知名企业。2019-2021年,凌云光分别实现营业收入14.31亿元、17.55亿元和24.36亿元,其间年均复合增长率为30.49%;归母净利润分别为0.37亿元、1.32亿元和1.72亿元,盈利能力持续增强。凌云光预计2022年1-6月可实现的营业收入为11.74亿元至14.35亿元,可实现的扣除非经常性损益后归属于母公司普通股股东净利润为0.56亿元至0.72亿元。凌云光披露的招股书显示,公司原拟募资15.00亿元,分别用于“工业人工智能太湖产业基地”、“工业人工智能算法与软件平台研发项目”、“先进光学与计算成像研发项目”、“科技与发展储备资金”。(一)工业人工智能太湖产业基地该项目以苏州凌云光为主体组织实施,计划在苏州市吴中区新建研产销一体化园区,在江苏省苏州市吴中区新建面向新型显示、印刷包装的智能视觉装备整机产线,以及面向消费电子的可配置视觉系统与智能视觉装备,提高对应产品产能。凌云光拟通过该项目建设在长三角地区的研产销中心,将在公司吴中地区取得地块上建设研发办公楼、生产车间、培训中心与相关管理机构等,并购置研发和生产所需的先进设备,促进研发及生产效率的提升。(二)工业人工智能算法与软件平台研发项目该项目由凌云光实施,实施地点为北京市海淀区 翠湖南环路13号院7号楼知识理性大厦。凌云光拟通过该项目继续加强公司技术优势,包括提高人工智能算法水平、优化低成本硬件平台的视觉处理能力,增强工业软件智能化分析功能,并提升产品的数据挖掘、优化决策、工业知识图谱等技术的工程应用能力,整体提高公司机器视觉技术水平、拓展可应用的工业场景。(三)先进光学与计算成像研发项目该拟由凌云光实施,实施地点为北京市海淀区翠湖南环路13号院7号楼知识理性大厦。凌云光将基于当前光学技术的基础,继续对先进光学成像技术、3D测量/检测系统、计算成像等技术进行研发。一方面提高光学系统的精度、信噪比、动态范围和稳定性,另一方面提高三维信息的识别与成像能力。(四)科技与发展储备资金凌云光表示,未来随着公司业务规模扩大、产能提升以及持续性的技术研发,公司对营运资金的需求进一步上升,因此公司拟利用募集资金中的40,000万元作为科技与发展储备资金。
  • 搭载全新CMOS传感器,FLIR机器视觉相机满足生物医学成像的严苛要求
    众所周知,现代生物医学成像的进步帮助医生在诊断和治疗上取得越来越大的突破,X光、计算机辅助断层摄影(computer aided tomographic,CT)、磁共振成像、核与超声波成像,生物医学成像技术越来越精细。因此,研究和诊断生物医学应用通常需要成像仪具备较高的空间分辨率、准确的色彩还原度以及弱光条件下较高的灵敏度,而且许多情况需要同时具备这三种因素,才能提高数据的可靠性。选择医学成像相机要考虑的因素选择合适的显微镜学相机、组织学相机、细胞学/细胞遗传学相机、落射荧光相机,对于临床应用进行正确诊断或在研究工作过程中提供可靠数据具有至关重要的作用。那么要如何判断机器视觉相机是否适合您的应用呢?你需要考虑这些因素:01分辨率与色彩精度现代生物医学成像相机所需的分辨率取决于样品中目标结构相对于相机像素大小的放大率,也就是说,显微镜应用的高分辨率可以通过2MP、25MP或介于这两者之间的相机来实现。它取决于光学元件对样品中目标结构进行的相对于相机像素大小的放大率,为了选出能实现所需分辨率的相机,首先要确定待解析样本中最小结构的尺寸,然后将其乘以光学系统中的镜头放大率,从而得出投射到相机传感器上的结构尺寸。如果结构的尺寸至少是相机传感器上像素的2.33(Nyquist)倍,那么相机可以解析此机构。例如,如果这些投射的结构尺寸是~8um,那么3.45um像素的相机可以解析这些结构。测量分辨率还可以用其他方法(如线对数),但上述方法可以通过简单计算,找到用于测试的相机的选项。组织学、细胞学和细胞遗传学等成像应用使用较大范围的白光(~400nm至700nm),或使用此范围内的选定波长(例如565nm)。如果这批样品中的样本不是活动的(即固定的),则可以暴露于亮光下,不会有污渍褪色或样品被杀死的风险。这种情况下,相机的主要要求是高分辨率和色彩还原度。反过来说,弱光灵敏度不是一个重要因素。02灵敏度、量子效率及动态范围对于活体样本的成像应用,面临的挑战是避免样本在太强光线下过度曝光,否则会使荧光分子褪色或杀死样本。这些应用通常使用一种称为落射荧光技术,落射荧光技术可用于固定样本和活体样本。有的标本很难获得或价格昂贵,而且制作样本的材料和人工费用很高。因此,能保护样品质量的系统有助于降低这些成像应用的持续成本。落射荧光使用经过过滤的高能量波长,以刺激样品发出低能量波长。低能量波长再经过过滤返回相机。这种情况下,可以对样品使用强度较小的破坏性光,因此其要求是灵敏度。即便发射光能量较低,具有出色灵敏度的相机也可以提供高质量的图像。如需查找具备出色灵敏度、在弱光条件下性能良好的型号,您可以侧重于以下三种技术规格:灵敏度、量子效率以及动态范围。灵敏度是得到与传感器所观测噪声等效的信号所需的光子数,数值越小越好。量子效率是指给定波长下转化为电子的光子——值越高越好。动态范围是信号与噪声(包括颞暗噪声)的比值,颞暗噪声是指无信号时传感器内的噪声,动态范围值越高越好。通常单色型号的弱光性能优于彩色型号。03因素综合对于同时使用白光和落射荧光的应用,可以选择FLIR配备Sony全新转换增益功能的相机型号,此功能可以优化传感器,实现高灵敏度或高饱和容量。弱光环境较高的转换增益,因为在此条件下,读取噪声被更大程度地弱化,从而产生较低的灵敏度阈值,非常适合在短时曝光下检测弱信号。强光条件下饱和容量得到了Maximun,获得的动态范围得以增强,因此稍低的转换增益是这种情况的理想选择,Maximun动态范围将受限于12位 ADC。挑选合适的机器视觉相机在选择相机时,较新的CMOS传感器是个很好的出发点。较新的传感器通常性能更好(价格可能还更低)另外,如果针对的应用程序需要在几年内购买多个相机(如持续生产诊断仪器),那么就要选择生命周期不会很快结束的相机,否则您可能要承受提前设计替换相机的成本费用。FLIR生产的机器视觉相机型号有200多种,广泛应用于采用新CMOS传感器的三大系列:Blackfly S、Oryx 和 Firefly。01FLIR Blackfly SFLIR Blackfly S系列相机的传感器、外形尺寸及接口最为广泛。这些相机提供USB3和GigE两种型号,功能广泛,设计初期易于整合。板级Blackfly S型号是全功能盒装产品的微型版本,特别适合空间受限和嵌入式的应用,其功能广泛,性价比高,分辨率可达24MP,是生物医学和生命科学应用的选择。FLIR Blackfly S USB3FLIR Blackfly S 板级02FLIR Oryx10 GigEFLIR Oryx相机系列拥有适配最快10GigE接口的高分辨率传感器,能够以60FPS的速度捕捉4K分辨率、12位的图像。Oryx的10GBASE-T接口是经过验证且广泛部署的标准,能够在线缆长度超过50米的经济实惠的CAT6A上或者长度超过30米的CAT5e上提供可靠的图像传输。03FLIR Firefly DLFLIR Firefly相机系列的外壳尺寸娇小、重量轻、功耗低且价格实惠。Firefly DL型号还能够运行已经过训练的神经网络,可用于物体检测或分类。所有FLIR机器视觉彩色相机都可以通过不同的白平衡选项的形式自定义色彩还原,并使用特殊色彩校正矩阵,这对于生物医学成像非常重要,医学成像中,色彩准确度的涵义不同,这取决于人类对诊断的视觉分析以及实现数据准确性的机器可读格式之间的对比。另外,FLIR 机器视觉Blackfly S、Oryx 和Firefly相机系列可通过GenICam3及 Spinnaker SDK进行控制和编程,它们自一开始设计时就以轻松开发与部署为理念时,确保我们能更快进行应用开发和测试。随着医学科技的进步对于现代生物医学成像的需求也将更加严格对于如何选择医学成像相机
  • 迫击炮弹三维扫描,推进排爆机器人AI视觉学习
    (图片源于百度百科)出土的报废炮弹,如今能够发挥一项新作用,即作为一项数据资源,用以排爆机器人的研发。排爆机器人,能够代替排爆人员对爆炸装置或武器实施侦察、转移、拆解和销毁,避免不必要的人员伤亡。随着研究深入,排爆机器人愈发智能,研究人员也在不断扩充数据库,使其可以识别更多的爆炸武器、装置等。在此过程中,三维扫描技术发挥了重要作用。高精度三维扫描,为数据库的搭建提供基础通过高精度三维扫描技术,可以准确还原一些武器、装置的三维数据,从而快速得到相对应的数据模型。这些武器、装备不同于别的工业产品,其对于三维扫描仪的精度要求更高。FreeScan UE 扫描炮弹在该项目中,使用FreeScan UE对于因战争原因遗留在各地的报废炮弹进行三维扫描,实现三维建档,留存,补充机器人的识别数据库。在扫描过程中,由于炮弹表面不适贴点,采用12面体标志球(一种磁力标志点)进行标记,以获取准确的数据。- FreeScan UE 扫描的其中一个炮弹的三维数据 -- 炮弹各项具体数值的测量 -通过高精度的三维扫描仪可以快速、准确获取炮弹等的三维数据,使得排爆机器人拥有更加丰富的视觉学习数据,使其更加智能。天远专注于高精度3D视觉检测技术多年,产品拥有计量级精度以及稳定的重复精度,广受业内好评,将持续助力军工领域用品的良好制造、检测以及航空航天、汽车工业等领域的企业实现高效高质的三维检测、逆向设计、检修维护等。
  • 进军电影界:FLIR机器视觉相机在3D动画电影中的应用
    每当在电影出现新技术的时候,电影制作人们都会讨论这项技术的原理,在电影《攻壳机动队》中,剑道战士或倒茶艺妓等人物的实景全息图被投放到城市上空。这种展现形式其实是一种趋势,表示未来的3D广告可能由实景全息图或“单息图”进行展示,你可能会看见它们悬挂在空中、停留在建筑上方和建筑之间,或者在街道上的人群中间流动。那我们一起来了解一下这项技术吧!单息图的发展为了创建单息图,一家VFX和相机阵列技术公司Digital Air Inc.创建了一个特殊的运动摄影测量相机系统。在运动图片和视频游戏中进行了大量的摄影测量,以生成纹理结构的、测量体积的3D扫描,可对扫描执行操纵和动画处理以实现运动。虽然这种静态的摄影测量可生成非常真实的静态3D图像,但它依赖于对单个纹理地图执行和后期动画处理,而这会在对扫描进行动画处理时产生问题。例如,人脸和织物等复杂表面的运动看起来就不太自然。传统的摄影测量是瞬间性的,需要重新进行动画处理。但是在《攻壳机动队》的电影中,观众就体验到了完美的运动3D图像,这是如何做到的呢?全新的运动摄影测量系统在电影中使用的Digital Air系统采用的是圆顶状的装备形式,它由80个同步的FLIR Grasshopper (GS3-U3-50S5C-C)相机组成。这些相机以2.5k分辨率和24 FPS记录,创建纹理结构的多帧对象序列,这些序列的源对于每个3D模型都相同。FLIR Grasshopper的自动同步功能确保所有相机快门完美计时,这在运动摄影测量装备正确运行方面起到了至关重要的作用,同时设备中会记录所有演员的表演,以便制作电影的3D动画。Digital Air的硬件系统生成了一致的RGB数据,通过这些数据可实现每秒24个全身摄影测量扫描。现实中捕捉摄影测量软件用于创造序列化3D模型,以便将摄影测量扫描制作成规模和源保持一致的动画运动序列。每一帧都是一个全新的3D模型,但具有不同的纹理。该过程创造了可从任何视角呈现的资产,并且还捕获了逼真的原始表演动作。这与传统的3D扫描不同,通过Digital Air生成的扫描随后可以重新呈现在后期制作中,以重现原始表演与CG构建的背板和相机移动相结合产生的效果。通过此过程,还能增加一些细微差别,例如城市较富裕地区的高密度、高分辨率的声波图等其他地区中伪影的像素化声波图。Digital Air的创始人及总裁Dayton Taylor表示,他所希望的单息图是一项“视觉技术”,即之前从未出现过并且可以使电影中的各个演员都不尽相同。他觉得这需要充分发挥运动摄影测量的可能性,以便完美呈现电影效果。如果电影因其惊人的视觉效果而备受赞誉,这款产品可能会在全世界受到认可。随着科技的发展FLIR技术的不断进步Grasshopper的升级款:Blackfly S USB3、FLIR Blackfly S板级和FLIR Oryx 10GigE已上市一起来具体了解下吧~FLIR Blackfly S相机FLIR Blackfly S采用业内先进的冰块外形传感器。它具有强大功能,使您可以轻松生成所需的精确图像,并加速您的应用程序开发。这包括对图像捕获和相机预处理的自动和精确手动控制。Blackfly S提供GigE、USB3、套装和板级版本。您需要的精确图像索尼CMOS传感器中的选择包括:全局快门、偏振和高灵敏度BSI传感器。色彩转换工具可确保得到逼真的色彩先进的自动算法或精确的手动控制。FLIR Blackfly S 板级FLIR Blackfly板级变体属于高性能机器视觉区域扫描摄像头,设计用于嵌入狭小空间。与许多其他板级摄像头不同,它具有丰富的功能组,适合新的 CMOS 传感器,与箱式版本功能组相同。以其可靠的兼容性,随时可集成至主流SBC和SOM。Blackfly S板级型号采用嵌入式系统连接,具有丰富的功能,能够使 OEM 开发更小、更轻且成本更低的解决方案。FLIR Oryx 10GigE屡获殊荣Oryx 10GigE相机系列支持10Gbit/s 的传输速度,并能够以超过60FPS的帧率拍摄4K 分辨率的12位图像,从而允许系统设计员充分利用传感器。Oryx 的10GBASE-T接口是经过证明且广泛部署的标准,能够在线缆长度超过50米的经济实惠的CAT6A上或者长度超过30米的CAT5e 上提供可靠的图像传输。相机内部功能(包括 IEEE1588时钟同步以及与支持 GigE Vision的热门第三方软件完全兼容)为系统设计员提供了相关工具,以便快速开发创新型解决方案。如果这些产品受到认可并且流行了起来我们会不会在街上看见喜欢的人物形象呢?想要了解产品的更多信息
  • 胶囊机器人是如何完成深度学习与算法训练的?EinScan Pro 2X带你了解SLAM机器视觉
    一颗胶囊大小的胃肠道内窥镜机器人,被服下后,通过体外磁控的方式实现在消化道中的运动,途经食道、胃部、肠部,最后被人体排出。这个过程中,电脑可以同步显示胃肠道的相关检测数据,从而让医生有依据地完成诊断。(图片来源:2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS))听起来好像很简单,而实际上胶囊机器人在投入使用前,必须先经过深度学习和训练。就像游戏玩家出发去升级打怪需要游戏装备和地图一样,胶囊机器人需要通过深度学习技术改善密集地形重建和姿态估计算法,以及通过SLAM( Simultaneous Localization and Mapping)同步定位与地图构建的机器视觉技术实现检测、识别能力。通俗一点讲,机器人不是人,它的视觉和决策能力,都需要研制者通过一些方法赋予给它。通过深度学习获得的能力相当于胶囊机器人的大脑,而通过SLAM机器视觉获得的就相当于胶囊机器人的“火眼金睛”。2000年,以色列研制的第一个胶囊内镜获得FDA批准进入临床,当时的胶囊机器人是随消化道的自然蠕动而前进的,由于没有经过深度学习训练,也没有SLAM技术的加持,有点像盲人摸象,对于像胃这样大的消化道器官,其观察范围十分有限,因此会造成相当大的漏检。土耳其伊斯坦布尔的Bogazici大学的生物医学工程专业,有一个专业的生物医学实验室,其研究领域包括生物医学仪器、生物电子学、生物力学、神经信号分析、生物光子学、医学成像、细胞成像和电生理学、机器人技术、医疗设备设计和测试,以及心理物理学等。2020年,该实验室的Mehmet Turan博士,通过TUBI TAK2232国际杰出研究人员研究金方案获得了资金支持,开展了一项名为“磁性驱动的Al-Powered内窥镜胶囊机器人用于靶向药物传递和多活检操作”的研究项目。该项目旨在利用人工智能的最新进展,在无线胶囊内窥镜(WCE)机器人的机电一体化设计、远程磁控以及定位和映射算法方面进行重大的科技创新。在该项目中,研究人员基于1个胶囊内镜图像的基础SLAM数据集,1只Panda机械臂,1台EinScan Pro 2X(先临三维品牌的3D扫描仪),2个具有不同相机特性的商用胶囊机器人,对体外猪胃肠道的数据进行了采集,并完成了算法测试和胶囊机器人的深度学习与训练。研究人员把器官固定在六个支架上,创造出L形、Z形和O形三种胃肠道形态,以模拟通过升结肠到横结肠的GI-牵引路径。EinScan Pro 2X的功能就是3D扫描获取这六个器官形态的点云数据。所收集的数据结果,需要满足两点:使SLAM数据集适合于迁移学习;此外,还可以对同一器官类型的具有不同纹理细节的组织进行算法性能测试。由于被扫描的物体本身明暗多变,柔软易变形,一开始并不顺利。先临三维的技术人员在了解项目情况后,为研究人员及时提供了3D扫描仪的操作指导,包括如何通过亮度调整应对明暗变化,如何使用标志点辅助数据高精度拼接,选择哪一种无毒无害的医用显影剂可以帮助进一步改善数据细节,以及面对不同的情况如何选择合适的扫描模式。最终,我们很高兴地看到,研究人员如愿以偿获取到了六组高精细的3D数据,如实记录了器官所有结构、角落和深度。然后,原始点云数据被进一步编辑,得到了色谱图。这些数据都被用于胶囊机器人的深度学习和算法训练。Bogazici大学的研究人员使用胶囊内镜图像的基础SLAM数据集作为输入,然后利用此次3D扫描获取的三维模型在SLAM数据集中确定定位。研究组的Mehmet Turan博士说:“在以前的一个研究项目中,我使用过另一个品牌的3D扫描仪。那款3D扫描仪也很好,但是与EinScan Pro 2X相比,在分辨率和点精度上存在技术差异。点精度是我们此次项目实现深度学习过程的最重要因素之一,这就是为什么团队最终决定依靠EinScan Pro 2X的能力来完成这个项目的原因。”原文:In a previous research project, another 3D Scanner was used. This 3D scanner had also achieved good results, but there exist technical differences in the resolution and point accuracy. Point accuracy was one of the most important factors in our project to achieve the deep learning process which is why the team decided to count on the capacities of the EinScan Pro 2X for this project.关注我们,了解更多新鲜有趣的3D数字技术故事。
  • 搭配FLIR机器视觉相机,美国天文摄影师清晰拍摄“太阳黑子”~
    对于“太阳黑子”,古代的时候就有过记载,但是当时人们看到的“太阳黑子”是被理解为一些“神灵现象”。但科技的发展,让我们知道了太阳黑子即太阳表面的低温较暗区域,其每11年爆发一次,数量在太阳极大期增加,在太阳极小期减少,那么它到底长什么样子呢?众所周知人的肉眼不可以直视太阳但使用望远镜配合保护眼睛的特制太阳滤光镜就可以放心观察太阳啦~今天小菲就和大家一起揭秘太阳黑子的模样使用FLIR Grasshopper Express 6.0 MP Mono FireWire 1394b相机,内含 Sony ICX694 CCD 传感器拍摄的图片。Alan Friedman是一位天文爱好者和天文摄影师,他在位于纽约州布法罗市的自家后院中拍下了很多撼人心魄的太阳影像。他一直使用各种型号的相机(像素从30万到600万不等),并与采用氢α滤光镜 (656.3 nm) 的太阳望远镜组合进行拍照。以下照片是由不同曝光次数的太阳影像合并或叠加在一起制作而成,其中的细丝是日珥的最终形态。暗色区域是小太阳黑子,而较亮谱斑(点)是高度磁化区域。使用了以 Sony ICX274 CCD 传感器为特色的FLIR Grasshopper 2.0 MP Mono FireWire 1394b来拍摄大黑子群的拍摄使用了带Sony ICX618 CCD 的 FLIR Flea3 0.3 MP Mono FireWire 1394b 相机太阳黑子特写的拍摄使用了白光太阳滤光片。太阳黑子不是静止不动的,而是会在太阳表面游走,并可能持续数天到数周时间。太阳的这些低温区域具有强磁场,可以向太空发射质子和电子,从而触发地球上的北极光。太阳黑子是由太阳内部出现并通过光球层的强磁场而产生的。太阳黑子往往以相反磁极成对运动,太阳自转周期大约为25天。因此,我们可在大约一周时间内观测到相同的太阳黑子。拍摄到上面这样清晰的影像是非常困难的,因为大气升温造成的光反射还会使星光在夜晚忽明忽暗,因此选择合适的相机非常重要!为了获得如此清晰的影像,Alan拍摄了无数张照片,然后将图像叠加起来进行处理,以便保留到最清晰的图像。Alan拍摄多幅图像,然后再用各种程序进行处理。Alan为太阳望远镜配备了FLIR机器视觉相机,之所以选择FLIR,也是经过多方对比,FLIR相机性能卓越、尺寸小巧、重量轻且功耗低,非常适合天文拍摄。大气的易变性(尤其是在白天)是获得清晰影像的一个主要障碍。为了获得清晰影像,Alan拍摄了90秒流视频,然后从中选取最清晰的帧,最终拍摄到满意的图片。升级款:FLIR Blackfly S随着FLIR技术的不断创新发展,相应的升级款也研发出来了,它们的性能更好,质量更高,比如FLIR Blackfly S,它采用业内先进的冰块外形传感器,功能强大,让您可以轻松生成所需的精确图像,并加速您应用程序开发。Blackfly S提供GigE、USB3、套装和板级版本,您可以根据需要随心选择~FLIR Blackfly S USB3FLIR机器视觉相机不仅协助摄像师拍摄太阳黑子还去到火星拍摄过探测器着陆的精彩瞬间
  • 案例遴选!采用机器视觉、先进测量仪器等技术推动试验检测数字化和智能化
    为增强工业和信息化质量管理能力、推动质量技术创新应用、提升产品可靠性水平,及时发现、总结、推广一批示范性强的先进经验,工业和信息化部组织开展2023年度工业和信息化质量提升典型案例遴选工作。   一、征集方向   (一)质量管理能力。   企业贯彻实施GB/T 19000、GB/T 19004、GB/T 19024等先进标准,建立先进质量管理体系,加快质量管理数字化,不断提高质量改进能力,实现质量效益有效提升。征集方向包括:   1.质量管理体系有效性。树立追求卓越的质量理念,确保GB/T19000质量管理体系有效运行,发挥企业最高管理者作用,优化质量组织体系和管控模式,调动全员参与质量提升,不断提高质量管理能力的解决方案。   2.企业持续成功的能力。贯彻实施GB/T 19004等先进标准,持续健全制度机制,建设质量文化,创新方法应用,加强过程识别、管理和验证,采用策划、实施、检查、处置(PDCA)模式开展持续改进,确保达成质量目标、实现持续成功的解决方案。   3.质量管理数字化。运用数字技术对质量数据进行采集、存储、处理和分析,实施质量预防和改进,推进供应链管理数字化,开展数字化质量追溯,实现生态圈质量协同、开放合作、模式创新的解决方案。   4.全过程质量绩效水平。依据GB/T 19024等标准,有效识别质量绩效指标,采用先进质量方法工具,加强对用户满意度、产品合格率、平均缺陷率、质量损失率、市场占有率等关键指标的度量、监测、分析和评价,不断提升质量管理财务和经济效益的解决方案。   (二)质量技术创新应用。   加强质量技术创新,开展质量设计技术、过程控制方法与工具、试验检测技术、运维保障技术等攻关和应用,不断提高产品质量水平。征集方向包括:   1.质量设计。应用人工智能、虚拟现实、增强现实等技术,搭建数字孪生模型,加强可靠性设计与仿真,开展基于或高于用户需求的质量设计,实现关键质量指标的设计优化,从源头防止质量风险、解决质量问题的解决方案。   2.质量控制。应用数字化技术,开展全流程质量在线监测、诊断与优化,实施关键过程智能分析、精准控制、设备远程监测和智能运维,实现制造过程的数字化控制、网络化协同和智能化管理,持续增强生产过程质量控制水平,提升产品制造可靠性、一致性、稳定性的解决方案。   3.质量检测。采用机器视觉、人工智能、先进测量仪器等技术推动试验检测数字化和智能化,加快在线检测、智能检测等先进方法工具的创新应用,提高质量检验检测效率、覆盖率和准确性的解决方案。   (三)可靠性提升。   落实《制造业可靠性提升实施意见》,围绕机械、电子、汽车及其他相关行业企业实施可靠性工程,推动产品可靠性提升。征集方向包括:   1.可靠性管理。通过企业可靠性工作计划、可靠性评审、故障报告分析和纠正措施系统、故障审查组织、可靠性增长管理等实施应用,实现产品可靠性提升的解决方案。   2.可靠性工程技术。通过可靠性设计、可靠性分析、可靠性试验验证、可靠性仿真等方法以及数字技术应用实现产品可靠性提升的解决方案。   3.可靠性工具。通过测量仪器、可靠性软件工具、可靠性试验设备的开发或改造升级试验检测设施等,实现产品可靠性提升的解决方案。   4.可靠性“筑基”和“倍增”攻关。通过核心基础零部件、核心基础元器件、关键基础软件、关键基础材料及基础工艺的可靠性攻关,实现整机系统的可靠性关键指标和水平提升的解决方案。   5.产业链供应链可靠性保障。通过加强产业链供应链可靠性管理,如产业链供应链管理、可靠性指标传递机制等,实现产业链供应链可靠性水平提升的解决方案。   二、申报要求   (一)申报主体应在中华人民共和国境内注册登记,具有独立法人资格。申报主体近三年财务状况良好,在信用等方面无不良记录。   (二)应用案例应具有较强的代表性、示范性、创新性和可推广性,对相关行业、供应链质量或企业质量提升具有较强借鉴意义和推广价值。   (三)申报材料应客观真实,体现工业和信息化质量提升的技术特点,聚焦实际场景应用需求和重点问题。   (四)每个申报主体限申报1项。   三、工作程序   (一)申报。按照自愿参与原则,申报单位可向所在地省级工业和信息化主管部门、相关行业协会提交《工业和信息化质量提升典型案例申报书》(附件1)。各单位组织对本地区(行业)企业申请进行初审,每单位每个方向推荐数量原则上不超过5个,并于9月28日前将正式推荐意见及《工业和信息化质量提升典型案例汇总表》(附件2)报工业和信息化部。被推荐企业需通过申报平台(https://www.miitqb.cn)提交电子版材料。   (二)评审。工业和信息化部组织专家进行评审,按程序确定、公示、发布典型案例名单。   (三)宣传推广。开展专题培训、现场考察等分享交流活动。依托部属新闻媒体、“两微一端”平台渠道,择优宣传典型案例。   (四)有关支持。鼓励各级工业和信息化主管部门针对应用成果突出、推广价值较高的典型案例,从项目审批、政策资金等方面对项目提供支持,不断推动产品质量提升。
  • 「深度视觉」完成过亿元融资,创新算法架构,为多领域提供高效智能视觉检测方案
    36氪获悉,杭州深度视觉科技有限公司(以下简称“深度视觉”)宣布完成过亿元的A轮融资,本轮融资由通用技术创投领投,惠友资本、中关村发展启航投资、高通创投跟投。势能资本担任独家财务顾问。领投方通用技术创投是通用技术集团的全资公司,专注于科技创新领域股权投资,具有明确的产业属性和布局能力,目前培育了一批上市公司和细分行业龙头。深度视觉创始人王帅林表示,本轮融资资金将用于产品研发和市场拓展等业务方面。深度视觉成立于2017年,是一家工业领域高精度智能视觉检测方案供应商。深度视觉拥有智能AI相机&3D相机整机的自主研发能力、光学设计能力、多重算法库的研发能力、FPGA平台图像采集处理系统的研发能力及自动化设备的设计制造能力,其一体化检测设备已经应用于多个工业细分领域。深度视觉产品利用机器视觉技术完成产品自动化检测是企业智能化生产必备的能力,同时也是一个高速增长的市场。据前瞻产业研究院相关数据显示,2019年,我国工业机器视觉市场规模已达到139亿元,同时在光源、镜头、相机及分析软件上,国产品牌的占优趋势持续升高。深度视觉创始人王帅林表示,我国是一个工业大国,制造业水平在不断提升,可以为视觉检测设备创造很多应用场景;同时国产厂家可通过快速迭代打造出超越国外产品的设备,解决行业痛点,这对国产品牌是一个好的市场机会。目前 工业领域的产品检测环节主要面临几类痛点:人工成本逐渐升高,招工难;产品复杂程度提高,人眼或常规检测手段效率降低;产品价值较高,出现漏检可能会带来严重后果等。深度视觉打造了多款一体化自动检测设备,用以对高反光、高曲率的产品进行检测,目前主要用于机加工及汽车领域,检测产品包括轴承、滚针、套圈及其他汽车零部件。王帅林告诉36氪:“机加工零件和汽车零部件的生产环境并不是无尘的,很多时候零件会沾有灰尘、污渍或油泥,但其加工质量却是合格的,这就对检测设备提出了更高的要求。此外机械零部件往往是大批量生产,检测准确度也会影响生产效率。”王帅林毕业于北京邮电大学,曾在SEED、中国兵器等企业担任算法工程师,拥有丰富的FPGA、ISP算法开发经验。在技术上,深度视觉进行了图像采集-数据分析-设备一体化的产品布局。在图像采集层面,深度视觉进行了特殊的光源和光路的设计,以及光学透镜组的设计,解决了金属零件表面高反光带来的过度曝光问题,同时通过明场和暗场结合的方式,满足了机加工零部件及汽车零部件特殊位置的图像拍摄要求。在数据分析层面,与传统的视觉检测设备依靠工控机进行集中式运算不同,深度视觉采用了分布式运算的方式,这样做的好处是可以将整台设备的算力更好的分配,完成在不同光照条件下对目标进行多次检测,提高检测精度。深度视觉的分布式运算架构使相机拥有了边缘计算能力,一幅零件图像首先由相机进行处理,处理后的结果以数据形式嵌入图像,并传至后方工控机,工控机综合相机的处理结果应用深度学习算法对图像进行进一步的分析。王帅林表示,除了算法及检测逻辑的创新外,对机加工工艺的理解也十分重要,深度视觉需要充分理解工艺特性,判断出正常加工痕迹和缺陷,并以此来进行数据标定和建立算法库,这种know-how能力同样是企业的壁垒。从相关资料来看,深度视觉打造了滚动体智能外观检测机、磨加工内外圈外观检测机、车加工内外圈外观检测机、成品轴承外观检测机、电池壳外观检测机等多类型产品,每一类产品拥有多款不同型号。目前深度视觉的客户已经超过300家,其中包括舍弗勒集团、不二越、人本集团、五洲新春等国内外知名企业。王帅林表示,目前深度视觉的产品年出货量为近千台,且均为直销渠道,这样可以使深度视觉更好地理解客户需求并快速迭代产品。此外,深度视觉也正在建设自己的生产基地。在发展战略上,除了机加工市场和汽车零部件市场,深度视觉正在积极拓展纺织、医药等领域,并持续落地行业标杆客户,将检测设备和技术发挥出最大效能。投资者说:“深度视觉是一家技术驱动型的公司,具备从相机、光场、算法到机械自动化等全套底层技术自研能力,其提供的AOI检测产品及解决方案已在轴承和金属零部件领域得到全球头部客户的高度认可,并在新能源领域也逐步打开局面。我国正在产业升级的关键期,相信在王总的带领下,深度视觉能成为中国的‘基恩士’,为我国制造业转型升级助力。”——惠友资本投资总监杨扬“高通公司一直通过研发、投资、合作等方式持续引领AI技术和产业的发展。高通创投作为深度视觉最早的机构投资人已陪伴深度视觉三年有余。三年来,我们见证了深度视觉团队从初创走向成长,见证了深度视觉产品从轴承检测拓展至周边行业,也见证了AI在高精密智能制造中的巨大潜力。我们深切期待深度视觉能在AI技术上持续创新,在应用场景上持续发掘,不断取得进步。”——高通创投风险投资高级总监毛嵩“投资一年来,我们欣喜的看到了团队的持续进化和公司的不断成长,在持续巩固金属表面缺陷检测优势的同时,在新能源、医药等方向陆续也有不错的落地,期待公司抓住产业数智化浪潮的际遇,继续稳扎稳打,做大做强。”——中关村发展启航投资合伙人马建平 “疫情的肆虐让机器替人、自动化及智能化提高生产效率保证产品质量的重要性提到更高的位置,深度视觉的自研相机、自研算法及整体解决方案,在轴承及其他金属制品行业得到客户认可,我们也相信团队的能力会打开更大的市场空间。”——老股东祥峰投资执行合伙人夏志进
  • 齿轮视觉检测仪器与技术研究进展
    齿轮视觉检测仪器与技术研究进展石照耀 1*,方一鸣 1,王笑一 2 1 北京工业大学北京市精密测控技术与仪器工程技术研究中心,北京 100124; 2 河南科技大学河南省机械设计及传动系统重点实验室,河南 洛阳 471003摘要:相对于接触式测量,机器视觉检测这种非接触式测量具有效率高、信息全、稳定性好、可识别缺陷等优点,在齿轮检测领域得到越来越广泛的应用。近十年来出现了影像仪、闪测仪、CVGM仪器、在线检测设备等多种基于机器视觉技术的齿轮检测仪器,它们既可以实现齿轮综合式测量,又可以实现齿轮分析式测量。回顾了齿轮视觉检测仪器的发展历程和特点,分析了齿轮视觉检测中边缘检测、亚像素定位、特征提取和模式识别等算法的研究和应用进展,总结了机器视觉在齿轮精度测量和齿轮缺陷检测两个方面的技术发展,并指明了齿轮视觉检测仪器与技术的发展前景。关键词:机器视觉;齿轮测量;齿轮视觉检测仪器;齿轮精度测量;齿轮缺陷检测1 引言齿轮是应用广泛的基础件,其质量直接影响齿轮传动系统的承载能力和寿命等。齿轮检测是分析齿轮加工误差来源、提高齿轮加工精度、保证齿轮产品质量的必备手段。齿轮测量可分为接触式测量和非接触式测量。由于齿轮形状复杂,精度要求高,传统的非接触式测量方法难以满足齿轮测量精度要求,因此传统的齿轮检测设备通常采用接触式测量方式。应用广泛的齿轮测量中心和齿轮双啮检查仪分别是齿轮分析式测量设备和综合式测量设备,均为接触式测量方式。随着计算机技术和视觉测量技术的进步,机器视觉测量精度逐渐提高,在一些场合已经可以满足齿轮检测的需求。相对于接触式测量,机器视觉测量具有效率高、信息全、稳定性好、可识别缺陷等优点,在齿轮测量领域应用越来越广泛。近年来出现了影像仪、闪测仪、computer vision gear measurement(CVGM)仪器、在线检测设备等多种基于机器视觉技术的齿轮检测仪器,它们既可以实现齿轮综合式检测,又可以实现齿轮分析式测量,更能进行齿轮缺陷检测。接触式测量属于串联测量模式,通过测量齿面上一系列点来完成某种测量目标,测量效率较低,大批量齿轮的在线全检是个挑战。此外,接触式测量方法只能测量齿轮的尺寸和精度,难以进行齿轮缺陷检测。目前齿轮产品的外观缺陷主要依靠肉眼筛查,一些细微缺陷还要借助放大镜、工具显微镜等辅助设备进行识别,这些设备检测效率低、误检率高,且无法对缺陷进行准确分类和溯源。齿轮视觉检测属于并联测量模式,一次测量可获取整个区域内的几何要素和外观缺陷数据,检测速度得到极大提升,可以用于大批量齿轮的全检;更重要的是能同时进行齿轮精度测量和齿轮缺陷在线检测。基于视觉的齿轮精度测量是齿轮精度理论与机器视觉技术的有机结合,作者将我国首创的齿轮整体误差理论融入齿轮视觉检测技术中,大大拓展了对齿轮误差的分析能力。齿轮缺陷在线视觉检测技术可实现对大批量齿轮的100% 全检,柔性和自动化程度高,既能实时反映生产状态,及时预警,也方便管理者掌控一定周期内产品质量变化,还可以根据大数据做进一步的质量评估、产能分析和工艺优化。2 齿轮视觉检测仪器如图1 所示,齿轮视觉检测仪器由工业相机、镜头、光源、计算机等几个主要部分组成。常用两种照明方式:图1(a)采用背光光源从待测齿轮下方照明,采集到的是齿轮投影图像,齿轮边缘锐度高、噪声小,此方式适用于齿轮精度测量;图1(b)采用正光光源从待测齿轮上方照明,采集到的是齿轮端面图像,能够凸显齿轮表面缺陷特征,此方式适用于齿轮表面缺陷检测。图1 齿轮视觉检测仪器构成(a)齿轮精度测量系统;(b)齿轮缺陷检测系统几十年来,齿轮视觉检测仪器经历了从只能“离线抽检”齿轮的“个别尺寸”,到结合齿轮精度理论做出齿轮“精度评定”,再到可以在生产现场“在线检测”的越,从通用仪器演变为专用仪器。常见的通用仪器有影像仪、闪测仪等,专用仪器有CVGM 仪器、齿轮在线检测设备等。2.1 影像仪影像仪(VMM)是小零件行业应用广泛的通用视觉检测仪器,可用于测量齿轮外径、孔径等几何尺寸。影像仪有手动式和自动式之分。手动式影像仪的成本较低,但调光、对焦、选点、修正等都依赖人工操作;测量齿轮时,需要人工取点来拟合齿顶圆、齿根圆等几何要素。世界上第一台由电机驱动的自动影像测量系统是1977 年由美国View Engineering 公司研发的“RB-1”系统。目前,国内外有众多企业生产自动式影像仪,典型有瑞典海克斯康、德国蔡司、日本三丰、深圳中图仪器、贵阳新天光电、苏州天准科技等。自动式影像仪在工作台的X、Y 和Z 轴方向可以精确移动,能够实现自动对焦,测量精度更高。通过示教或编程可以实现齿轮测量中的自动取点,但操作过程较为复杂,对操作人员要求高。自动式影像仪一般没有齿轮测量专用软件,能够测量的齿轮指标不全,不能进行精度评价和分析。传统影像仪视场一般较小,为了获取整个齿轮端面轮廓,需要进行图像拼接。手动式影像仪进行图像拼接时效率低、难度大,精度也较差。自动式影像仪可以实现图像的自动拼接,效率较高,但拼接成的图像存在亮度、对比度不均匀的现象,尺寸测量精度同样受到影响。2.2 闪测仪近年来,市面上出现一种新型的一键式影像测量仪(闪测仪),视场范围大,可以一次测量多个零件。日本基恩士的IM-8000 闪测仪可在数秒内同时完成最多100 个目标物、300 个部位的测量,可以任意摆放工件,一键自动识别,自动匹配测量。独特的亚像素处理技术可使图像分辨率达0. 01 pixel,测量精度达±2 μm。深圳中图仪器的VX8000 系列闪测仪也可实现同等级的测量精度。此外,闪测仪还可导入CAD 图,通过“比较测量”识别缺陷,如将实际齿廓图像与标准CAD 图的齿廓对比,可以得到缺齿、断齿等缺陷信息。闪测仪的测量效率相比传统影像仪显著提升,但价格昂贵,同样缺少齿轮精度评价专门功能。2.3 CVGM 仪器1980年代,日本和我国开始了齿轮激光全息测量技术研究。基本原理如图9所示,以单频的氦氖激光器为光源,首先在干涉测量系统获得参考标准齿面的全息图像,然后将标准齿面替换为被测齿面放置于干涉测量系统中,同时将已经拍摄到的全息图像置于系统中。测量时,激光经分光棱镜分光扩束后分为了测量光路和参考光路,其中测量光照射到被测齿面上。两束光线同时照射在全息图上,形成了被测齿面和参考齿面间的干涉条纹,并投影在接收屏幕上。在对条纹图像进行数据处理后,可以得到被测齿面相对于标准齿面的形状误差。在测量光与全息图像之间放入平行平晶,用来调整测量光的相位。对于模数0. 2 mm 以下的小模数齿轮,难以使用接触式方法测量齿廓、齿距、公法线长度等关键参数;现有影像式测量设备不能给出齿轮精度评价报告。如图2所示,CVGM 仪器专用于解决小模数齿轮测量难题,可在1 s内自动计算出齿廓、齿距、径向跳动、公法线长度、齿厚变动量、内孔尺寸、实际压力角等关键精度信息,自动根据齿轮精度标准ISO-1328对齿轮误差进行评级,输出完整的齿轮精度检测报告,并做出OK/NG 判断。CVGM 仪器的齿廓偏差测量精度为±3 μm,齿距偏差测量精度为±2 μm,具有强大的分析功能,可测量双向截面整体误差曲线(SJZ 曲线)。图2 CVGM 小模数齿轮测量系统(a)CVGM 软件;(b)CVGM 系统如图3 所示,CVGM 仪器使用齿轮整体误差曲线作为齿轮单项误差计算的中间体,即先由齿轮轮廓生成齿轮整体误差曲线,再由齿轮整体误差曲线计算出各单项误差;并以SJZ 曲线方式表达测量结果,大大提升了齿轮误差分析能力。图3 基于视觉的齿轮整体误差分析2.4 齿轮在线检测设备齿轮视觉在线检测设备一般都具有分选功能,根据检测结果把被测产品分成合格品、不合格品,或按齿轮精度等级分类,或按缺陷类型分类。该类设备结构形式有三种:直接集成在齿轮产品传送带上方,结构较简单;使用专用上下料机械手和其他辅助机构,结构最复杂;采用玻璃转盘式结构,应用最广泛。图4位于传送带上方的齿轮视觉在线检测设备,优点是占用空间小,但传送带运动不平稳和易磨损,产品摆放角度不固定,导致检测精度难以提高。由于传送带不透光,该设备无法获取齿轮与传送带接触面的图像,不能实现双面测量。图4 传送带式齿轮视觉检测系统图5 所示设备采用了机械手、导轨、转盘等部件,结合专门设计的自动检测装置完成齿轮上下料、检测、分选和摆盘等一系列操作。这类检测设备功能较强,但结构复杂,成本较高。图5 使用机械手和自动装置的齿轮视觉检测设备本团队研制了玻璃转盘式的注塑齿轮在线检测分选系统,如图6 所示,该系统已应用于注塑齿轮生产线,工作稳定,取得了突出的使用效果。玻璃转盘由伺服电机和精密减速器驱动,带动待检齿轮通过视觉检测工位,可保证图像采集过程中齿轮匀速平稳运动。转盘采用高透明玻璃材质,不需翻转就可得到产品底部的检测图像。由光电传感器定位齿轮在转盘上的位置,使用气动执行器将OK/NG 的齿轮吹入相应的存储盒实现自动分拣。该系统能够实现注塑齿轮黑点、毛刺、缺齿、断齿、翘曲变形等外观缺陷检测,也能完成常规几何尺寸和形位误差的测量,并能根据缺陷阈值、尺寸公差实时分选出合格品和不合格品,且具备报警功能。该系统对齿轮端面的检测时间小于0. 3 s,满足生产节拍的需求,特别是具有齿轮轴向测量功能。图6 玻璃转盘式齿轮视觉检测分选系统图7 为注塑齿轮在线检测分选系统软件界面。该软件具有自主知识产权,在软件数据库中贮存了常见齿轮型号及对应的尺寸公差和配置参数,包括CPK 分析和XR 图分析,提高了参数输入效率。注塑齿轮在线检测分选系统兼具精密测量与缺陷检测功能,包括齿轮轴向高度、齿距、公法线、同心度等与齿轮精度相关的检测,齿轮外观缺陷识别准确率能满足注塑齿轮大批量在机检测需求。图7 注塑齿轮在线检测分选系统软件界面3 齿轮视觉检测技术齿轮视觉检测技术是齿轮视觉检测仪器的核心,涉及光学、电子学、计算机图形学、齿轮几何学等多个学科,内容覆盖光学成像、图像处理、软件工程、工业控制、传感器、齿轮精度理论等。近几年,与齿轮视觉检测技术相关的新技术、新理论、新方法大量出现,在多个核心问题上取得了重要的研究进展。齿轮视觉检测技术既有一般视觉检测的共性问题,又有齿轮视觉检测中的特殊问题。齿轮视觉检测的工作流程包括图像采集、图像预处理、边缘检测、齿轮精度评定或齿轮缺陷分析等,其中图像采集、图像预处理、特征提取、图像分割、边缘检测、亚像素算法等属于通用的视觉检测技术,而齿轮精度评定和齿轮缺陷识别属于齿轮视觉检测技术的个性问题。这里先从图像采集系统(硬件)和图像处理算法(软件)两个方面综述与齿轮视觉检测技术相关的共性问题的研究进展,然后从齿轮精度测量和齿轮缺陷检测两个方面介绍齿轮视觉检测技术中个性问题的研究进展。3.1 图像采集系统图像采集系统一般由计算机(主机)、图像采集卡、工业相机、镜头、光源等组成。工业相机按照传感器芯片种类可分为CCD 相机和CMOS 相机两种,传统上CCD 相机效果更好,但随着技术的发展,目前在一般应用场合CMOS 相机基本已经取代了CCD 相机。相机数据接口常见的有GigE 接口、USB 接口(USB2. 0和USB3. 0)、Cameralink 接口等。其中采用GigE 或USB 接口的工业相机可以直接通过线缆与主机通讯,不需要数据采集卡;而其他接口如Camerlink 接口的相机则需要配备图像采集卡才能与主机通讯。常用的工业镜头按等效焦距分类主要有广角、长焦、中焦、远心、微距镜头等。一般远心镜头的畸变更小,景深更大,可以消除“近大远小”的测量误差,更适合进行高精度的尺寸测量,因此在齿轮视觉检测领域使用最多的镜头为远心镜头。但远心镜头通常价格较高,对精度测量要求不高时,可用普通镜头替代。视觉检测领域常用的光源有点光源、面光源、条形光源、环形光源、穹顶光源、同轴光源等类型,其作用主要有强化特征和弱化背景、突出测量特征、提高图像信息、简化算法、降低系统设计的复杂度、提高系统的检查精度和效率。在齿轮精度测量领域常用的光源主要是面光源,面光源的光线具有更好的方向性,均匀性更好,齿廓更清晰;在齿轮缺陷检测领域主要使用穹顶光源、环形光源和同轴光源等,这些光源可使整个齿轮端面图像的照度十分均匀,突出缺陷特征。齿轮视觉检测的核心问题是测量精度和检测效率,这两个问题都与图像采集系统密切相关。为了提高测量精度,应当选用分辨率更高的相机;为了提高检测效率,需要选择分辨率低的相机,以减少需要处理的数据量,提高软件计算速度。精度和效率是一对矛盾,通过选用运算能力更强的计算机和改进图像处理算法的效率,可以部分地解决精度和效率的矛盾问题。无论是为了提高检测精度还是为了提高检测效率,选用精度更好的镜头和更加稳定的光源都可以改善整体的性能指标。3.2 图像处理算法齿轮视觉检测技术中用到的图像处理算法有图像预处理、边缘检测、亚像素定位、特征提取和模式识别等。其中图像预处理方法与机器视觉其他应用场合的预处理方法基本相同。3.2.1 边缘检测算法齿轮视觉检测中常采用的边缘检测方法有经典微分算子、小波变换和数学形态学。边缘检测算法能够把齿轮二维端面图像中的关键轮廓提取出来,得到轮廓像素点的坐标集合。根据轮廓点的坐标信息和相机标定参数就可以精确计算出齿轮的特征尺寸,包括齿顶圆直径、齿根圆直径、内孔直径、齿高、齿厚和齿距等。1)经典微分算子图像边缘一般是图像灰度变化率最大的位置,因此可用一阶/二阶导数来检测边缘,由此诞生了一系列经典微分算子。根据微分的阶数可以将经典微分算子分为两类:一类是通过寻找图像灰度值的一阶导数极值点来确定边界的一阶微分算子,有Roberts 算子、Prewitt 算子、Sobel 算子、Canny 算子;另一类是根据图像二阶导数的零点来寻找边界的二阶微分算子,有Laplacian 算子、LoG(Laplacian-of-Gaussian)算子、DoG(Difference-of-Gaussian)算子。对这些经典微分算子在齿轮边缘检测中的性能进行了比较,如表1 所示。表1 经典微分算子在齿轮边缘检测中的性能比较Canny 算子采用双阈值和非极大值抑制策略提升对噪声的抗干扰性,具有滤波、增强、检测多个阶段的优化,是性能最优良的微分算子。对于齿轮图像,采用Canny 算子提取的齿廓信息最完整,最接近实际齿廓,如图8 所示。图8 基于Canny 算子的齿廓提取2)小波变换小波变换具有良好的时频局部化特性和多尺度特性。良好的时频局部化特性使其特别适用于检测突变信号,而图像中的突变信号对应边缘,因此小波变换也适用于图像边缘检测。利用Harr 小波函数对齿轮图像进行重构,再结合Canny 算子提取重构图像的齿廓,比单独采用Canny 算子有更优的效果。多尺度特性使其能很好地抑制噪声。图像中的噪声和边缘都属于高频分量,经典微分算子引入各种形式的微分运算后必然对噪声较为敏感,而随着尺度的增加,噪声引起的小波变换的模的极大值迅速减小,而边缘的模值不变,这一特性可以很好地抑制图像噪声。提出一种基于Curvelet 变换的尺度与方向相关性联合降噪方法,该方法对齿轮图像进行降噪处理,在继承小波变换多尺度降噪的基础上,同时进行尺度内方向相关性降噪,可以为齿轮边缘检测提供高质量的输入图像。因此,小波变换是一种齿轮图像边缘提取的有效方法。3)数学形态学数学形态学是基于积分几何和几何概率理论建立的关于图像形状和尺寸的研究方法,其实质是一种非线性滤波方法,通过物体形状集合与结构元素之间的相互作用对图像进行非线性滤波。由于数学形态学提取边缘时容易造成间距小的低灰度轮廓的错位和合并,因此常将其与微分算子提取出的轮廓加权融合。相关文献就提出了一种融合Canny 算子和数学形态学的含噪声齿轮图像边缘检测算法,分别采用改进的Canny 算子和多尺度多结构元素灰度形态学边缘检测算子提取边缘;然后对两幅边缘图像进行了小波分解,得到各层子图像;最后对子图像进行自适应加权融合,并使用小波逆变换重构图像得到最终的边缘检测图像。相关文献采用数学形态学中的四邻域腐蚀法提取出边缘宽度,并将其作为单个像素的轮廓,测量分度圆直径为5 mm 以下的齿轮的齿顶圆直径和齿根圆直径,与千分尺测量结果差值的绝对值在2 μm 以内。3.2.2 亚像素定位算法数字图像是以离散化的像素形式存在的,传统边缘检测算法的测量分辨率只能达到一个像素级,提取出的边缘由像素块构成,边缘定位精度不高,如图9(c)所示。亚像素定位算法是在像素级边缘检测的基础上逐渐发展而来的,首先需要经过像素级边缘检测粗定位,然后利用粗定位边缘点周围邻域内的像素数据进行边缘点的亚像素级精确定位,如图9(d)所示。图9 亚像素边缘处理亚像素定位算法主要有三类:矩方法、插值法和拟合法。1)矩方法矩方法计算简便,应用于齿轮边缘检测可以减小测量误差。相关文献提出一种利用前三阶灰度矩进行亚像素边缘定位的算法,这是文献中最早提出的矩方法。随后基于空间矩、Zernike 正交矩的方法也相继被提出。相关文献利用基于Zernike 矩的齿廓边缘检测算法,对齿顶圆直径为49. 751 mm、齿数为23 的齿轮测得的齿顶圆直径、齿根圆直径的相对误差在0. 02% 以内,齿距累积总偏差的相对误差约5. 15%。相关文献提出一种基于灰度矩的亚像素边缘检测算法,该算法以邻域窗口的灰度均方差积表示边缘强度,灰度重心所在的方向表示灰度变化的方向,在初始边缘的基础上按求取的灰度变化方向划分为八个区域,构建一维灰度矩模型解算亚像素边缘位置,对于噪声系数为0. 005 的模拟图像,该算法的绝对定位误差为0. 013 pixel。相关文献提出了一种复合亚像素边缘检测方法,该方法基于orthogonal Fourier-Mellin moment(OFMM),可为后续齿廓缺陷检测提供精确的齿廓形状。2)插值法插值法运算速度快,应用于齿轮在线检测设备能够满足生产节拍的要求。插值法的核心是对像素点的灰度值或灰度值的导数进行插值,以增加信息。德国MVtec 公司开发的著名机器视觉算法包Halcon 在工业领域应用广泛,其中的亚像素边缘检测算子采用的就是插值法。相关文献基于Halcon 算法包中的亚像素边缘检测算子,开发了一套齿轮测量应用程序,可以得到齿廓亚像素点集合,并设定条件剔除假边缘,最终得到齿顶圆直径等参数。3)拟合法拟合法对噪声不敏感,适用于噪声较多的齿轮图像,但求解速度较慢。拟合法是通过对像素坐标和灰度值进行理想边缘模型拟合来获得亚像素边缘的。相关文献提出一种基于高斯积分曲面拟合的亚像素边缘定位算法,可最大限度地消除噪声的影响,与原有高斯拟合算法相比,该算法通过坐标变换简化了曲面拟合问题,计算速度提高1 倍,可以满足五级精度的渐开线直齿圆柱齿轮的齿廓偏差测量要求。3.2.3 特征提取和模式识别算法缺陷检测算法一般由图像预处理、图像分割、特征提取和模式识别等步骤组成,其中特征提取和模式识别是缺陷检测的关键环节。特征提取的有效性对后续目标缺陷识别精度、计算复杂度、检测鲁棒性等均有重大影响。常用的特征提取算法可以分为三种,分别是基于纹理、颜色和形状的特征提取算法。提取完特征后,还需采用模式识别算法对缺陷进行区分。模式识别算法主要有匹配识别和分类识别两类。齿轮缺陷检测常用的匹配识别算法有FAST 和SIFT 算法等,常用的分类识别算法有基于人工神经网络或支持向量机的算法。相关文献提出了一种基于FAST-Unoriented-SIFT 提取算法和BoW(Bag-of-Words)模型的行星齿轮故障识别方法,该方法将原始振动信号转换为灰度图像后,通过FAST-Unoriented-SIFT 算法直接提取灰度图像中的特征。FAST-Unoriented-SIFT 算法结合了FAST 和SIFT 算法的优点,忽略了特征的方向。最后在提取的特征的基础上建立BoW 模型,该方法对齿轮故障的整体识别率达98. 67%。相关文献提出了一种改进的GA-PSO 算法,称为SHGAPSO算法,先经过图像分割算法提取齿轮的几何形状、纹理和颜色特征,再重建BP 神经网络,并使用SHGA-PSO 算法优化结构和权重。SHGA-PSO 算法对坏齿、划痕、磨损和裂纹4 种不同的齿轮缺陷样本的识别正确率在94% 以上。相关文献基于YOLO-v3 网络实现了对金属齿轮端面凸起、凹陷和划痕三种缺陷的快速检测和定位,对每幅图像的平均检测时间为77 ms,对三种缺陷的平均精确度(AP)和平均召回率(mean recall)分别为93% 和91%,检测效果如图10 所示。图10 齿轮缺陷特征提取与模式识别3.3 齿轮精度测量齿轮形状复杂,精度要求高。为保证齿轮产品质量,需要控制的齿轮精度指标有齿距偏差、齿廓偏差、螺旋线偏差、齿厚、齿圈跳动等,其中除螺旋线偏差外,其他精度指标都可以用齿轮端截面轮廓数据进行计算。齿轮精度测量主要有两个问题需要解决,一是通过图像处理获得被测齿轮的精确的端面轮廓信息,二是根据齿轮精度理论和相关齿轮精度标准计算齿轮各项偏差值并给出齿轮精度评定结果。通过齿轮精度等级,可以确定对视觉检测系统的测量精度要求。以齿数20、模数1 mm、5 级精度的直齿圆柱齿轮为例,其齿距累积总偏差为11 μm,齿廓总偏差为4. 6 μm。按测量仪器精度为被测指标允差的1/3~1/5 估算,测量5 级精度齿轮的测量仪的精度应优于1. 6 μm。这对视觉测量而言,是非常困难的。齿轮视觉测量精度依赖于测量系统的硬件和数据处理算法。由于所用相机、镜头等图像采集系统硬件和图像处理算法等软件的不同,以及被测对象齿轮的尺寸参数和精度要求不同,齿轮视觉检测系统的测量精度的差异很大,但在齿轮被测项目评定方面,都是根据齿轮精度相关标准进行的。相关文献依据齿轮精度标准ISO1328-1,给出了视觉测量齿距偏差和齿廓偏差的评定方法,对模数为0. 5 mm 的8 级精度直齿轮测得的齿距偏差、齿廓偏差与齿轮测量中心的测量结果差值最大为4 μm。相关文献采用视觉测量方法测量模数为2 mm、齿数为90的齿轮,齿廓总偏差5 次测量的标准差为0. 028 μm,取得了很好的测量重复性。相关文献提出了视觉测量齿轮的公法线长度的方法,其测量精度能够满足工程应用要求。齿轮精度视觉测量方面,国外研究进展与国内基本相当,研究内容类似。值得指出,Werth 公司推出的基于光纤测头的微小模数齿轮测量设备采用了接触式测量和视觉检测技术相结合的方法,该方法既具有视觉测量的特点,可借助视觉引导实现对微小齿槽的测量;又具有接触式测量的特点,需要用光纤测球扫描齿轮轮廓,测量精度较高但效率较低。由于仪器价格高,这种基于光纤测头的齿轮测量仪器实际应用较少。除了齿廓偏差、齿距偏差、齿厚等轮齿精度指标外,齿轮视觉测量技术还可以获得齿轮的形位误差。GB/T 1182—2018 规定齿轮图纸中通常要标注内孔圆度、端面跳动或垂直度、分度圆跳动等的形位公差,这些都可以通过视觉测量完成。此外,近年来出现了基于视觉方法的齿轮表面粗糙度测量研究。有文献提出一种基于卷积神经网络(CNN)建立粗糙度参数Ra 与处理后的齿轮感兴趣区域(ROI)图像之间关系的方法,该方法可以在无需人工参与的情况下自动检测齿轮表面粗糙度,平均测量时间约为0. 5 s,比使用接触探针测量齿面粗糙度的方法快40 倍。我国科技工作者在1970 年前后首创的齿轮整体误差测量技术可快速获取包含被测齿轮全部齿廓误差信息的双向截面整体误差曲线(SJZ),进而方便地分析出齿廓偏差、齿距偏差、齿厚变动量等齿轮误差项目,可以直观地对齿轮加工质量和使用性能进行分析和评价,具有测量效率高、信息全的优点。但由于作为测量元件的跳牙蜗杆制造困难、通用性不好,传统上齿轮整体误差测量技术通常只适用于大批量生产的齿轮产品。与齿轮整体误差测量技术类似,齿轮视觉测量技术也可以快速获得被测齿轮的全部齿廓信息,因此也可以使用齿轮整体误差曲线进行测量结果的表达、分析与处理。CVGM 视觉齿轮测量软件中就采用双向截面整体误差曲线作为全部齿廓测量结果的表达方式。图11 为CVGM 获取的SJZ 曲线,其中最外圈为左齿面整体误差曲线,其次为右齿面整体误差曲线,最内圈为齿轮内孔圆度误差曲线。图中可见被测齿轮具有中凸齿廓,整体几何精度较好,但在个别轮齿交替时(左齿面2-3 齿交替、3-4 齿交替)会产生较为明显的啮合冲击。其中,该被测齿轮作为被动齿轮在左齿面2 齿、3 齿啮入时会产生刚性冲击,作为主动齿轮在左齿面2 齿、3 齿啮出时会产生柔性冲击。从双向截面齿轮整体误差曲线还可以看出各轮齿齿距、齿厚的变化规律[9]。通过与齿轮视觉检测技术相结合,齿轮整体误差测量技术和齿轮整体误差理论又获得了新的发展机会。图11 CVGM 获取的双向截面整体误差曲线为提高测量精度,CVGM 创新性地提出了基于“ 虚拟样板”的齿轮测量软件精度标定方法。在CVGM 系统中,测量精度是分为两个环节进行保证‍‍‍的:首先通过测量标定片对图像采集系统的精度进行标定;其次使用虚拟齿轮样板对测量软件算法的精度进行标定。图12(a)为对标定片进行测量的结果,标定片上各个圆点的直径理论值为0. 5 mm,标定片的图形制造误差小于等于1 μm,CVGM 计算出的各个圆点的直径误差均在1 μm 以下。图12(b)为采用CAD 软件绘制的无误差的标准齿轮图像,图片像素大小与实际图像采集系统CVGM-12H 的像素大小相同,均为3. 668 μm。CVGM 对无误差齿轮图像进行测量时,由图像处理算法和齿轮精度评定算法引入的齿廓偏差小于等于2 μm,齿距偏差小于等于1 μm。试验中CVGM 系统测量重复性误差为±1μm,可以满足齿数为20、模数为1 mm、5 级精度的直齿圆柱齿轮的精度测量要求。此外,CVGM 软件还可以自动计算内孔圆度、齿圈跳动、公法线长度等误差项目。图12 CVGM 图像采集系统标定和“虚拟齿轮样板”图(a)标定片;(b)虚拟齿轮样板3.4 齿轮精度测量制造过程中由于材料、设备和工艺等问题,会产生齿轮缺陷。齿轮缺陷视觉检测技术的关键指标是缺陷识别的准确率和效率。图13 为齿轮的常见缺陷,包括毛刺(披锋)、缺料、裂纹、收缩、变形、穿孔、流纹、烧胶、凹痕、色差、坏齿、凸起、气泡和溢边等。齿轮视觉检测系统采集并处理齿轮表面图像,利用图像分割、特征提取和模式识别等算法获取缺陷的特征信息,实现对缺陷的定位、识别、分类和统计。图13 齿轮缺陷种类1)齿廓缺陷检测齿廓缺陷检测是齿轮缺陷检测研究中的重点,齿廓好坏与齿轮传动性能密切相关。齿廓具有固定的形状特征,一旦出现缺陷就意味着形状改变。因此,齿廓缺陷检测通常需要先用边缘检测算法提取齿廓边缘,再利用基于局部灰度特征统计或形状特征提取的方法对齿廓边缘的每个亚像素点进行几何特征分析来识别齿廓缺陷。相关文献通过连通域标记算法对每个连通域进行细分区域灰度值分析,对灰度值分析结果进行阈值判别从而提取齿轮缺角、缺齿缺陷。相关文献针对彩色塑料齿轮图像,采用基于决策树的局部阈值方法对图像进行分割来检测齿轮的缺齿情况。有文献提出“虚拟圆扫描法”,通过对一系列相关交点之间的距离比值与设定的比值系数进行比较,确定齿廓是否合格。当齿廓缺陷随机性较强时,可采用机器学习算法来提高识别的正确率。相关文献采用支持向量机来构造齿轮缺陷识别模型,模型识别齿廓缺陷的正确率达97. 8%。2)毛刺检测毛刺是齿轮在生产过程中出现的一些飞边、棱边、尖角等,是齿轮最为常见的缺陷。齿轮毛刺是齿轮制造工艺不当引起的,尺寸细小,肉眼难以发现,出现位置随机,较为频发,是齿轮缺陷检测中的必检项。由于毛刺常出现于齿轮轮廓边缘,因此通常需要进行边缘检测,再根据齿轮的几何特征来判别和定位毛刺。本团队针对注塑齿轮的中孔披锋(毛刺)缺陷,先采用亚像素定位算法精确定位中孔轮廓,再计算轮廓上各点到齿轮中心的径向距离,根据径向距离的异常值判定是否存在中孔披锋。3)表面异物检测齿轮的表面异物缺陷包括油污、黑点、材料中的杂质等。这类缺陷通常会构成图像上的连通域,通过图像分割、Blob 分析等方法可以得到连通域的质心坐标、面积、圆形度、凹凸度和惯量比等几何形状特征,从而获取表面异物的个数、位置和大小等信息。4)裂纹与流纹检测裂纹是金属齿轮的一种外观缺陷,与裂纹类似,流纹是注塑齿轮特有的一种外观缺陷。针对这两种缺陷的检测方法一般分为两个步骤:一是检测齿轮表面是否存在裂纹/流纹;二是提取裂纹/流纹。合格的齿轮产品表面较为光滑,灰度变化均匀;裂纹/流纹则与周围灰度值有明显差异,具有明显的纹理特征,因此常采用基于统计的灰度特征或阈值分割法进行提取。5)翘曲变形检测翘曲变形是注塑齿轮的常见缺陷类型,体现为塑料齿轮的几何形状与模具型腔的形状发生了偏离,超出了公差范围。通常可以通过测量塑料齿轮的特征尺寸(如齿距、齿厚)来识别。本团队选取斜齿轮齿厚标准差或直齿轮齿厚最小值作为特征值,利用支持向量机分类器进行翘曲变形缺陷判别,成功检测出200 个样品中的19 个存在翘曲变形缺陷的齿轮。6)多缺陷融合检测当齿轮表面缺陷特征较多时,通常要通过基于机器学习的目标分类算法来进行判别。如有文献提出一种改进的YOLO-v3 网络,用DenseNet 代替YOLOv3网络中的DarkNet-53 网络,对塑料齿轮的污痕和缺齿缺陷进行检测,误检率为1. 3%。相关文献采用基于CNN 的两种分类方法Naïve 法和fine-grained 法对齿轮的划痕、凸起、孔蚀、块状不对称缺陷进行识别,Naïve 法处理时间更少,平均时间为0. 09 s,准确率为92%,而fine-grained 方法在准确性方面更好,准确率为96. 5%,平均时间为0. 67 s。本团队研制的注塑齿轮在线检测分选系统能够实现对注塑齿轮材料杂质、黑点、油污、烧胶、毛刺、气泡、水口穿孔、缺齿、断齿、收缩、翘曲变形等多缺陷的融合检测,还可以测量齿轮几何尺寸和形位误差,特别是具有齿轮轴向测量功能,可实时分选出合格品和不合格品,具备报警功能,检测效率高、功能全,是目前注塑齿轮视觉在线检测专用设备。4 结束语特大齿轮(直径大于3000mm)测量和微小齿轮(直径小于2mm或模数小于0.1mm)测量属于“绝端测量”范畴。过去20年,对齿轮极端测量技术的研究取得了系列成果,有些已应用于实际齿轮测量中。随着齿轮视觉检测技术的发展,齿轮视觉检测仪器已经可以实现齿轮精度评价和齿轮缺陷检测,已在众多小模数齿轮生产企业得到应用,可以有效地管控产品质量、改进加工工艺、提高产能,取得了较好的使用效果。在齿轮视觉检测技术发展过程中,软件算法是技术壁垒和核心竞争力的集中体现。相对于齿轮精度测量,面向齿轮缺陷检测的技术较为成熟。目前,齿轮机器视觉测量仪器和技术的研究和应用主要集中在小模数齿轮领域的原因如下:在机器视觉测量中,测量精度和测量范围(视场范围)是一对矛盾,现有的机器视觉测量仪器难以同时满足中、大模数齿轮对视场范围和测量精度的要求;小模数齿轮的齿槽宽度小、轮齿刚性差,常规的接触式测量仪在测量小模数齿轮时效率低、测量困难,不能满足小模数齿轮的测量需求。但齿轮机器视觉测量技术也有不足。除了固有的测量精度相对较低的缺点外,由于轮齿遮挡问题,齿轮机器视觉测量技术目前不能实现对圆柱齿轮的螺旋线测量和对锥齿轮、斜齿内齿轮等特殊齿轮的测量,限制了齿轮机器视觉测量技术的推广和应用。在齿轮精度测量研究方面,提高视觉测量精度仍将是难点和着力重点;在齿轮缺陷检测研究方面,目前对齿轮缺陷检测的研究不够深入,可检的缺陷种类不全,提高缺陷识别准确率和效率是着力重点。随着人工成本的增加和产业升级需求的提升,在大规模齿轮生产过程中齿轮视觉在线检测设备的应用越来越多。齿轮视觉在线检测设备的特点有:耦合于生产线上,可高效测量批量齿轮的尺寸精度,实时监测齿轮质量,自动剔除不合格品,形成“生产-检测-分选”自动化流水线;对齿轮外观缺陷进行识别和分类,实现大批量齿轮的“应检尽检”,用“大数据”手段分析齿轮工艺问题,与生产管控系统互联,及时调整工艺参数,减少损失;实现齿轮质量长期监测,及时发现齿轮质量的异常变化;可实现网络化监管和远程监控,即使在千里之外也可以监控整个生产过程,把握生产动态。在未来,齿轮视觉检测技术必将纳入更多先进的科学技术,齿轮视觉检测仪器也将集成更多新技术,并充分发挥各项技术的优点,提升检测效率和精度。三维视觉检测技术、视觉检测设备的复合化、微型化和智能化将是齿轮视觉检测技术的发展趋势。未来每条齿轮产线的生产动态都可以集成到一个软件中进行分析,检测数据实时存储到云端,长期积累的庞大数据将为齿轮生产工艺带来巨大的变革。毫不夸张地说,视觉检测技术将会带来齿轮检测领域的革命,现在还仅仅处于入门口。(省略参考文献51篇)
  • “视觉模组光电性能的图像式检测方法” 正式成为国家标准
    2022年3月9日,由国家市场监督管理总局和国家标准化管理委员会联合发文(中华人民共和国国家标准公告),批准了由机器视觉产业联盟牵头制定的“视觉模组光电性能的图像式检测方法”正式成为国家标准。据了解,这项标准的推出,标志着我国机器视觉技术水平实现了新突破,机器视觉行业国际话语权得到提升,为我国视觉科技高质量发展奠定了坚实基础。   近年来,随着国家经济和科技实力的快速增强,智能制造在国家经济社会发展中地位作用进一步彰显,机器视觉作为智能制造核心领域的支撑作用也越来越突出。但在世界机器视觉领域,由于我国起步晚,发展滞后,机器视觉行业的标准和话语权基本都由西方发达国家制定或掌握,导致我国在这一行业的持续创新和高质量发展受到较大的制约。   2015年始,机器视觉产业联盟迈出了标准制定工作的探索之路,组织相关专家将欧洲机器视觉协会的国际行业标准EMVA1288《图像传感器与相机性能测试标准》进行全文翻译,经过了近2年时间,于2017年8月正式发布了EMVA1288 R3.1中文版,它也是整个G3组织与EMVA认可的该标准的中文版。随后,机器视觉产业联盟组织开展了更为广泛而深入的调研工作,在学习参考国外理念和经验的基础上,结合国内行业实际情况及国家标准的相关政策规定,并在国标委相关专家的支持与指导下,国标起草组推出了“标准”的初级版,经历了两年多时间的深入探索实践,不断克服疫情等不利条件的影响,经过数十次线上或线下会议讨论,在先后修改了十几版后才最终完成了此次被国家认定的“行业标准”。   参与本次标准起草组的冯兵博士介绍说,这个“标准”意味着中国机器视觉跨入了新的门槛,在未来的世界智能制造领域,中国机器视觉企业将有更大的参与和竞争机会,也将为世界经济发展作出中国贡献。
Instrument.com.cn Copyright©1999- 2023 ,All Rights Reserved版权所有,未经书面授权,页面内容不得以任何形式进行复制