許多工業產品,為了追求更高的質量,其檢測技術要求也越來越高。
與人工檢測相比,機器視覺檢測具有以下優勢:在線高速檢測可以保證產品檢測的一致性、quality control services高效性和穩定性,更便於數據采集和分析,可以在危險和惡劣的環境下工作。
檢測信息技術由效率和精度較低的人工智能檢測逐步轉變為利用機械儀器或者更高級別的機器視覺系統進行分析檢測,這是我們未來檢測技術的發展變化趨勢。
主要的問題與難點
基於機器視覺的表面缺陷檢測將是未來研究和發展的主要方向。quality control system目前,基於機器視覺的表面缺陷檢測的理論研究和實際應用取得了可喜的成果,但仍存在以下主要問題和困難:
1.受環境、光照、生產工藝、噪聲等多重因素影響,檢測系統的信噪比普遍較低,微弱信號難以檢測或無法與噪聲有效區分。要解決的問題之一是如何構建一個穩定、可靠、魯棒的檢測系統,以適應光照變化、噪聲等外界不利環境的幹擾。
2.由於物體的多樣性、表面缺陷的多樣性、形狀的多樣性和背景的複雜性,machine vision system多種缺陷的形成機理及其外部形態之間的關系尚不清楚,導致缺乏“標准”圖像作為參考,同時也給缺陷的檢測和分類帶來困難,因此需要提高識別率。
3.機器視覺表面缺陷檢測,尤其是在線檢測,具有數據量大、信息冗餘、特征空間維數高等特點。同時,考慮到真實機器視覺面臨的對象和問題的多樣性,從海量數據中提取有限缺陷信息的算法不足,實時性不高。
4.與機器視覺表面檢測密切相關的人工智能教育理論知識雖然得到了一個很大的發展,但如何通過模擬人類大 腦的信息數據處理功能去構建智能機器視覺系統還需要理論上的進一步分析研究,如何才能更好的基於生物視覺認識、指導機器視覺得檢測方法也是影響研究企業人員的難點問題之一。
5.在機器視覺表面檢測的精度方面,雖然出現了一系列優秀的算法,但實際應用中的精度與實際應用的要求還有差距,如何解決精確識別與模糊特征、實時性與精度之間的矛盾,仍然是一個難點。
機器視覺作為一個概念可以追溯到20世紀30年代,但導致機器視覺系統發展的一些最重要的發明和發現可以追溯到更遠的地方.