什么是机器视觉?
共 1938字,需浏览 4分钟
·
2020-09-05 05:08
从今天起,在接下来的一段时间里,我想带领大家进军机器视觉领域,不奢望有多精深,但起码对机器视觉有一个了解,入门就行.最后,并通过一个企业项目实战来锻炼大家所学的知识.
本文目录
什么是机器视觉?
这个领域是干嘛的?跟我们有什么关系?
机器视觉系统的组成?
机器学习与算法与这个有什么关系?
机器视觉领域需要哪些知识?
机器视觉的发展瓶颈?
1. 什么是机器视觉?
说简单点,就是具有视觉检测功能的机器.
我们来看下标准定义.
机器视觉是配备有感测视觉仪器的检测机器,其中光学检测仪器占有比重非常高,可用于检测出各种产品的缺陷,或者用于判断并选择出物体,或者用来测量尺寸...等,应用在自动化生产线上对物料进行校准与定位。是计算机视觉中最具有产业化的部分,主要大量应用于工厂自动化检测及机器人产业等。
既然我们知道了机器视觉就是实现检测功能的检测机器,下面我们看下这个领域的应用以及对我们的生活有什么关系和影响.
2. 机器视觉的应用及影响
这是很普遍的在产品包装检测的应用.检测产品的包装是否合格.
这是机器视觉在识别方面的应用.我们常见的车牌号识别,条形码识别等等.
这是机器视觉在测量与检测方面的应用.检测圆珠的个数,芯片的尺寸等.
这是机器视觉技术在医药检测方面的应用,例如检测药丸是否有缺陷,药丸的个数,形状等等.
最后,还有大家熟知的在机器人上的应用.
3. 机器视觉系统的组成?
机器视觉系统主要由图像的获取、图像的处理和分析、输出或显示三部分组成。主要用计算机软件来模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并最终用于实际检测、测量和控制。
图像处理单元——大脑
图像处理单元由图像处理软件完成,图像处理软件包含大量图像处理算法。在取得图像后,用这些算法对数字图像进行处理,分析计算,并输出结果。软件是机器视觉的大脑,只有在软件将采集到的图像数据化以后,机器才能进行识别和检测等功能。
光源
光源是机器视觉系统中重要的组件之一,一个合适的光源是机器视觉系统正常运行的必备条件。使用光源的目的是将被测物体与背景尽量明显分别,获得高品质、高对比度的图像。
镜头——晶状体
镜头的作用是光学成像。尽管照相机、分析软件和照明对于机器视觉系统都是十分重要的,可最关键的元件还是相机镜头。系统若想完全发挥其功能,镜头必须要能够满足要求才行。决定镜头性能的参数主要有焦距,工作距离、视场、景深、分辨率等。景深,是指镜头能够获得最佳图像时,被摄物体离此最佳焦点前后的距范围。视场,表示摄像头所能观测到的最大范围,通常以角度表示,一般说来视场越大,观测范围越大。工作距离,是指镜头到被摄物体的距离,工作距离越长,成本越高。
相机——眼球
机器视觉相机(“眼球”)的目的是将通过镜头投影到传感器的图像传送到能够储存、分析和(或者)显示的机器设备上。按照芯片类型可以分为CCD相机、CMOS相机。
图像采集单元——视觉神经
图像采集单元中最重要的元件是图像采集卡,它是图像采集部分和图像处理部分的接口。
输出单元
在完成图像采集和处理工作之后,需要将图像处理的结果输出,并作出与结果匹配的动作,如剔废、报警灯,并通过人机界面显示生产信息。
4. 机器学习与算法与这个有什么关系?
算法可谓是机器视觉的核心了,企业竞争力也主要体现在算法上.好的算法,运行速度快,检测精度高,在市场上自然具有较强的竞争力.因此,在企业中,都在核心算法上下功夫,形成自己的核心竞争力.
5. 机器视觉领域需要哪些知识?
线性代数
概率论
随机过程
微积分
上面四个是基本的数学能力,只有掌握了基本的数学知识,才能看懂式子.看文献.
第五项是最主要的,
计算机视觉的顶级期刊有PAMI和IJCV,顶级会议有ICCV和CVPR.
多看,对于一些比较经典的,精读.
6. 机器视觉的瓶颈
最大的问题就是准确性.因为图像的影响因素有很多,例如产品的外部光照条件,镜头畸变等.在软件上,不同的算法的效果可能有很大的差距.
通用性.这个在实际的项目中可能感触更深.因为不同的产品外观不同,形状不同,缺陷不同,材料不同,尺寸不同等等,很难仅仅使用一种通用的检测算法,甚至,缺陷特征不同,就必须重新编写算法.
硬件与软件.硬件就是相机镜头的处理速度,软件就是算法的优越性.
恩,时候不早了,就先到这了.今天主要介绍了机器视觉的应用及概述,希望大家对机器视觉有一个大概的了解,那我也不枉此行了.
下回继续分享,请大家持续关注.有问题可以留言哦.