改善机器视觉系统的十大方法
点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
着全球制造市场的竞争日益激烈，企业需确保以最高效率运营显得很重要的。由于过程相关故障导致的停机时间被认为是非增值停机时间，直接影响公司的盈利能力。机器视觉是一个新兴领域，如果设置正确，可以减少过程效率低下。任何使用机器视觉作为机器人引导或检查的设施都应重视这一领域，以寻求可能的改进。在机器视觉系统中如果没有适当的设置，可能会导致机器视觉过程的非增值停机，下面是特别需要注意改善的十个方面：
1)照明技术-正确的照明技术应该用来照亮需要检测的区域。背光、亮场、掠射、低角度线性阵列和暗场等光照技术是机器视觉鲁棒性最关键的方面。根据零件表面光洁度和轮廓，正确的照明技术可以增强缺陷或去除图像噪声，提高系统的效率和稳定性。这样做的目的是为了选择一种能够产生最大对比度(从黑色到白色像素)的光照技术。此外，对比度需要与正在测量或检查的内容直接相关。
2)照明颜色-应考虑每个特定部分或应用所用的灯光颜色。频率是每秒振荡的次数，而波长是波在同一位置上两点之间的距离。每种不同的紫外、蓝、绿、黄、红、红外光谱都有不同的照明频率和波长。这些变化会影响物体和相机的表面在光线进入时的反应。其目的是利用能产生最大对比度和消除图像中噪声的光频率。例如，金属零件有时可以被引入到一个系统中，该系统有一层薄薄的油或表面轻微氧化，这取决于它们是如何存储的。当这两种类型的零件都被引入检查系统时，使用光的频率来减少波动量是很重要的。
3)使用滤光片滤光片，消除背景和架空照明噪声等严重的环境干扰。通过简单地在相机镜头上放置一个与照亮该部件的光的频率匹配的滤波器，可以消除环境照明干扰。
4)镜头-视场(FOV)和感兴趣区域(ROI)，包括所需的像素精度，起着重要的作用。正确的焦距镜头将决定机器视觉系统所能看到的区域的大小，并最终决定所收集的所有信息。计算太大的FOV将导致更少的细节和准确性，而计算太小的FOV可能导致检查失败，因为部分或对象在摄像机的视线之外。在计算FOV时，重要的是在决定哪个焦距镜头最适合应用之前，先确定零件或物体的最大ROI和该区域的最大可接受误差。有时这些因素可能会受到相机到物体的工作距离或高度的限制，所以在构建系统之前需要考虑所有这些因素。
5)定位——重要的是要知道部件或应用程序的公差太宽，不允许对部件进行重复检测。当一个部件移出相机视野时，会导致系统不稳定。应该使用某种类型的物理夹具来限制物体或感兴趣的部分的运动。如果部件移出相机视图，就会发生故障，增加不必要的停机时间。通过提供零件的粗略位置，可以消除这种不稳定性，确保零件每次都能重复出现在机器视觉系统中。
6)校准-拥有母版夹具或校准程序，可对系统进行适当校准，确保其符合设备的质量标准。
7）特征和基准——为了正确地检查图像，基准——在每次检查中发现的唯一特征——可以在检查时用作视觉工具的参考点，或者用来检测图像中是否存在正确的部分。
8)分辨率-分辨率决定了视觉系统的可重复性;它允许将像素的大小量化为测量值。确定系统的分辨率很重要，因为它决定了检查的准确性和可重复性。特别是在质量测量检测和机器人导引方面需要考虑的解决方案。一些软件可以提高分辨率，精度可达到亚像素。
9)稳定性——在设置机器视觉传感器时，重要的是要保护摄像系统和灯光不受移动的影响。这些项目是系统校准的目标。为了尽量减少移动或干扰，明智的做法是将摄像机和照明灯放置在振动小或没有振动和交通的地方。
10)测试——定期对系统进行检查，确认缺陷部件是否被系统捕获和拒绝。可以在系统中直接构建一个测试过程，以简化该过程。有缺陷的测试部件可以在任何时候放置到系统中，以验证系统的适当功能。
好消息，小白学视觉团队的知识星球开通啦，为了感谢大家的支持与厚爱，团队决定将价值149元的知识星球现时免费加入。各位小伙伴们要抓住机会哦！
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~