第10章 智能视觉开发平台.pptx

第10章 智能视觉开发平台;10.1 智能视觉技术的主要应用;　　基于机器视觉的工业机器人引导技术主要应用于产品组装、零件分拣和自动焊接或点胶等任务中。基于机器视觉的工业机器人通过摄像头和机器人的手臂可以完成高难度的组装工作,工人在组装产品之前可以先将产品零件的大小和尺寸输入到系统当中,系统会自动将数据信息存储。在组装时,系统通过摄像机来识别对应的零件,然后通过机器人的手臂来定位抓取零件,从而完成组装工作。基于机器视觉的工业机器人还可以通过一系列步骤来完成零件分拣工作。首;　　先利用摄像机拍摄零件,然后将图像传输至系统中,再通过图像处理技术来处理图像,从而提取图像中的信息。系统会自动将零件分拣到不同位置,并且会把形状不完整的零件当作废件处理,有效地提高了分拣的效率。基于机器视觉的工业机器人也可以通过准确定位图像中的目标来引导机械臂对目标进行精确的操作,其可应用于流水线的静态和动态目标识别场景,可以适应各类不同形状和光照条件下的视觉定位需求,图10-1为机器人引导系统框架。;;　　如图10-2所示,机器人引导系统一般由相机、光源、平台、机械臂以及控制分析系统组成,通过相机捕获平台上的目标物体,经控制分析系统分析后发出控制信号,引导机械手进行精确对位。视觉引导系统框架如图10-1所示,在进行引导任务时,通过相机获取目标物体图像,进行物体搜索;确定物体位置后,系统需要先对机械臂进行路径规划,最终定位到目标物体。;;10.1.2 字符识别　　字符识别是模式识别的一种,模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,并对事物或现象进行描述、辨认、分类和解释的过程。　　如图10-3所示,图片表面上的字符包括大小写英文字母、数字,它们的组合可以存储不同的信息,用于标记或区分产品。为了保证字符印刷的准确性,字符识别在工业应用中尤为重要。;;　　字符识别的过程包括两个步骤:一是将图像中识别区域的单个字符分割出来;二是将分割得到的字符进行分类,得到对应的符号标记。字符识别首先是生成字符模板,提取字符模板特征,再对分割到的单个字符进行识别。对字符识别的方法通常有模板匹配、聚类、神经网络以及支持向量机等。图10-4为字符识别步骤的基本流程图。图10-5是一个简单的字符识别例子。;;;10.1.3 颜色检测　　传统的机器视觉系统大部分是基于灰度图像进行图像处理,如果检测颜色则需要选择彩色相机,因为彩色相机可以还原物体的真实色彩。彩色图像的颜色模型有很多种形式,如 RGB、YUV、HSV、CMYK,其中在图像处理中以 RGB最为直观,而 HSV 更符合人眼的颜色分辨规律,颜色检测通常在 HSV 颜色空间下进行。H(色调)用角度度量,取值范围为0°~360°,从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°;它们的补色是黄色为60°,青色为180°,品红为300°。S(饱和度)的取值范围为0~255。V(亮度)的取值范围为0(黑色)~255(白色)。图10-6为 HSV 颜色空间。;;　　图10-7为颜色检测基本流程图。对于颜色检测系统,首先需要通过彩色相机捕获物体图像,将彩色图像转化到灰度图像做特征定位,定位到检测区域后在原图像上做颜色处理。一般的颜色处理会在 HSV 颜色空间内进行。若相机的输出为 RGB颜色空间还需要进行 RGB到 HSV 颜色空间的转换,再从颜色空间中抽取某个特征颜色进行进一步的分析。;;10.1.4 尺寸测量　　基于机器视觉的尺寸测量方法具有成本低、精度高、安装简易等优点,其非接触性、实时性、灵活性和精确性等特点可以有效地解决传统检测方法存在的问题。另外,基于机器视觉的尺寸测量方法不但可以获得尺寸参数,还可以根据测量结果及时给出反馈信息,修正加工参数。尺寸测量可以用于检测零件的各种尺寸,如长度、圆、角度等。图10-8为尺寸测量的基本流程图。;;10.1.5 缺陷检测　　产品缺陷检测方法可以分为三种。　　第一种是人工检测法,这种方法不仅成本高,而且在对微小缺陷进行判别时,难以达到所需要的精度和速度,还存在劳动强度大、检测标准一致性差等缺点。　　第二种是机械装置接触检测法,这种方法虽然在质量上能满足生产的需要,但存在检测设备价格高、灵活性差、速度慢等缺点。　　第三种是机器视觉检测法,即利用图像处理和分析对产品可能存在的缺陷进行检测,这种方法采用非接触的工作方式,安装灵活,测量精度和速度都比较高。;　　机器视觉缺陷检测软件通过对目标表面图像进行预处理,并与标准图像对比,找到其中存在的缺陷,然后识别并判断缺陷种类和严重程度,对产品进行分类分级处理。图10-9是利用机器视觉技术完成对工业产品中的一些常见缺陷检测实例,缺陷类型包括纺织品上的