工业物联网机器视觉技术要求.docxVIP

1

工业物联网机器视觉技术要求

1范围

本标准规定了工业物联网机器视觉的术语和定义、结构模型与系统构成、机器视觉关键技术、技术流程要求、性能要求、机器视觉应用要求、表面缺陷检测要求等方面的规则。

本标准适用于以工业物联网为基础的机器视觉应用智能制造领域。

2术语和定义

下列术语和定义适用于本文件。

2.1

工业物联网Industrialinternetofthings

工业物联网是将具有感知、监控能力的各类采集、控制传感器或控制器，以及移动通信、智能分析等技术不断融入到工业生产过程的各个环节。

2.2

机器视觉Machinevision

机器视觉主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。

3结构模型与系统构成

3.1结构模型

机器视觉的结构模型如图1所示。

图1机器视觉的结构模型

2

3.2硬件系统

3.2.1硬件系统是支持机器视觉技术实施的必备条件，主要负责接收任务，并严格按照机器视觉技术的指令组织活动。

3.2.2硬件系统应包含：适宜视觉识别的光源、摄像头、图像捕获卡、图像处理软件、监视器、通信等。

3.3视觉识别系统

3.3.1图像采集

数据采集通过输入设备或传感器，对所需图像进行采集与处理，应根据需求采集具体特征信息，将其转化为适合视觉识别系统进行处理的形式，实现信息的转换。

3.3.2图像处理

3.3.2.1图像处理通过数据采集接收原始数据，将图像转化成所需要的训练样本，包含数据中间样本处理、图像特征提取、质量控制功能。

3.3.2.2图像中间样本处理功能针对图像进行修剪、下采样、归一化，转换成图像交换格式标准以及图像增强等处理操作，形成图像中间样本。

3.3.2.3质量控制拒绝接受样本时，图像采集可能需要采集新的样本。

3.3.2.4图像特征提取功能针对经过标准化处理的图像中间样本分离并输出可重复性和辨别性的数值或标记，形成图像样本，并将其提交给匹配过程。

3.3.2.5一旦图像数据已经处理，通过已经处理的数据或模板重构原始图像数据是不可行

的。

3.3.3模型训练

3.3.3.1应根据已知的数据，推理出假设模型，尽量让模型的预测和输出与已知的一样。

3.3.3.2通过评价指标衡量模型训练的结果。使用损失函数作为模型的衡量指标，通过最小化损失函数求解和评估模型。

3.3.3.3通过优化、求解算法，在所有的假设中，将符合的假设找出来，为优化过程寻解

算法。

3.3.4存储

3.3.4.1应具备特征存储管理功能，包括但不限于只允许合法权限的实体录入、访问、读取或删除特征，存储模块中的特征数据。

3.3.4.2应根据系统架构和预期的功能，可为单个特征保存一个或大量的模板。

3.3.5传输

传输部分实现各模块节点或子系统以及其他信息系统间的通讯与数据传送。传输可在任何两个组件之间进行，各组件物理上并非配置在同一抗篡改的安全模块内，依赖于具体产品

3

的实施机制，同时在某些系统中不存在传输。

4机器视觉关键技术

4.1图像增强

图像的增强用于调整图像的对比度，突出图像中的重要细节，改善视觉质量。通常采用灰度直方图修改技术进行图像增强。

4.2图像预处理

4.2.1为了消除外界环境对图像采集的干扰，应对图像进行预处理，可通过图像分析和识别等手段，消除使图像质量恶化的因素，使采集到的图像能够更有效地用于有效信息的提取。

4.2.2图像预处理可以使用如下几种降噪手段：

a)均值滤波：是一种线性滤波算法，用图片中目标像素周围8个像素的平均值来代替该像素自身，从而达到降噪效果。

b)中值滤波：是一种基于统计排序理论的非线性滤波算法，其将待处理的像素点用周围的8个或者24个像素点中的中值进行替换，从而达到降噪的目的。

c)高斯滤波：是一种线性平滑滤波算法，用于处理高斯噪声，将待处理的像素点用周围其他像素点的加权平均值代替。高斯滤波处理对于服从正态分布的噪声特别有效。

4.3图像分割

4.3.1图像分割是图像处理和计算机视觉领域的基本工作，按照图像的灰度、颜色、纹理、形状等特征，将图像分割成若干区域，区域内部具有高度的相似性，不同的区域呈现互异的特征。

4.3.2图像分割的算法应包括：

a)全局能量最小化方法，如模拟退火方法、动态规划方法、图论方法等。

b)局部能量最小化方法，如变分方法、ICM方法等。

4.4图像识别

图像识别基于图像特征分析、运动分析、模式匹配等，主要的途径应包括：

a)基于图像分割