国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于機(jī)器視覺(jué)的缺陷檢測(cè)與識(shí)別方法研究

2019-10-20 20:06吳茂寧
關(guān)鍵詞:機(jī)器視覺(jué)

吳茂寧

【摘 要】隨著工業(yè)生產(chǎn)自動(dòng)化程度越來(lái)越高,在保證了生產(chǎn)效率的同時(shí),產(chǎn)品存在缺陷問(wèn)題依舊困擾著許多工業(yè)生產(chǎn)制造商。此外,隨著人們生活水平的日漸改善,消費(fèi)者們對(duì)產(chǎn)品質(zhì)量的要求也在不斷提高。目前大多數(shù)生產(chǎn)廠商仍采用人工方法檢測(cè)識(shí)別缺陷產(chǎn)品,這樣不僅拉低了生產(chǎn)效率、還容易漏檢的情況,浪費(fèi)大量人力、物力資源。

【關(guān)鍵詞】機(jī)器視覺(jué);缺陷檢測(cè);識(shí)別方法

引言

隨著工業(yè)生產(chǎn)自動(dòng)化程度越來(lái)越高,在保證了生產(chǎn)效率的同時(shí),產(chǎn)品存在缺陷問(wèn)題依舊困擾著許多工業(yè)生產(chǎn)制造商。此外,隨著人們生活水平的日漸改善,消費(fèi)者們對(duì)產(chǎn)品質(zhì)量的要求也在不斷提高。目前大多數(shù)生產(chǎn)廠商仍采用人工方法檢測(cè)識(shí)別缺陷產(chǎn)品,這樣不僅拉低了生產(chǎn)效率、還容易漏檢的情況,浪費(fèi)大量人力、物力資源。此外,采用機(jī)器視覺(jué)方法還擁有以下優(yōu)勢(shì):(1)機(jī)器視覺(jué)檢測(cè)具有可重復(fù)性和較高可靠性特點(diǎn),避免了因人工長(zhǎng)時(shí)間重復(fù)檢測(cè)單一產(chǎn)品而疲勞,導(dǎo)致產(chǎn)品缺陷檢測(cè)可靠性下降。(2)當(dāng)檢測(cè)環(huán)境惡劣,人工檢測(cè)存在安全隱患的情況下,采用基于機(jī)器視覺(jué)的方法進(jìn)行檢測(cè)可避免人員因工作環(huán)境而受到傷害。(3)采用機(jī)器視覺(jué)缺陷檢測(cè)系統(tǒng)方法進(jìn)行產(chǎn)品缺陷檢測(cè),不但可以檢測(cè)出有缺陷的產(chǎn)品,還可以對(duì)有缺陷的產(chǎn)品進(jìn)行記錄、統(tǒng)計(jì)和分析,方便其日常管理。機(jī)器視覺(jué)作為智能檢測(cè)手段,未來(lái)在生產(chǎn)線質(zhì)量鑒定環(huán)節(jié)將逐步取代人工成為主流方法。

1 機(jī)器視覺(jué)與機(jī)器視覺(jué)檢測(cè)概述

1.1機(jī)器視覺(jué)概述

機(jī)器視覺(jué)是指讓計(jì)算機(jī)模擬人的視覺(jué)系統(tǒng)功能,使其能夠通過(guò)圖像就可以認(rèn)知周圍環(huán)境的一種科學(xué)技術(shù),目的是希望該技術(shù)能夠代替人眼來(lái)完成測(cè)量和判斷等任務(wù)。機(jī)器視覺(jué)系統(tǒng)是指利用圖像攝取裝置采集目標(biāo)的圖像信號(hào),并傳送給圖像處理系統(tǒng)獲取其形態(tài)信息,根據(jù)圖像中像素分布、亮度、顏色等信息,將圖像信號(hào)轉(zhuǎn)變成數(shù)字信號(hào)。以模式識(shí)別、圖像處理、人工智能、計(jì)算機(jī)科學(xué)等學(xué)科為理論依據(jù),機(jī)器視覺(jué)通過(guò)讓計(jì)算機(jī)對(duì)采集到圖像進(jìn)行處理并加以理解,從而對(duì)人的一些智能行為加以模擬。在大批量工業(yè)生產(chǎn)過(guò)程中,機(jī)器視覺(jué)系統(tǒng)在處理精度、成本效率、信息獲取速度以及自動(dòng)化處理等方面都有著出色表現(xiàn),大大提高了工業(yè)生產(chǎn)效率。同時(shí)一臺(tái)機(jī)器可承擔(dān)多人任務(wù)連續(xù)工作、無(wú)須停頓,生產(chǎn)的自動(dòng)化程度也會(huì)大大提高;此外許多危險(xiǎn)環(huán)境如高空、水下等場(chǎng)合,不適合人工作業(yè)或人眼視覺(jué)能力難以完成作業(yè)任務(wù),采用機(jī)器視覺(jué)來(lái)完成工作就可以減少人力資源的損失并可達(dá)到人眼無(wú)法企及得能力;因此,機(jī)器視覺(jué)系統(tǒng)常被用來(lái)質(zhì)量監(jiān)測(cè)、尺寸測(cè)量以及裝配定位等場(chǎng)合,來(lái)提高工業(yè)生產(chǎn)的自動(dòng)化能力。

1.2機(jī)器視覺(jué)檢測(cè)概述

機(jī)器視覺(jué)檢測(cè)技術(shù)建立在機(jī)器視覺(jué)技術(shù)、光電測(cè)量原理基礎(chǔ)上,結(jié)合計(jì)算機(jī)科學(xué)和圖像處理等先進(jìn)的科學(xué)技術(shù),被生產(chǎn)商廣泛地應(yīng)用到工業(yè)生產(chǎn)制造中。當(dāng)對(duì)目標(biāo)進(jìn)行檢測(cè)時(shí),機(jī)器視覺(jué)檢測(cè)技術(shù)將圖像當(dāng)作傳遞信息的工具,首先運(yùn)用光電成像系統(tǒng)采集目標(biāo)圖像,然后用計(jì)算機(jī)或圖像處理模塊將圖像信號(hào)轉(zhuǎn)變?yōu)閿?shù)字信號(hào),再?gòu)闹刑崛〕鲇杏玫男畔⑷鐖D像的像素分布、顏色和亮度等,最后根據(jù)這些信息進(jìn)行尺寸、形狀、顏色等的判斷。

2機(jī)器視覺(jué)檢測(cè)發(fā)展趨勢(shì)

機(jī)器視覺(jué)技術(shù)由于具有較高的自動(dòng)化程度和成本低等諸多優(yōu)點(diǎn),順應(yīng)了現(xiàn)代制造業(yè)發(fā)展的要求,因此被廣泛應(yīng)用到各種工業(yè)視覺(jué)領(lǐng)域。但由于目前機(jī)器視覺(jué)檢測(cè)技術(shù)的理論體系還不夠完善。鑒于機(jī)器視覺(jué)的處理速度和精度還無(wú)法滿足自動(dòng)化工業(yè)生產(chǎn)的需求,因此仍需人們投入大量精力去研究。機(jī)器視覺(jué)檢測(cè)的發(fā)展趨勢(shì)主要體現(xiàn)在一下幾個(gè)方面:(1)實(shí)時(shí)檢測(cè)視覺(jué)信息:由于高計(jì)算復(fù)雜度,機(jī)器視覺(jué)的實(shí)時(shí)性難以保證,運(yùn)用多處理單元并行結(jié)構(gòu),組成視覺(jué)檢測(cè)大型網(wǎng)絡(luò),并改進(jìn)算法最終移植到可移動(dòng)嵌入式。(2)視覺(jué)信息融合:通過(guò)將多種視覺(jué)信息進(jìn)行融合,來(lái)彌補(bǔ)單目視覺(jué)獲取信息不足的缺點(diǎn),實(shí)現(xiàn)對(duì)復(fù)雜客觀世界的認(rèn)知。(3)系統(tǒng)集成性:將機(jī)器視覺(jué)系統(tǒng)與其他控制或測(cè)試系統(tǒng)結(jié)合在一起的一體化系統(tǒng)是未來(lái)工業(yè)自動(dòng)化系統(tǒng)的發(fā)展趨勢(shì)。(4)新理論與新算法研究:近年來(lái),神經(jīng)網(wǎng)絡(luò)等算法的提出為機(jī)器視覺(jué)引入了新鮮血液,未來(lái)圖像處理與模式識(shí)別等領(lǐng)域中新理論與新算法的出現(xiàn)將推動(dòng)機(jī)器視覺(jué)檢測(cè)技術(shù)繼續(xù)向前發(fā)展。

3缺陷檢測(cè)識(shí)別方法

3.1 特征選擇

3.1.1 SIFT 特征

SIFT(Scale-invariant feature transform)特征是一種用來(lái)描述圖像中局部特征的算法。該算法于1999年由David Lowe發(fā)表提出,在2004年被完善。用SIFT提取得到的點(diǎn)擁有旋轉(zhuǎn)、尺度縮放不變性,且對(duì)仿射變換及噪聲保有穩(wěn)定性,通常情況下,這些特征點(diǎn)位于圖像中的拐角和邊緣。以下是SIFT特征提取的主要步驟:

(1)尺度空間極值點(diǎn)檢測(cè):

構(gòu)造尺度空間是用不同的高斯函數(shù)對(duì)原始圖像進(jìn)行卷積處理得到的不同模糊結(jié)果的集合。自然界中隨觀測(cè)尺度的改變,物體表現(xiàn)的形態(tài)也不盡相同。例如樹這個(gè)概念,當(dāng)我們?cè)谝悦诪閱挝坏亩攘砍叨热ビ^察才能感知到它是樹,而當(dāng)我們?cè)趲桌迕谆驇浊椎木嚯x去觀察感知到的則是樹葉或森林的概念。在尺度空間中,圖像的分辨率逐漸變小,類似于人漸漸遠(yuǎn)離目標(biāo)時(shí),目標(biāo)在視網(wǎng)膜上成像的過(guò)程,距離越遠(yuǎn)成像越模糊。

(2)特征點(diǎn)定位

對(duì)前一步驟中得到的關(guān)鍵點(diǎn)進(jìn)行篩選,通過(guò)對(duì)這些關(guān)鍵點(diǎn)周圍像素位置、尺度和主曲率比的擬合來(lái)確定其位置和尺度,篩掉對(duì)比度低的點(diǎn)和不穩(wěn)定的邊緣點(diǎn)。

(3)方向確定

在特征點(diǎn)的360°鄰域窗口采樣,將360°圓周梯度平均劃分8個(gè)角度區(qū)間,每個(gè)角度為45°,按單個(gè)角度區(qū)間內(nèi)像素點(diǎn)梯度的幅值和方向進(jìn)行統(tǒng)計(jì),其結(jié)果即為梯度方向直方圖,且峰值就代表特征點(diǎn)的主方向。

3.1.2 HOG 特征

方向梯度直方圖特征(Histogram of Oriented Gradient,HOG)是一種通過(guò)計(jì)算圖像局部區(qū)域的梯度方向直方圖得到的特征描述子。在機(jī)器視覺(jué)和圖像處理領(lǐng)域中,該特征常與SVM分類器組合被用來(lái)完成各種檢測(cè)識(shí)別任務(wù)。2005年法國(guó)Dalal首次提出采用HOG+SVM的方法對(duì)行人進(jìn)行檢測(cè),迄今為止雖然仍有許多行人檢測(cè)方法不斷被提出,但大多都是建立在HOG+SVM基礎(chǔ)上改進(jìn)的方法。

3.2 分類器

3.2.1 SVM 分類器

傳統(tǒng)的學(xué)習(xí)多是在經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的基礎(chǔ)上尋找一個(gè)最優(yōu)函數(shù),使該函數(shù)對(duì)輸入樣本的估計(jì)與樣本實(shí)際輸出間的期望風(fēng)險(xiǎn)達(dá)到最小化?;诮?jīng)驗(yàn)風(fēng)險(xiǎn)最小化的學(xué)習(xí)算法與樣本數(shù)據(jù)量有很大的相關(guān)性,樣本數(shù)據(jù)越多,對(duì)樣本分布的估計(jì)就越準(zhǔn)確。

3.2.2 Adaboost分類器

Adaboost(Adaptive Boosting,自適應(yīng)增強(qiáng)),由Yoav Freund和

Robert Schapire于1995年提出。機(jī)器學(xué)習(xí)問(wèn)題中常常會(huì)出現(xiàn)每個(gè)樣本包含多維度特征,這種情況被稱為著維數(shù)災(zāi)難(curse of dimensionality)。

結(jié)束語(yǔ)

綜上所述,為了改善人工質(zhì)檢帶來(lái)的問(wèn)題,在生產(chǎn)線質(zhì)量監(jiān)測(cè)環(huán)節(jié)采用機(jī)器視覺(jué)、模式識(shí)別的智能檢測(cè)手段來(lái)取代人工方法已成為工業(yè)生產(chǎn)發(fā)展的必然趨勢(shì)。

參考文獻(xiàn):

[1]潘堅(jiān)躍,麻立群,彭斌等.人體及穿戴特征識(shí)別在電力設(shè)施監(jiān)控中的應(yīng)用[J].電子設(shè)計(jì)工程,2015(10):68–71.

[2]李楊.基于機(jī)器視覺(jué)和人工神經(jīng)網(wǎng)絡(luò)的微小軸承表面缺陷識(shí)別及檢測(cè)技術(shù)研究[D].吉林大學(xué),2008.

[3]張曉波,劉文耀,王兵振等.汽車制動(dòng)閥內(nèi)底面質(zhì)量檢測(cè)儀的設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制,2005(06):615–617.

猜你喜歡
機(jī)器視覺(jué)
基于芯片點(diǎn)膠系統(tǒng)的視覺(jué)檢測(cè)技術(shù)研究
全自動(dòng)模擬目標(biāo)搜救系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
基于機(jī)器視覺(jué)的自動(dòng)澆注機(jī)控制系統(tǒng)的研究
大場(chǎng)景三維激光掃描儀在研究生實(shí)踐教學(xué)培養(yǎng)中的應(yīng)用
基于機(jī)器視覺(jué)的工件鋸片缺陷檢測(cè)系統(tǒng)設(shè)計(jì)
基于機(jī)器視覺(jué)技術(shù)的動(dòng)態(tài)“白帶”常規(guī)檢測(cè)系統(tǒng)的開(kāi)發(fā)
對(duì)激光切割機(jī)的改進(jìn)
人工智能在高校圖書館的預(yù)期
基于車牌識(shí)別的機(jī)器視覺(jué)課程研究
機(jī)器視覺(jué)技術(shù)在煙支鋼印檢測(cè)中的應(yīng)用
清徐县| 吴江市| 临洮县| 安塞县| 晋宁县| 新干县| 博湖县| 阳信县| 广西| 桐城市| 定安县| 昭苏县| 天气| 平谷区| 巍山| 淳化县| 富川| 恭城| 白水县| 治多县| 汉源县| 松阳县| 蒙山县| 开化县| 昌黎县| 平果县| 句容市| 隆德县| 东明县| 同心县| 高邮市| 泾阳县| 乌拉特后旗| 香港 | 平谷区| 宝坻区| 永州市| 怀集县| 武冈市| 涟水县| 时尚|