雖然深度學(xué)習(xí)，人工智能和認(rèn)知系統(tǒng)的概念并不新鮮，但也是近些年它們才真正應(yīng)用于機(jī)器視覺(jué)系統(tǒng)。隨著機(jī)器視覺(jué)技術(shù)的不斷發(fā)展，系統(tǒng)在不需要計(jì)算機(jī)編程的情況下也可以具有分析和分類對(duì)象的能力。而人工智能（AI）和深度學(xué)習(xí)是推動(dòng)機(jī)器視覺(jué)發(fā)展的重要技術(shù)手段。然而，描述這些概念背后的潛在科學(xué)更為簡(jiǎn)單。例如，在傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)中，可能需要讀取零件上的條形碼、判斷其尺寸或檢查其是否有缺陷。為此，系統(tǒng)集成商通常使用現(xiàn)成的軟件，這些軟件提供了標(biāo)準(zhǔn)工具。例如，可以部署這些工具來(lái)確定數(shù)據(jù)矩陣代碼，或者使用圖形用戶界面來(lái)測(cè)量零件尺寸的工具集。因此，部件的測(cè)量可以分為好或壞，這取決于它們是否符合某些預(yù)定標(biāo)準(zhǔn)。與這...

這是三個(gè)定位點(diǎn)，圖形旋轉(zhuǎn)也不影響識(shí)別?，F(xiàn)在常見(jiàn)的二維碼是OR二維碼（OR是一種碼制），我們便以它為例。我們看一個(gè)二維碼，較早看到的當(dāng)然是幾何圖形。這些圖形中，藏了不少重要的“部件”。首先，OR二維碼的三個(gè)“角”上有三個(gè)方塊，它叫位置探測(cè)圖形。有了這三個(gè)點(diǎn)，不管是從哪個(gè)方向讀取二維碼，信息都可以被識(shí)別。即使將二維碼圖形旋轉(zhuǎn)，也可以識(shí)別。也許你會(huì)問(wèn)，為什么不是四個(gè)角上都有方塊呢？事實(shí)上，是可以設(shè)更多的點(diǎn)，但幾何知識(shí)告訴我們，3點(diǎn)就可以確定一個(gè)平面，節(jié)省出的一個(gè)角可以嵌入更多信息。另外，二維碼上還有一些圖形混雜在幾何圖形中，是肉眼看不出來(lái)的，比如定位圖形和分隔符。定位圖形就是圖中連接三個(gè)位置...

基于神經(jīng)網(wǎng)絡(luò)的工具通常用于確定零件的存在或圖像中的物體是好是壞。這些工具屬于一組稱為圖像分類器的算法，從基于實(shí)例的分類器(如k-nearestneighbor(k-NN))到?jīng)Q策樹(shù)分類器。在JasonBrownlee2013年11月的《機(jī)器學(xué)習(xí)算法之旅》(ATourofMachineLearningAlgorithms)中可以找到不同類型分類器的圖表。其中許多可以用于機(jī)器視覺(jué)應(yīng)用程序。MVTecSoftware已經(jīng)在其HALCON軟件包中提供了預(yù)先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SVM)、高斯混合模型(GMM)和k-NN分類器。需要注意的是，深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練從無(wú)到有，每一個(gè)錯(cuò)誤類別都需要幾十萬(wàn)...

全自動(dòng)CCD光學(xué)檢測(cè)分選機(jī)設(shè)備優(yōu)勢(shì)用CCD光學(xué)分選設(shè)備檢測(cè)螺絲等小五金工件的好處：1、非接觸測(cè)量，對(duì)于觀測(cè)者與被觀測(cè)者都不會(huì)產(chǎn)生任何損傷，從而提高系統(tǒng)的可靠性。2、具有較寬的光譜響應(yīng)范圍，例如使用人眼看不見(jiàn)的紅外測(cè)量，擴(kuò)展了人眼的視覺(jué)范圍。3、長(zhǎng)時(shí)間穩(wěn)定工作，人類難以長(zhǎng)時(shí)間對(duì)同一對(duì)象進(jìn)行觀察，而機(jī)器視覺(jué)則可以長(zhǎng)時(shí)間地作測(cè)量、分析和識(shí)別任務(wù)。4、利用了機(jī)器視覺(jué)解決方案，可以節(jié)省大量勞動(dòng)力資源，為公司帶來(lái)可觀利益。5、自動(dòng)化程度高，有利于提升企業(yè)的形象。什么是機(jī)器視覺(jué)（CCD）引導(dǎo)？昆明自動(dòng)檢測(cè)系統(tǒng)定制 平面條紋光源使用平面條紋式照明，通過(guò)反射的光線相互干涉而形成明暗相間的干涉直條紋，當(dāng)...

基于神經(jīng)網(wǎng)絡(luò)的工具通常用于確定零件的存在或圖像中的物體是好是壞。這些工具屬于一組稱為圖像分類器的算法，從基于實(shí)例的分類器(如k-nearestneighbor(k-NN))到?jīng)Q策樹(shù)分類器。在JasonBrownlee2013年11月的《機(jī)器學(xué)習(xí)算法之旅》(ATourofMachineLearningAlgorithms)中可以找到不同類型分類器的圖表。其中許多可以用于機(jī)器視覺(jué)應(yīng)用程序。MVTecSoftware已經(jīng)在其HALCON軟件包中提供了預(yù)先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SVM)、高斯混合模型(GMM)和k-NN分類器。需要注意的是，深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練從無(wú)到有，每一個(gè)錯(cuò)誤類別都需要幾十萬(wàn)...

識(shí)別方法現(xiàn)在我們只想單純地想對(duì)字符進(jìn)行識(shí)別，那方法會(huì)有哪些呢？我列了一下可以采取的策略：使用谷歌開(kāi)源OCR引擎Tesseract使用大公司的OCR開(kāi)放平臺(tái)（比如百度），使用他們的字符識(shí)別API傳統(tǒng)方法做字符的特征提取，輸入分類器，得出OCR模型的字符模板匹配法大殺器：基于深度學(xué)習(xí)下的CNN字符識(shí)別上面提到的OCR方法都有其有點(diǎn)和缺點(diǎn)，也正如此，他們也有各自特別適合的應(yīng)用場(chǎng)景。首先說(shuō)開(kāi)源OCR引擎Tesseract。搞字符識(shí)別的童鞋應(yīng)該都聽(tīng)說(shuō)過(guò)Tesseract這個(gè)東西，這是谷歌維護(hù)的一個(gè)OCR引擎，它已經(jīng)有一段相當(dāng)悠久的歷史了。Tesseract現(xiàn)在的版本已經(jīng)支持識(shí)別很多種語(yǔ)言了，當(dāng)然...

基于神經(jīng)網(wǎng)絡(luò)的工具通常用于確定零件的存在或圖像中的物體是好是壞。這些工具屬于一組稱為圖像分類器的算法，從基于實(shí)例的分類器(如k-nearestneighbor(k-NN))到?jīng)Q策樹(shù)分類器。在JasonBrownlee2013年11月的《機(jī)器學(xué)習(xí)算法之旅》(ATourofMachineLearningAlgorithms)中可以找到不同類型分類器的圖表。其中許多可以用于機(jī)器視覺(jué)應(yīng)用程序。MVTecSoftware已經(jīng)在其HALCON軟件包中提供了預(yù)先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SVM)、高斯混合模型(GMM)和k-NN分類器。需要注意的是，深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練從無(wú)到有，每一個(gè)錯(cuò)誤類別都需要幾十萬(wàn)...

在系統(tǒng)集成中，被測(cè)件的支撐方式、精密傳輸與定位裝置也必須精心設(shè)計(jì)，這牽涉到精密機(jī)械設(shè)計(jì)技術(shù)，這對(duì)平板顯示、硅片、半導(dǎo)體和MEMS等精密制造與組裝產(chǎn)業(yè)中的自動(dòng)光學(xué)檢測(cè)系統(tǒng)非常重要。在這些領(lǐng)域，制造過(guò)程通常在超凈間進(jìn)行，要求自動(dòng)光學(xué)檢測(cè)系統(tǒng)具有很高的自潔能力，對(duì)系統(tǒng)構(gòu)件的材料選型、氣動(dòng)及自動(dòng)化裝置選型、運(yùn)動(dòng)導(dǎo)軌的設(shè)計(jì)與器件選型都有嚴(yán)格要求，不能給生產(chǎn)環(huán)境尤其是被測(cè)工件本身帶來(lái)二次污染。尤其是用于表面缺陷檢測(cè)的AOI系統(tǒng)不能在檢測(cè)過(guò)程中，給被測(cè)件表面帶來(lái)缺陷（如粉塵、劃傷、靜電等）。因此，對(duì)于大型零件（如高世代的液晶玻璃基板、硅片等）的在線檢測(cè)，常常需要采取氣浮支撐、定位與傳輸機(jī)構(gòu)，運(yùn)動(dòng)...

語(yǔ)義分割方法在處理圖像時(shí)，具體到像素級(jí)別，也就是說(shuō)，該方法會(huì)將圖像中每個(gè)像素分配到某個(gè)對(duì)象類別。語(yǔ)義分割是一種典型的計(jì)算機(jī)視覺(jué)問(wèn)題，其涉及將一些原始數(shù)據(jù)（例如，平面圖像）作為輸入并將它們轉(zhuǎn)換為具有突出顯示的感興趣區(qū)域的掩模。許多人使用術(shù)語(yǔ)全像素語(yǔ)義分割，其中圖像中的每個(gè)像素根據(jù)其所屬的感興趣對(duì)象被分配類別ID。早期的計(jì)算機(jī)視覺(jué)問(wèn)題只發(fā)現(xiàn)邊緣（線條和曲線）或漸變等元素，但它們從未完全按照人類感知的方式提供像素級(jí)別的圖像理解。語(yǔ)義分割將屬于同一目標(biāo)的圖像部分聚集在一起來(lái)解決這個(gè)問(wèn)題，從而擴(kuò)展了其應(yīng)用領(lǐng)域。語(yǔ)義分割問(wèn)題也可以被認(rèn)為是分類問(wèn)題，其中每個(gè)像素被分類為來(lái)自一系列對(duì)象類中的某一個(gè)...

其實(shí)CCD機(jī)器視覺(jué)尺寸測(cè)量是基于相對(duì)測(cè)量方法，通過(guò)可追溯性、放大校準(zhǔn)、自動(dòng)邊緣提升和屏幕圖像測(cè)量來(lái)計(jì)算實(shí)際尺寸。在精密測(cè)量中，放大倍數(shù)必須達(dá)到35倍或更高，才能達(dá)到微米級(jí)的精度。此時(shí)，視線寬度小于5mm。對(duì)于大于5mm的物體，這必須與位移分析讀數(shù)和窗口測(cè)量相結(jié)合。在工業(yè)品生產(chǎn)精細(xì)度、精密度要求越來(lái)越高的智能化、自動(dòng)化工業(yè)中，機(jī)器視覺(jué)系統(tǒng)在工業(yè)品檢測(cè)中是非常高效率的檢測(cè)方法。工業(yè)品生產(chǎn)后質(zhì)量檢驗(yàn)是產(chǎn)品流通前的重要環(huán)節(jié)。機(jī)器視覺(jué)在工業(yè)品檢測(cè)方面有其獨(dú)特的技術(shù)優(yōu)勢(shì)，可以降低人工成本，給企業(yè)帶來(lái)可觀的效益。工業(yè)相機(jī)鏡頭有哪些分類？重慶機(jī)器視覺(jué)自動(dòng)檢測(cè)系統(tǒng)多少錢 在如今機(jī)器視覺(jué)表面瑕疵檢測(cè)系統(tǒng)主流...

針對(duì)大面積大視野的樣品檢測(cè)，條形光源和背光源是優(yōu)先光源。大尺寸背光源，通過(guò)LED的高密度排列，提供高均勻性與高亮度的照明效果，能突出物體的外形輪廓等特征。而條光的指向性強(qiáng)且光線均勻，通過(guò)調(diào)整角度或者多個(gè)條光組合可檢測(cè)較大面積的外觀缺陷。針對(duì)磨砂材質(zhì)的表面缺陷，可使用指向性好的光源。指向性好的光源可以突出材料表面的顆粒感；相比之下，漫射光源則會(huì)使外觀缺陷的成像圖沒(méi)有對(duì)比度。針對(duì)部分需要分多次拍照且有速度要求的樣品，需使用高亮光源。多工位多次拍攝成像的外觀檢測(cè)，需使用頻閃拍照系統(tǒng)，且光源體積要小，重量要輕。交叉線形光源傳統(tǒng)線形光源，多應(yīng)用于高速大幅面樣品的識(shí)別、定位、缺陷檢測(cè)及尺寸測(cè)量等檢...

雖然深度學(xué)習(xí)，人工智能和認(rèn)知系統(tǒng)的概念并不新鮮，但也是近些年它們才真正應(yīng)用于機(jī)器視覺(jué)系統(tǒng)。隨著機(jī)器視覺(jué)技術(shù)的不斷發(fā)展，系統(tǒng)在不需要計(jì)算機(jī)編程的情況下也可以具有分析和分類對(duì)象的能力。而人工智能（AI）和深度學(xué)習(xí)是推動(dòng)機(jī)器視覺(jué)發(fā)展的重要技術(shù)手段。然而，描述這些概念背后的潛在科學(xué)更為簡(jiǎn)單。例如，在傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)中，可能需要讀取零件上的條形碼、判斷其尺寸或檢查其是否有缺陷。為此，系統(tǒng)集成商通常使用現(xiàn)成的軟件，這些軟件提供了標(biāo)準(zhǔn)工具。例如，可以部署這些工具來(lái)確定數(shù)據(jù)矩陣代碼，或者使用圖形用戶界面來(lái)測(cè)量零件尺寸的工具集。因此，部件的測(cè)量可以分為好或壞，這取決于它們是否符合某些預(yù)定標(biāo)準(zhǔn)。與這...

產(chǎn)品的外觀缺陷直接影響著產(chǎn)品的質(zhì)量問(wèn)題，而在檢測(cè)時(shí)，由于產(chǎn)品缺陷種類繁多且干擾因素眾多，導(dǎo)致產(chǎn)品的外觀缺陷檢測(cè)一直是機(jī)器視覺(jué)檢測(cè)中的難點(diǎn)。外觀缺陷檢測(cè)的難點(diǎn)外觀缺陷檢測(cè)的難點(diǎn)主要來(lái)自于產(chǎn)品本身以及檢測(cè)儀器的選擇，主要有以下幾大類：1）產(chǎn)品的多樣性，經(jīng)常使外觀檢測(cè)陷入困境；2）產(chǎn)品的外觀缺陷除了常見(jiàn)的劃痕、雜質(zhì)、裂紋等，還有易與背景融于一體的透明膠水輪廓檢測(cè)；3）反光物體通常會(huì)使圖像呈現(xiàn)大面積白斑，無(wú)法提取缺陷特征；4）圓弧面缺陷，受弧面的影響導(dǎo)致視野不能做大，如用明視野法，則成像光斑非常小；用暗視野成像則對(duì)于缺陷方向有局限性；5）部分產(chǎn)品表面由于材質(zhì)原因，灰塵、雜質(zhì)與劃痕難以區(qū)分檢...

AOI系統(tǒng)組成。目前在產(chǎn)業(yè)界用得較多的AOI系統(tǒng)是由相機(jī)、鏡頭、光源、計(jì)算機(jī)等通用器件集成的簡(jiǎn)單光學(xué)成像與處理系統(tǒng)。在光源照明下利用相機(jī)直接成像，然后由計(jì)算機(jī)處理實(shí)現(xiàn)檢測(cè)。這種簡(jiǎn)單系統(tǒng)的優(yōu)點(diǎn)是成本低、集成容易、技術(shù)門檻相對(duì)不高，在制造過(guò)程中能夠代替人工檢測(cè)，滿足多數(shù)場(chǎng)合的要求。但對(duì)于大幅面或復(fù)雜結(jié)構(gòu)物體的視覺(jué)檢測(cè)，由于受到視場(chǎng)和分辨率（或精度）的相互制約，或生產(chǎn)節(jié)拍對(duì)檢測(cè)速度有特殊的要求，單相機(jī)組成的AOI系統(tǒng)有時(shí)難以勝任，因此可能需要有多個(gè)基本單元集成在一起，協(xié)同工作，共同完成高難度檢測(cè)任務(wù)。即采取一種多傳感器成像、高速分布式處理的AOI系統(tǒng)集成架構(gòu)。表面缺陷AOI檢測(cè)系統(tǒng)的通用架構(gòu)...

如果按識(shí)別的內(nèi)容來(lái)分類，也就是按照識(shí)別的語(yǔ)言的分類的話，那么要識(shí)別的內(nèi)容將是人類的所有語(yǔ)言（漢語(yǔ)、英語(yǔ)、德語(yǔ)、法語(yǔ)等）。如果按照我們國(guó)人的需求，那識(shí)別的內(nèi)容就包括：漢字、英文字母、阿拉伯?dāng)?shù)字、常用標(biāo)點(diǎn)符號(hào)。根據(jù)要識(shí)別的內(nèi)容不同，識(shí)別的難度也各不相同。簡(jiǎn)單而言，識(shí)別數(shù)字是比較簡(jiǎn)單了，畢竟要識(shí)別的字符只有0~9，而英文字母識(shí)別要識(shí)別的字符有26個(gè)（如果算上大小寫的話那就52個(gè)），而中文識(shí)別，要識(shí)別的字符高達(dá)數(shù)千個(gè)（二級(jí)漢字一共6763個(gè)）！因?yàn)闈h字的字形各不相同，結(jié)構(gòu)非常復(fù)雜（比如帶偏旁的漢字）如果要將這些字符都比較準(zhǔn)確地識(shí)別出來(lái)，是一件相當(dāng)具有挑戰(zhàn)性的事情。但是，并不是所有應(yīng)用都需要識(shí)別...

平面條紋光源使用平面條紋式照明，通過(guò)反射的光線相互干涉而形成明暗相間的干涉直條紋，當(dāng)檢測(cè)物體表面有凹凸不平時(shí)，由于光程變化使得部分直條紋產(chǎn)生形變，以此來(lái)檢測(cè)元件表面的凹凸點(diǎn)及細(xì)小缺陷問(wèn)題。平面條紋光源可很好的彌補(bǔ)同軸光源難以檢測(cè)的凹凸點(diǎn)及細(xì)小缺陷不明顯的短板，適用于反光物體、膜材、五金件、玻璃上的凹凸點(diǎn)及細(xì)小缺陷的檢測(cè)。在實(shí)際應(yīng)用中，平面條紋光源以其獨(dú)特的發(fā)光原理，有著無(wú)可替代的成像優(yōu)勢(shì)。從上述案例中可以得知，只有根據(jù)產(chǎn)品的檢測(cè)需求以及產(chǎn)品的自身特性來(lái)選擇合適的光源，才能得到好的光學(xué)方案。隨著光源的種類不斷增多，在保證成像質(zhì)量的同時(shí)也朝著節(jié)省空間與成本的方向發(fā)展，同時(shí)很多檢測(cè)上的疑...

手機(jī)等移動(dòng)電子產(chǎn)品的玻璃蓋板的表面缺陷檢測(cè)，是當(dāng)下機(jī)器視覺(jué)的熱點(diǎn)應(yīng)用，也是難點(diǎn)應(yīng)用之一。針對(duì)玻璃蓋板表面的劃痕，分別使用普通線形光源和交叉線形光源對(duì)其進(jìn)行檢測(cè)（光源架設(shè)方向與運(yùn)動(dòng)方向垂直）。使用普通線光源檢測(cè)“橫向劃痕”時(shí)缺陷可見(jiàn)，使用普通線光源檢測(cè)“縱向劃痕”時(shí)缺陷不可見(jiàn)，使用交叉線光源檢測(cè)“縱向劃痕”時(shí)缺陷可見(jiàn)。因此，在實(shí)際檢測(cè)過(guò)程中，將普通線光源和交叉線光源配合使用，可以很好地檢出玻璃蓋板上的橫豎劃痕。這種方法可用于檢測(cè)玻璃蓋板、薄膜、金屬面等產(chǎn)品上的劃痕和條紋等缺陷。平面無(wú)影光源能提供高均勻度的漫射照明，可以消除產(chǎn)品表面不平整形成的干擾，成像效果與“圓頂+同軸光源組合”類似，且...

引導(dǎo)就是使用機(jī)器視覺(jué)報(bào)告元件的位置和方向。需要進(jìn)行引導(dǎo)的原因可能有多種。首先，機(jī)器視覺(jué)系統(tǒng)可以定位元件的位置和方向，將元件與規(guī)定的公差進(jìn)行比較，以及確保元件處于正確的角度，以驗(yàn)證元件裝配是否正確。接著，引導(dǎo)可用于將元件在2D或3D空間內(nèi)的位置和方向報(bào)告給機(jī)器人或機(jī)器控制器，讓機(jī)器人能夠定位元件或機(jī)器，以便將元件對(duì)位。機(jī)器視覺(jué)引導(dǎo)在許多任務(wù)中都能夠?qū)崿F(xiàn)比人工定位高得多的速度和精度，比如將元件放入貨盤或從貨盤中拾取元件；對(duì)輸送帶上的元件進(jìn)行包裝；對(duì)元件進(jìn)行定位和對(duì)位，以便將其與其他部件裝配在一起；將元件放置到工作架上；或者將元件從箱子中移走。 介紹了機(jī)器視覺(jué)的概念和機(jī)器視覺(jué)的組成，闡述了機(jī)器視...

（1）視覺(jué)系統(tǒng)將從基于PC的板級(jí)式向更小型的智能相機(jī)發(fā)展隨著半導(dǎo)體行業(yè)的發(fā)展，工業(yè)相機(jī)的圖像傳感器將逐漸從CCD到CMOS的轉(zhuǎn)變，這將極大地簡(jiǎn)化了工業(yè)相機(jī)設(shè)計(jì)，使其更容易小型化和集成化。機(jī)器視覺(jué)系統(tǒng)將從復(fù)雜龐大的基于PC的板級(jí)式系統(tǒng)向嵌入更多功能、更小型的智能相機(jī)系統(tǒng)發(fā)展。（2）視覺(jué)技術(shù)從2D向3D發(fā)展傳統(tǒng)的工業(yè)相機(jī)獲取的目標(biāo)物品為二維圖像，缺少空間深度信息。隨著現(xiàn)在對(duì)精確度和自動(dòng)化的要求越來(lái)越高，3D成像與傳感技術(shù)的出現(xiàn)，不僅有效解決了復(fù)雜物體的模式識(shí)別和3D測(cè)量難題，同時(shí)還能實(shí)現(xiàn)更加復(fù)雜的人機(jī)交互功能，受到越來(lái)越普遍的應(yīng)用。目前，工業(yè)領(lǐng)域主流的3D視覺(jué)技術(shù)方案主要有三種：飛行時(shí)間（...

如果按識(shí)別的內(nèi)容來(lái)分類，也就是按照識(shí)別的語(yǔ)言的分類的話，那么要識(shí)別的內(nèi)容將是人類的所有語(yǔ)言（漢語(yǔ)、英語(yǔ)、德語(yǔ)、法語(yǔ)等）。如果按照我們國(guó)人的需求，那識(shí)別的內(nèi)容就包括：漢字、英文字母、阿拉伯?dāng)?shù)字、常用標(biāo)點(diǎn)符號(hào)。根據(jù)要識(shí)別的內(nèi)容不同，識(shí)別的難度也各不相同。簡(jiǎn)單而言，識(shí)別數(shù)字是比較簡(jiǎn)單了，畢竟要識(shí)別的字符只有0~9，而英文字母識(shí)別要識(shí)別的字符有26個(gè)（如果算上大小寫的話那就52個(gè)），而中文識(shí)別，要識(shí)別的字符高達(dá)數(shù)千個(gè)（二級(jí)漢字一共6763個(gè)）！因?yàn)闈h字的字形各不相同，結(jié)構(gòu)非常復(fù)雜（比如帶偏旁的漢字）如果要將這些字符都比較準(zhǔn)確地識(shí)別出來(lái)，是一件相當(dāng)具有挑戰(zhàn)性的事情。但是，并不是所有應(yīng)用都需要識(shí)別...

無(wú)序抓取（RandomBinPicking）是一個(gè)復(fù)雜的問(wèn)題。從一個(gè)箱子里隨機(jī)挑選零件（RandomBinPicking），并將它們精確地放入機(jī)器中，這對(duì)人類來(lái)說(shuō)是一項(xiàng)簡(jiǎn)單的任務(wù)，但對(duì)機(jī)器人來(lái)說(shuō)則是一項(xiàng)艱巨的挑戰(zhàn)。機(jī)器人必須深入箱子的角落，并能夠從無(wú)數(shù)個(gè)方向抓取零件，同時(shí)避免與箱子、其他零件或工作單元本身發(fā)生碰撞。一個(gè)無(wú)序抓取系統(tǒng)必須包含3D視覺(jué)成像和點(diǎn)云分析、手眼標(biāo)定、碰撞檢測(cè)、抓取規(guī)劃、運(yùn)動(dòng)規(guī)劃等技術(shù)。實(shí)現(xiàn)這樣一個(gè)無(wú)序抓取系統(tǒng)需要大量的集成和編程工作，所以大多數(shù)的無(wú)序抓取系統(tǒng)都是部署在大型、復(fù)雜的制造商工廠中(如汽車原始設(shè)備制造商)。然而中小型企業(yè)的勞動(dòng)力占全球工業(yè)勞動(dòng)力的69%，...

如果按識(shí)別的內(nèi)容來(lái)分類，也就是按照識(shí)別的語(yǔ)言的分類的話，那么要識(shí)別的內(nèi)容將是人類的所有語(yǔ)言（漢語(yǔ)、英語(yǔ)、德語(yǔ)、法語(yǔ)等）。如果按照我們國(guó)人的需求，那識(shí)別的內(nèi)容就包括：漢字、英文字母、阿拉伯?dāng)?shù)字、常用標(biāo)點(diǎn)符號(hào)。根據(jù)要識(shí)別的內(nèi)容不同，識(shí)別的難度也各不相同。簡(jiǎn)單而言，識(shí)別數(shù)字是比較簡(jiǎn)單了，畢竟要識(shí)別的字符只有0~9，而英文字母識(shí)別要識(shí)別的字符有26個(gè)（如果算上大小寫的話那就52個(gè)），而中文識(shí)別，要識(shí)別的字符高達(dá)數(shù)千個(gè)（二級(jí)漢字一共6763個(gè)）！因?yàn)闈h字的字形各不相同，結(jié)構(gòu)非常復(fù)雜（比如帶偏旁的漢字）如果要將這些字符都比較準(zhǔn)確地識(shí)別出來(lái)，是一件相當(dāng)具有挑戰(zhàn)性的事情。但是，并不是所有應(yīng)用都需要識(shí)別...

平面條紋光源使用平面條紋式照明，通過(guò)反射的光線相互干涉而形成明暗相間的干涉直條紋，當(dāng)檢測(cè)物體表面有凹凸不平時(shí)，由于光程變化使得部分直條紋產(chǎn)生形變，以此來(lái)檢測(cè)元件表面的凹凸點(diǎn)及細(xì)小缺陷問(wèn)題。平面條紋光源可很好的彌補(bǔ)同軸光源難以檢測(cè)的凹凸點(diǎn)及細(xì)小缺陷不明顯的短板，適用于反光物體、膜材、五金件、玻璃上的凹凸點(diǎn)及細(xì)小缺陷的檢測(cè)。在實(shí)際應(yīng)用中，平面條紋光源以其獨(dú)特的發(fā)光原理，有著無(wú)可替代的成像優(yōu)勢(shì)。從上述案例中可以得知，只有根據(jù)產(chǎn)品的檢測(cè)需求以及產(chǎn)品的自身特性來(lái)選擇合適的光源，才能得到好的光學(xué)方案。隨著光源的種類不斷增多，在保證成像質(zhì)量的同時(shí)也朝著節(jié)省空間與成本的方向發(fā)展，同時(shí)很多檢測(cè)上的疑...

1.照明是影響機(jī)器視覺(jué)系統(tǒng)輸入的重要因素，它直接影響輸入數(shù)據(jù)的質(zhì)量和應(yīng)用效果。由于沒(méi)有通用的機(jī)器視覺(jué)光源照明設(shè)備，所以針對(duì)每個(gè)特定的應(yīng)用實(shí)例，要選擇相應(yīng)的照明裝置，以達(dá)到比較好的效果。2.工業(yè)鏡頭FOV（FieldOfvision）=所需分辨率*亞像素*相機(jī)尺寸/PRTM（零件測(cè)量公差）選擇鏡頭需要注意：①焦距②目標(biāo)高度③影像高度④放大倍數(shù)⑤影像至目標(biāo)的距離⑥中心點(diǎn)/節(jié)點(diǎn)⑦畸變。3.相機(jī)按照不同標(biāo)準(zhǔn)可分為：標(biāo)準(zhǔn)分辨率數(shù)字相機(jī)和模擬相機(jī)等。要根據(jù)不同的實(shí)際應(yīng)用場(chǎng)合選不同的相機(jī)和高分辨率相機(jī)：線掃描CCD和面陣CCD、單色相機(jī)和彩色相機(jī)。4.圖像采集卡圖像采集卡只是完整的機(jī)器視覺(jué)系統(tǒng)的...

平面條紋光源使用平面條紋式照明，通過(guò)反射的光線相互干涉而形成明暗相間的干涉直條紋，當(dāng)檢測(cè)物體表面有凹凸不平時(shí)，由于光程變化使得部分直條紋產(chǎn)生形變，以此來(lái)檢測(cè)元件表面的凹凸點(diǎn)及細(xì)小缺陷問(wèn)題。平面條紋光源可很好的彌補(bǔ)同軸光源難以檢測(cè)的凹凸點(diǎn)及細(xì)小缺陷不明顯的短板，適用于反光物體、膜材、五金件、玻璃上的凹凸點(diǎn)及細(xì)小缺陷的檢測(cè)。在實(shí)際應(yīng)用中，平面條紋光源以其獨(dú)特的發(fā)光原理，有著無(wú)可替代的成像優(yōu)勢(shì)。從上述案例中可以得知，只有根據(jù)產(chǎn)品的檢測(cè)需求以及產(chǎn)品的自身特性來(lái)選擇合適的光源，才能得到好的光學(xué)方案。隨著光源的種類不斷增多，在保證成像質(zhì)量的同時(shí)也朝著節(jié)省空間與成本的方向發(fā)展，同時(shí)很多檢測(cè)上的疑...

CCD機(jī)器視覺(jué)檢測(cè)在工業(yè)產(chǎn)品檢測(cè)上的優(yōu)勢(shì)：1、CCD機(jī)器視覺(jué)檢測(cè)設(shè)備是一種非接觸測(cè)量方法，可以避免對(duì)被測(cè)對(duì)象的損傷。適用于高溫、高壓、流體、環(huán)境危害等難以接近被測(cè)物的場(chǎng)合，可代替人工操作，保證生產(chǎn)效率和安全生產(chǎn)。2、CCD機(jī)器視覺(jué)技術(shù)的尺寸測(cè)量具有良好的連續(xù)性和高精度，CCD提高了工業(yè)在線測(cè)量的實(shí)時(shí)性和準(zhǔn)確性，也顯著提高了生產(chǎn)效率和質(zhì)量控制。3、CCD機(jī)器視覺(jué)檢測(cè)設(shè)備，從效率上可以降低工業(yè)品企業(yè)檢測(cè)成本。將原本流水線多人檢測(cè)不同項(xiàng)目用一臺(tái)設(shè)備完成。原本5-6人的檢測(cè)線降低到1-2人，降低企業(yè)用工成本。工業(yè)品生產(chǎn)后質(zhì)量檢驗(yàn)是產(chǎn)品流通前的重要環(huán)節(jié)。機(jī)器視覺(jué)在工業(yè)品檢測(cè)方面有其獨(dú)特的技術(shù)...

邊緣檢測(cè)算法的基本步驟如下：1、濾波:邊緣檢測(cè)算法主要是基于圖象強(qiáng)度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計(jì)算對(duì)噪聲很敏感，因此必須使用濾波器來(lái)改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。2、增強(qiáng):增強(qiáng)邊緣的基礎(chǔ)是確定圖象各點(diǎn)鄰域強(qiáng)度的變化值。增強(qiáng)算法可以將鄰域(或局部)強(qiáng)度值有較大變化的點(diǎn)突顯出來(lái)。3、檢測(cè):在圖象中有許多點(diǎn)的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來(lái)確定哪些點(diǎn)是邊緣點(diǎn)。常采用梯度幅值Ill值判據(jù)。4、定位:如果某一應(yīng)用場(chǎng)合要求確定邊緣位置，則邊緣的位置可在子象素分辨率上來(lái)估計(jì)，邊緣的方位也可以被估計(jì)出來(lái)。在用機(jī)器視覺(jué)進(jìn)行尺寸測(cè)量時(shí)，這四步必不可少，尤其必...

這些年深度學(xué)習(xí)的出現(xiàn)，讓OCR技術(shù)煥發(fā)第二春?，F(xiàn)在OCR基本都用卷積神經(jīng)網(wǎng)絡(luò)來(lái)做了，而且識(shí)別率也是驚人的好，人們也不再需要花大量時(shí)間去設(shè)計(jì)字符特征了。在OCR系統(tǒng)中，人工神經(jīng)網(wǎng)絡(luò)主要充當(dāng)特征提取器和分類器的功能，輸入是字符圖像，輸出是識(shí)別結(jié)果，一氣呵成。當(dāng)然用深度學(xué)習(xí)做OCR并不是在每個(gè)方面都很好，因?yàn)樯窠?jīng)網(wǎng)絡(luò)的訓(xùn)練需要大量的訓(xùn)練數(shù)據(jù)，那么如果我們沒(méi)有辦法得到大量訓(xùn)練數(shù)據(jù)時(shí)，這種方法很可能就不奏效了。其次，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練需要花費(fèi)大量的時(shí)間，并且需要用到的硬件資源一般都比較多，這幾個(gè)都是需要考慮的問(wèn)題。在一些簡(jiǎn)單環(huán)境下OCR的準(zhǔn)確度已經(jīng)比較高了（比如電子文檔），但是在一些復(fù)雜環(huán)境下的字符...

先談一談字符模板那匹配法。字符模板匹配法看起來(lái)很蠢，但是在一些應(yīng)用上可能卻很湊效。比如在對(duì)電表數(shù)字進(jìn)行識(shí)別時(shí)，考慮到電表上的字體較少，而且字體很統(tǒng)一，清晰度也很高，所以識(shí)別難度不高。針對(duì)這種簡(jiǎn)單的識(shí)別場(chǎng)景，我們首先考慮的識(shí)別策略當(dāng)然是簡(jiǎn)單的模板匹配法。模板匹配法只限于一些很簡(jiǎn)單的場(chǎng)景，但對(duì)于稍微復(fù)雜的場(chǎng)景，那就不太實(shí)用了。那此時(shí)我們可以采取OCR的一般方法，即特征設(shè)計(jì)、特征提取、分類得出結(jié)果的計(jì)算機(jī)視覺(jué)通用的技巧。在這里簡(jiǎn)單說(shuō)一下這里常見(jiàn)的方法。第一步是特征設(shè)計(jì)和提取，我們現(xiàn)在識(shí)別的目標(biāo)是字符，所以我們要為字符設(shè)計(jì)它獨(dú)有的的特征，來(lái)為后面的特征分類做好準(zhǔn)備。再將這些特征送入分類器（SV...

邊緣檢測(cè)算法的基本步驟如下：1、濾波:邊緣檢測(cè)算法主要是基于圖象強(qiáng)度的一階和二階導(dǎo)數(shù)，但導(dǎo)數(shù)的計(jì)算對(duì)噪聲很敏感，因此必須使用濾波器來(lái)改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。2、增強(qiáng):增強(qiáng)邊緣的基礎(chǔ)是確定圖象各點(diǎn)鄰域強(qiáng)度的變化值。增強(qiáng)算法可以將鄰域(或局部)強(qiáng)度值有較大變化的點(diǎn)突顯出來(lái)。3、檢測(cè):在圖象中有許多點(diǎn)的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域中并不都是邊緣，所以應(yīng)該用某種方法來(lái)確定哪些點(diǎn)是邊緣點(diǎn)。常采用梯度幅值Ill值判據(jù)。4、定位:如果某一應(yīng)用場(chǎng)合要求確定邊緣位置，則邊緣的位置可在子象素分辨率上來(lái)估計(jì)，邊緣的方位也可以被估計(jì)出來(lái)。在用機(jī)器視覺(jué)進(jìn)行尺寸測(cè)量時(shí)，這四步必不可少，尤其必...