机器视觉检测：行业工具
几十年来，机器视觉技术在几乎所有工业和制造过程的众多不同应用中成功地执行了零件和产品的自动化过程检测。虽然没有确切的数字存在，但声称检查任务可能主导机器视觉应用领域的说法是合理的。尽管如此，新的机器视觉技术和软件不断涌现，进一步提高了自动化检测的价值主张和实施的便利性。最终用户成功的关键是了解成熟和新的交易工具 以及如何最好地实施这些工具。
检查概览
自动化流程中与检查相关的任务多种多样，因此很难标记每个可能的用例。一般来说，一些重要的类别包括装配验证、特征存在/缺失、缺陷检测（以多种形式）以及产品识别和区分。在所有情况下，重要的是要记住，机器视觉可能是大数据和工业 4.0 概念的关键组成部分。
在为工业自动化实施机器视觉检测时，或许最重要的价值主张在于如何使用检测结果。不仅仅是检查质量， 通过机器视觉检测获得的信息对于提高更广泛过程的效率至关重要，从而有助于降低整体生产和自动化成本。
成像——每个成功应用的基础
需要重申的是，无论用例或分析方法如何，高质量的图像都是任何机器视觉项目的关键基础。高质量图像被定义为具有正确分辨率和对比度的图像，以突出显示所需视野中感兴趣的特征（对象、零件、缺陷）。正确的设计规范涉及成像组件本身以及相关和必需的组件，包括照明和光学。
对于许多采用适当成像设计的检测应用，二维灰度仍然是最广泛使用的技术。传感器和相机在速度和分辨率方面的进步正在实现更多以前可能无法实现或过于复杂而不实用的用例。随着传感器分辨率为 12 MPixels 至 50 MPixels 及更高的相机的出现，在更大的视野中检测更小的特征变得更加容易且成本更低。很快，5-10 MPixels 的图像采集可能会被视为标准而不是高分辨率。
智能相机是一种核心机器视觉技术，检测任务不断增加，并且通常具有更高的分辨率和更快的处理速度。此外，标准相机架构也取得了重大进展，其中包含使用 FPGA 和其他计算平台的嵌入式处理。这些组件非常适合检测应用，可以针对多个重复安装进行扩展，以利用其中某些类型组件的相关降低成本。
超越 2D 和灰度图像
捕捉场景 3D 信息的机器视觉组件非常容易通过各种成像方法和实现技术获得。 3D 图像提供物体表面几何形状的地形表示，而 2D 成像捕捉物体平面上的对比度（灰度或颜色）图像。 3D 数据支持或增强涉及几何结构多于对比度的特征或缺陷的检测任务。使用 3D 系统变得非常容易，并且与 2D 系统一样，分辨率、速度和准确性不断提高。
如前所述，许多机器视觉检测应用程序使用提供对象灰度图像的相机（也称为单色，因为它是没有颜色的图像，或者基本上是单色的）。但是，某些应用程序可以受益于或必须依赖彩色图像来提供分析所需的信息。标准相机可用于捕获 RGB（红、绿、蓝）图像的机器视觉。在正确集成的情况下，这些组件可以增强特征分析的可靠性，其中颜色是物体或缺陷定义特征的一部分。虽然市场上的大多数彩色相机在传感器上使用过滤系统（拜耳过滤器），但也可以使用先进的相机组件，将输入图像光学地分成三个全帧通道（通常为 RGB），以获得更好的分辨率和颜色区分。
超越可见的成像
虽然不是新事物，但近年来得到了更广泛的应用，但一种称为高光谱成像的更强大的彩色成像技术及其相近的多光谱成像，可以表现出更加离散和颗粒状的色彩分析。这些相机收集单个场景的多个（有时是数百个）图像，每个图像都具有来自场景的不同窄带宽光谱信息。这种类型的组件，配合专门的分类软件，可以对材料进行光谱检查，甚至可以检测化学成分。食品、制药和回收等许多行业都受益于这种检测能力。
进一步扩展彩色成像，我们发现可以使用不可见光甚至热能创建图像的组件。通常，这可以被描述为红外 (IR) 成像。对近红外 (NIR)、短波红外 (SWIR) 和长波红外（热成像）成像的应用提供了在可见光波长下看不到的物体视图。这种能力可以在许多检测应用中发挥巨大的优势，从检测食品中的腐败到透视不透明的塑料容器，再到确认填充水平。
更容易检查实施
用于机器视觉检测任务的算法和软件工具已经相当成熟可靠。总的来说，在处理可靠图像时，许多检查任务很容易实现。新技术的出现有可能增加现有的机器视觉工具，以提供进一步的功能和不同的处理方法。
这些技术中最广为人知的是深度学习。机器视觉的深度学习专门针对并非常适合检测应用，并且正在成功应用于越来越多的工业机器视觉检测应用。但是使用深度学习的应用程序的设计、配置和集成需要一种与传统机器视觉项目完全不同的实现方法。
所谓的传统机器视觉实现技术涉及创建一组关于目标对象的规则，这些规则使用返回有关对象或场景的特定信息的算法执行。深度学习使用许多包含良好和有缺陷部件或对象示例的代表性图像进行训练。然而，它并不是适用于所有检测应用的灵丹妙药。在能够预测可能实现的成功水平之前需要收集许多图像对于某些应用程序来说可能很麻烦，并且系统的持续维护及其分类可能不适合特定用例。
机器视觉检测的未来
随着对质量、智能制造和数据收集的需求不断扩大，机器视觉技术在检测应用中的应用不断增长。用于检查的高级组件和软件的功能肯定会推动更多用例并在未来提供更多价值。
工业机器人