Машинное зрение

• Инспекция

В приложениях, связанных с инспекцией, цель машинного зрения - подтвердить  определенные свойства, например, наличие  или отсутствие этикетки на бутылке, болтов для проведения операции сборки, шоколадных конфет в коробке или  наличие различных дефектов.

• Идентификация

В задачах идентификации основное назначение видеокамеры - считывание различных  кодов (штрих-кодов, 2D-кодов и т. п.) с целью их распознавания средствами камеры или системным контроллером, а также определение различных буквенно-цифровых обозначений. Кроме того к задачам данной группы можно отнести системы, выполняющие задачи безопасности, такие как идентификация личности и техники, детекторы движения.

Исходя из задач, которые решает машинное зрение, можно выделить множество  областей применения машинного зрения. Однако стоит отметить, что сегодняшняя  структура спроса определяется пока еще ограниченными возможностями  современных систем машинного зрения.

Ниже приведена структура рыночного  спроса по проектной тематике (Рис.3):

Рис.3. Структура рыночного спроса

· 50% всех систем машинного зрения эксплуатируются в задачах контроля качества, т.е. решают инспекционные задачи машинного зрения. Это прежде всего визуальный контроль за процессом сборки, цветом и качеством поверхности продукции, внешним видом и чистотой упаковки, правильностью и разборчивостью этикеток, уровнем жидкости во всевозможной таре и т. д. Примерно 10% этих задач выполняются системами трехмерного зрения. Отдельная область использования систем машинного зрения на производстве - проведение всевозможных визуальных измерений параметров технологических процессов и, в частности, определение размеров предметов, т.е. решение задач измерения.

· 20% спроса приходится на системы  машинного зрения для проектов автоматизации  производства и внедрения промышленных роботов. Такие системы машинного  зрения упрощают самые разные виды высокоточной деятельности (сборка и  разборка, фасовка, покраска, сварка, утилизация), облегчают транспортировку грузов, применяются в системах учета, маркировки, регистрации и сортировки продукции. Также инспекционные задачи и задачи расположения для правильной работы робота.

· 17% всех продаж систем машинного  зрения составляют широко известные  и хорошо работающие OCR/OCV-системы  распознавания печатных символов и  штрих-кодов. Решение задачи идентификации.

· Рынок систем машинного зрения для непроизводственных (развлекательных, бытовых, исследовательских) роботов  составляет 13%.

2.4 Основные области применения  машинного зрения 
Применение машинного зрения разнообразно, оно охватывает различные области деятельности, включая, но не ограничиваясь следующими:

Крупное промышленное производство

Ускоренное производство уникальных продуктов

Системы безопасности в промышленных условиях

Контроль предварительно изготовленных  объектов (например, контроль качества, исследование допущенных ошибок)

Системы визуального контроля и  управления (учет, считывание штрих-кодов)

Контроль автоматизированных транспортных средств

Контроль качества и инспекция  продуктов питания

В автомобильной промышленности системы  машинного зрения используются в  качестве руководства для промышленных роботов, а также для проверки поверхности окрашенного автомобиля, сварных швов, блоков цилиндров и  многих других компонентов на наличие дефектов.

 

3. Техническая составляющая  машинного зрения

3.1 Методы обработки изображения

В системах машинного зрения, для  решения перечисленных задач, используются различные технологии и методы. Ниже перечислены основные методы обработки  изображения:

Счетчик пикселей: подсчитывает количество светлых или темных пикселей и на основе результата делает необходимые выводы об изображении.

Выделение связанных областей: Связная область изображения – это, с одной стороны, тип объекта, все еще очень близко связанный с растровым изображением, и в то же время – это уже некая самостоятельная семантическая единица, позволяющая вести дальнейший геометрический, логический, топологический и любой другой анализ изображения

Бинаризация: преобразует изображение в серых тонах в бинарное (белые и черные пиксели).

Гистограмма и гистограммная  обработка: Гистограмма характеризует частоту встречаемости на изображении пикселей одинаковой яркости.

Сегментация: используется для поиска и/или подсчета деталей. Сегментацией изображения называется разбиение изображения на непохожие по некоторому признаку области. Предполагается, что области соответствуют реальным объектам, или их частям, а границы областей соответствуют границам объектов.

Поиск и анализ блобов: проверка изображения на отдельные блобы связанных пикселей (например, черной дыры на сером объекте) в виде опорных точек изображения. Эти блобы часто представляют цели для обработки, захвата или производственного брака.

Надежное распознавание по шаблонам: поиск по шаблону объекта, который  может быть повернут, частично скрыт  другим объектом, или отличным по размеру.

Обнаружение краев: поиск краев  объектов

Чтение штрих-кодов: декодирование 1D и 2D кодов, разработанных для считывая или сканирования машинами

Оптическое распознавание  символов: автоматизированное чтение текста, например, серийных номеров

Измерение: измерение размеров объектов в дюймах или миллиметрах

Сопоставление шаблонов: поиск, подбор, и/или подсчет конкретных моделей

Инвариантные алгоритмы сопоставления точечных особенностей на изображениях: обнаружения и сопоставление точечных особенностей на изображениях.

Методы идентификация личности по радужной оболочке глаза

Различные методы восстановления формы  объекта по изображениям

В большинстве случаев, системы  машинного зрения используют последовательное сочетание этих методов обработки  для выполнения полного инспектирования. Например, система, которая считывает  штрих-код может также проверить поверхность на наличие царапин или повреждения и измерить длину и ширину обрабатываемых компонентов.

3.2 Компоненты системы

3.2.1.Компоненты системы машинного зрения

Хотя машинное зрение — процесс  применения компьютерного зрения для  промышленного применения, полезно  перечислить часто использовались аппаратные и программные компоненты. Типовое решение системы машинного  зрения включает в себя несколько  следующих компонентов:

Одна или несколько цифровых или аналоговых камер (черно-белые  или цветные) с подходящей оптикой  для получения изображений

Программное обеспечение для изготовления изображений для обработки. Для  аналоговых камер это оцифровщик изображений

Процессор (современный ПК c многоядерным процессором или встроенный процессор, например — ЦСП)

Программное обеспечение машинного  зрения, которое предоставляет инструменты  для разработки отдельных приложений программного обеспечения.

Оборудование ввода/вывода или  каналы связи для доклада  полученных результатах

Умная камера: одно устройство, которое  включает в себя все вышеперечисленные  пункты.

Очень специализированные источники  света (светодиоды, люминесцентные и  галогенные лампы и т. д.)

Специфичные приложения программного обеспечения для обработки изображений  и обнаружения соответствующих  свойств.

Датчик для синхронизации частей обнаружения (часто оптический или  магнитный датчик) для захвата  и обработки изображений.

Приводы определенной формы используемые для сортировки или отбрасывания бракованных деталей.

Датчик синхронизации определяет, когда деталь, которая часто движется по конвейеру, находится в положении, подлежащем инспекции. Датчик запускает  камеру, чтобы сделать снимок детали, когда она проходит под камерой  и часто синхронизируется с импульсом  освещения, чтобы сделать четкое изображение. Освещение, используемое для подсветки деталей предназначено для выделения особенностей, представляющих интерес, и скрытия или сведения к минимуму появление особенностей, которые не представляют интереса (например, тени или отражения). Для этой цели часто используются светодиодные панели подходящих размеров и расположения.

Изображение с камеры попадает в  захватчик кадров или в память компьютера в системах, где захватчик  кадров не используется. Захватчик кадров — это устройство оцифровки (как часть умной камеры или в виде отдельной платы в компьютере), которое преобразует выходные данные с камеры в цифровой формат (как правило, это двумерный массив чисел, соответствующих уровню интенсивности света определенной точки в области зрения, называемых пикселями) и размещает изображения в памяти компьютера, так чтобы оно могло быть обработано с помощью программного обеспечения для машинного зрения.

Программное обеспечение, как правило, совершает несколько шагов для  обработки изображений. Часто изображение  для начала обрабатывается с целью  уменьшения шума или конвертации  множества оттенков серого в простое  сочетание черного и белого (бинаризации). После первоначальной обработки  программа будет считать, производить  измерения и/или определять объекты, размеры, дефекты и другие характеристики изображения. В качестве последнего шага, программа пропускает или забраковывает  деталь в соответствии с заданными критериям. Если деталь идет с браком, программное обеспечение подает сигнал механическому устройству для отклонения детали; другой вариант развития событий, система может остановить производственную линию и предупредить человека работника для решения этой проблемы и сообщить, что привело к неудаче.

Хотя большинство систем машинного  зрения полагаются на «черно-белые» камеры, использование цветных камер  становится все более распространенным явлением. Кроме того, все чаще системы  машинного зрения используют цифровые камеры прямого подключения, а не камеры с отдельным захватчиком  кадров, что сокращает расходы  и упрощает систему.

«Умные» камеры со встроенными процессорами, захватывают все большую долю рынка машинного зрения. Использование  встроенных (и часто оптимизированных) процессоров устраняет необходимость  в карте захватчика кадров и во внешнем компьютере, что позволяет  снизить стоимость и сложность  системы, обеспечивая вычислительную мощность для каждой камеры. «Умные»  камеры, как правило, дешевле, чем  системы, состоящих из камеры, питания  и/или внешнего компьютера, в то время  как повышение мощности встроенного  процессора и ЦСП часто позволяет  достигнуть сопоставимой или более  высокой производительности и больших  возможностей, чем обычные ПК-системы.

3.2.2.Типовая система машинного  зрения

Типовая система машинного зрения состоит из одной или нескольких цифровых или аналоговых камер (черно-белые  или цветные) с подходящей оптикой  для получения изображений, подсветки  и объекта (рис. 4), оборудования ввода/вывода или каналы связи для доклада  о полученных результатах. Кроме  того, важна и программная составляющая систем машинного зрения, а именно программное обеспечение для  подготовки изображений к обработке (для аналоговых камер это оцифровщик изображений), специфичные приложения программного обеспечения для обработки  изображений и обнаружения соответствующих  свойств.

 

 

 

Рис.4. Состав типовой системы машинного  зрения

Матрица чувствительных элементов, входящих в состав видеокамеры, предназначена для получения цифрового изображения. В состав матрицы чувствительного элемента входит множество аналого-цифровых преобразователей, предназначенных для преобразования информации о световой интенсивности в цифровое значение.

Объектив позволяет камере фокусироваться на определенном расстоянии и получать четкое изображение объекта. В случае, когда объект находится вне фокусного расстояния, изображение получается нерезким (размытым, с нечеткими краями), что ухудшает возможность обработки видеоряда. В отличие от обычных цифровых фотоаппаратов с объективами, поддерживающими функции автофокусировки, в машинном зрении применяется оптика с фиксированным фокусным расстоянием или ручной настройкой фокуса. Существуют различные типы объективов для самых разных задач (стандартные, телескопические, с широким углом обзора, с увеличением и другие), и выбор правильного типа оптики - важный этап при проектировании системы машинного зрения.

Подсветка - еще один важный элемент в машинном зрении. Благодаря использованию различных типов освещения можно расширить круг задач, решаемых машинным зрением. Существует различные типы подсветок, но наиболее популярным является светодиодная - в связи с ее высокой яркостью. При этом современный уровень развития светодиодной техники обеспечивает большой срок службы устройства и малое энергопотребление.