机器视觉系统 智能检测设备 自动化视觉解决方案 杭州检测软件

视觉检测
视觉检测就是用机器代替人眼来做测量和判断。视觉检测是指通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。

结构组成
图像部件

摄像机捕捉被检测物体的电子图像，然后将其发送到处理器进行分析。电子图像被转换成数字，表示图像最小的部分，即像素。图像显示的像素数量称作分辨率。图像的分辨率越高，包含的像素数量越多，进行检测时，图像的像素数量越多，检测结果越准确。
摄像机

视觉检测系统的摄像机有三个变量需要调整，以优化捕捉到的图像。它们是光圈、对比度和快门速度。
照明部件

正确的照明对帮助创建有效检测所需的对比度很关键。当对一件产品的正确系统设置进行评估时，设计师会花费相当多的时间用来确定检测所需的最佳照明。照明解决方案的类型、几何形状、颜色和强度应当提供尽可能强的对比。
软件工具

视觉检测系统使用软件处理图像。软件采用算法工具帮助分析图像。视觉检测解决方案使用此类工具组合来完成所需要的检测。常用的包括，搜索工具，边界工具，特征分析工具，过程工具，视觉打印工具等。

解决过程
1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采
产品逐一通过视觉检测机
产品逐一通过视觉检测机
集部分发送触发脉 冲，可分为连续触发和外部触发。
2、图像采集部分按照事先设定的程序和延时，分别向摄像机和照明系统发出启动脉冲。
3、摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。
4、摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。
5、另一个启动脉冲打开灯光照明，灯光的开启时间应该与摄像机的曝光时间匹配。
6、摄像机曝光后，正式开始一帧图像的扫描和输出。
7、图像采集部分接收模拟视频信号通过A/D将其数字化，或者是直接接收摄像机数字化后的数字视频数据。
8、图像采集部分将数字图像存放在处理器或计算机的内存中。
9、处理器对图像进行处理、分析、识别，获得测量结果或逻辑控制值（合格或不合格）。
10、处理结果控制流水线的动作、进行定位、纠正运动的误差等。
11、通过Excel等方式打印缺陷输出结果（生产批号、缺陷位置、坐标、面积、类别、产生时间等信息）[2] 
从上述的工作流程可以看出，机器视觉解决方案是一种比较复杂的系统。因为大多数系统监控对象都是运动物体，系统与运动物体的匹配和协调动作尤为重要，所以给系统各部分的动作时间和处理速度带来了严格的要求。在某些应用领域，例如机器人、飞行物体导制等，对整个系统或者系统的一部分的重量、体积和功耗都会有严格的要求。

应用案例编辑
在布匹的生产过程中，像布匹质量检测这种有高度重复性和智能性的工作只能靠人工检测来完成，在现代化流水线后面常常可看到很多的检测工人来执行这道工序，给企业增加巨大的人工成本和管理成本的同时，却仍然不能保证100 %的检验合格率（即“零缺陷”）。对布匹质量的检测是重复性劳动，容易出错且效率低。
流水线进行自动化的改造，使布匹生产流水线变成快速、实时、准确、高效的流水线。在流水线上，所有布匹的颜色、及数量都要进行自动确认（以下简称“布匹检测”）。采用机器视觉的自动识别技术完成以前由人工来完成的工作。在大批量的布匹检测中，用人工检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。
特征提取辨识
一般布匹检测（自动识别）先利用高清晰度、高速摄像镜头拍摄标准图像，在此基础上设定一定标准；然后拍摄被检测的图像，再将两者进行对比。但是在布匹质量检测工程中要复杂一些：
1． 图像的内容不是单一的图像，每块被测区域存在的杂质的数量、大小、颜色、位置不一定一致。
2． 杂质的形状难以事先确定。
3． 由于布匹快速运动对光线产生反射，图像中可能会存在大量的噪声。
4． 在流水线上，对布匹进行检测，有实时性的要求。
由于上述原因，图像识别处理时应采取相应的算法，提取杂质的特征，进行模式识别，实现智能分析。
Color检测
一般而言，从彩色CCD相机中获取的图像都是RGB图像。也就是说每一个像素都由红（R）绿（G）篮（B）三个成分组成，来表示RGB色彩空间中的一个点。问题在于这些色差不同于人眼的感觉。即使很小的噪声也会改变颜色空间中的位置。所以无论我们人眼感觉有多么的近似，在颜色空间中也不尽相同。基于上述原因，我们需要将RGB像素转换成为另一种颜色空间CIELAB。目的就是使我们人眼的感觉尽可能的与颜色空间中的色差相近。
Blob检测
根据上面得到的处理图像，根据需求，在纯色背景下检测杂质色斑，并且要计算出色斑的面积，以确定是否在检测范围之内。因此图像处理软件要具有分离目标，检测目标，并且计算出其面积的功能。
Blob分析（Blob Analysis）是对图像中相同像素的连通域进行分析，该连通域称为Blob。经二值化（Binary Thresholding）处理后的图像中色斑可认为是blob。Blob分析工具可以从背景中分离出目标，并可计算出目标的数量、位置、形状、方向和大小，还可以提供相关斑点间的拓扑结构。在处理过程中不是采用单个的像素逐一分析，而是对图形的行进行操作。图像的每一行都用游程长度编码(RLE）来表示相邻的目标范围。这种算法与基于象素的算法相比，大大提高处理速度。
结果处理和控制
应用程序把返回的结果存入数据库或用户指定的位置，并根据结果控制机械部分做相应的运动。
根据识别的结果，存入数据库进行信息管理。以后可以随时对信息进行检索查询，管理者可以获知某段时间内流水线的忙闲，为下一步的工作作出安排；可以获知内布匹的质量情况等等。

检测项目
检测内容描述
全瓶检测
合适的填充量；盖存在与否、高度、颜色、是否歪斜；标签
存在与否、位置以及识别。
装箱内部检测
产品存在与否、放置、方向、计数和盖的正确性。
装箱外部检测 箱子装饰、ID和封盖位置；打印产品代码和日期/批号。
正确的盖位置检测 
盖检测：存在与否、高度、倾斜度、颜色、安全带完整性。
产品ID验证
确保任何产品的 ID 代码存在、可读、正确。
瓶颈测量 （边到边、高度和螺纹宽度） 检测玻璃瓶颈的宽度（E–边到边）、高度(H)和螺纹宽度(T)。
平面度检测 检查容器顶部是否在微调过程中因不均匀切割而导致出现头发、丝线或波浪状平面。
污染物检测 检测容器侧壁上的任何缺陷，包括在注塑成型过程中堆积产生的灰尘、伤痕、污点以及内置或表面颗粒物质。
破碎的顶部检测 验证玻璃容器顶部没有空洞、芯片、丢失的玻璃和碎片。还可确定软木的存在。
其他检测
条码/二维码验证、标签控制号(LCN)验证、倾斜标签检测、
折角标签检测、标签存在检查等