咨询热线:
400-168-8336
HOME>新闻资讯>公司新闻
影响视觉检测系统精度的相关因素分析
2018.09.27
返回列表

随着自动化行业发展,机器视觉技术的应用已经十分广泛。例如在自动化制造行业中,用机器视觉测量、检测工件的各种尺寸参数,如长度测量、圆测量、角度测量、弧线测量、区域测量等,不但可以获取在线产品的尺寸参数,同时可对产品做出在线实时判定和分拣,应用十分普遍。

 

基于机器视觉技术的检测系统具有成本低、精度高、安装简易等优点。再加上功能强大的视觉软件,易于调整,灵活方便,且测量数据可存储,便于建立统计分析,便于快速发现问题,解决问题,是行业检测技术的不二之选。

 

但是在一些机器视觉检测项目中,很多客户遇到了检测精度的难题。例如:检测加工零件的外形尺寸、内外径,要求精度到10um。目前很多配置选择500万的相机,理论上是可以达到10um的精度的。可实际客户测试的精度远远达不到10um的要求,能做到30um就很不错了。其产生很大误差的主要原因有一下几点:

1、相机的选择:很多客户为了成本考虑选择CMOS相机,在拍摄物体的边缘时,其边缘轮廓的对比度较差,噪声也较大,给软件测量带来较大误差。通常建议使用CCD芯片相机。

 

2、镜头的选取有误:很多机械零部件有高低差,有较大的景深。普通镜头有视角因素,因此会看到检测零部件的内壁等等,软件处理时很难找到最真实、准确的边缘轮廓。

 

3、光源的选择:很多客户会选择普通的背光源。在检测精度不高时,背光源有价格的优势。在要求很高的前提下,背光源的原理是利用光线通过漫反射板产生均匀柔和的光,在某一点产生的光会向空间任意角度发散。那在检测圆形、柱形物体时,会在被测物体的边缘产生衍射现象。同时光源的亮度变化对图像中的亮暗也有较大的影响。

 

影响视觉检测系统精度的相关要素分析.jpg


机器视觉检测系统的误差控制方法有哪些?

在机器视觉检测系统中,检测系统的误差通常包括:机械误差、标定误差和分析误差三部分。其中,机械误差是由系统机电执行部分硬件引入的,例如在一幅图像内可能无法完成对工件的测量,工件需要移动位置来采集多幅图像,这时,机电运动系统的运动精度将会对测量的精度产生很大的影响。

 

这一部分误差可以通过运动精度的大小计算出来,在多步运动过程中会产生累积,所以应尽量减少测量过程中的运动步数。在建立检测系统的过程中,要在实际检测条件的基础上合理分配系统的误差。主要方法有:

1、简化机电系统运动步骤,提高机电系统的硬件精度;

2、采用较高精度标定算法和标定模板;

3、提高图像质量,尽量采用较小的物像比。

 

机器视觉系统中影响图像质量的因素有哪些?

对于机器视觉系统来说,图像质量是直接影响最终图像处理结果的关键因素。特别是在自然光照条件下,图像质量随着光源条件的变化会有明显的不同。对诸如“增益”和“曝光时间”等摄像头设置作出相应调解可对不稳定的环境光情况作出补偿,从而提高图像质量。

影响图像质量的因素包括:

1、光照强度

2、光照方向

3、目标距离

4、焦距

5、采样率

6、曝光时间和增益

7、暗漏电流/

8、分辨率(像素数量)

为了保障图像质量,根据最终应用的情况和感应器与扫描对象的距离,光源可由单独的设备提供,也可以是摄像头透镜周边的一部分。如果光源在摄像头周边,那么摄像头可与光源一起移动。

 

而对于透镜的选择也有一定的要求,高质量透镜与感应器质量同等重要。摄像头是一种电子光学系统,需要光学元件和电子元件协作生成图像。图像模糊问题通常是由透镜选择不当造成的。最佳透镜尺寸和形状取决于焦距,不过对较小的对象距离来说,一般使用C、座透镜。如果摄像头需要在高反射环境条件下工作,那么最好选用抗反射膜透镜。整体摄像头的视野覆盖面取决于所需视野的区域、工作距离和透镜。

 

作为机器视觉系统的重要组成部分之一的图像处理的应用,相当于人的大脑对系统获取的图像,做出正确判断。是实现工业的智能化、自动化的核心部件,对于系统的处理分析能力有着重要作用。


Prev
机器视觉行业现状深度解析
Next
机器视觉之OCR文字识别技术介绍
div>