自动化机器视觉检测技术能识别图像和分析吗-东莞沃德普

沃德普中文

机器视觉光源

0769-23187951

当前位置:128彩票充值中心 » 资讯中心 » 视觉光源技术文章 » 自动化机器视觉检测技术能识别图像和分析吗

自动化机器视觉检测技术能识别图像和分析吗

文章出处:网责任编辑:作者:人气:-发表时间:2018-11-12 09:43:00
    自动化检测时会使用机器视觉技术来进行检测,而很人多都会疑问,机器视觉检测能识别图像与进行分析吗?其实,现今的自动化机器视觉检测技术已经很成熟了,不过技术是不断的进步的,今天沃德普机器视觉给大家介绍的是机器视觉检测技术的图像识别与分析。
 
    人工智能(AI)是一种机器自己学习的技术,最近一直是一个活跃的研究和开发领域。
 
    某机器视觉公司利用机器学习技术开发了图像识别和分析技术,可以在样本图像数量较少的情况下准确检测异常。这种技术在工业应用方面的机会特别大。
 
    使用该技术的程序连续第二年(2014年和2015年)在日本举行的视觉检测算法大赛中获得优秀奖,这是一项精确检测产品缺陷的竞赛。
 
    需要在制造区域进行自动目视检查
 
    在制造设施中,需要通过基于图像的自动视觉检查来区分制造的零件是好是坏。
 
    一般来说,在制造的产品中,好的部件比坏的多。因此,很难制备出大量有缺陷的样品。此外,如果存在许多类型的缺陷,准备工作就更加困难,因为必须准备许多不同的样品来覆盖所有类型的缺陷。
 
    通过只在好的部件上学习数据来检测未知类型的缺陷
 
    该机器视觉商选择了半监督异常检测作为机器学习的方法,并对机器学习中使用的特征量进行了研究,使得即使在样本数量很小的情况下也可以进行学习。在一种使用半监督异常检测的算法中,系统只学习好零件的数据,因此即使对于未知类型的缺陷,也可以期望具有较高的识别性能。
 
图1检测结果示例1
 
图2检测结果示例2
 
    图1和图2展示了使用该算法的检测结果示例。红色框架表示手动指定的正确答案区域,缺陷将被检测到。绿色的框架表示根据算法检测缺陷的区域。结果表明,该算法得到的检测区域与正确答案缺陷检测区域相似。
 
    半监督异常检测的特点,机器学习方法
 
    机器学习是一种用于图像识别和分析的方法。在机器学习中,计算机接收某些输入,从中学习,并预测有用的输出。作为初步步骤,系统需要学习某些输入图像和相应的正确答案输出(正确答案标签)的组合。学习步骤之后是决策步骤,系统接收特定的图像输入,并根据所学知识预测和输出正确的答案。
 
    在监督机器学习中,通常使用所有标签(输入图像和相应的正确答案输出)的数据进行学习。例如,要学习如何区分好零件和坏零件,系统需要使用包含好零件和坏零件样本(零件样本图像和标签,表明它们是好还是坏)的数据集来学习。
 
    半监督异常检测是机器学习的另一种方法。在这种方法中,学习只基于单个标签的数据,例如,只基于好的部分。只需要准备一个标签的数据,所以学习可以基于有限数量的样本。
 
    在机器学习的学习步骤中,系统计算多个输入图像(正确答案图像)的特征量,并将其作为正确答案特征量学习。在决策步骤中,系统同样计算输入图像的特征量——然后系统使用计算出的特征量和在学习步骤中学习到的正确答案特征量来预测正确答案并输出答案。
 
    将图像转换为特征量时,基于特征量(多维特征向量)的空间称为特征空间。在识别过程中,基于特征空间中的机器学习进行识别。如图3所示,在学习步骤中,在多维特征空间中形成一个分离平面。在决策步骤中,对输入图像的特征量进行分类识别。
 
图3特征空间学习方法的差异
 
    该机器视觉商开发了一种新的算法,将半监督异常检测与描述图像中目标物体形状的特征量相结合。将该算法应用于制造领域的基于图像的视觉检测,验证了该算法的精度。
 
追求光学和图像识别与分析技术的融合
 
    在工业领域,机器视觉商不仅将继续开发和交付光学模块产品,还将继续提供包括图像识别和分析技术在内的系统解决方案。
 

 其实,每个机器视觉商都想给客户最具性价比的检测方案,让客户省事,并且得出最好的效果,进而提升生产效率。沃德普机器视觉坚持秉承“科技之光,共创未来”的价值主张,勇于感知行业难题,敏锐捕捉行业机会,整合资源,协同创新,致力于解决客户关键需求,持续打造前瞻性光源产品和提供完善光源应用服务,拓宽自动化设备未来应用空间。  

此文关键字:机器视觉光源,机器视觉,光源控制器,非标定制光源

相关资讯

大星彩票官网 顺金彩票充值 江苏快3官网 河北快3 188彩票充值 河北快3走势图 八马彩票官网 28彩票官网 河北快3走势图 106彩票充值