Введение

Технология и методы, используемые для автоматического контроля и анализа на основе изображений.

Машинное зрение – это технология и методы, применяемые для автоматического контроля, управления процессами и наведения роботов, как правило, в промышленности. Машинное зрение охватывает широкий спектр технологий, программного и аппаратного обеспечения, интегрированных систем, действий, методов и экспертных знаний. Как дисциплина системной инженерии, машинное зрение отличается от компьютерного зрения, являющегося областью компьютерной науки. Оно направлено на интеграцию существующих технологий новыми способами и их применение для решения практических задач. Этот термин наиболее распространен в системах промышленной автоматизации, но также используется в других областях, например, для управления транспортными средствами. Общий процесс машинного зрения включает в себя планирование требований и проекта, а затем разработку решения. В процессе работы он начинается со сбора изображений, после чего следует автоматический анализ изображения и извлечение необходимой информации.

Определение

Определения термина "машинное зрение" различаются, но все они включают технологии и методы, используемые для автоматического извлечения информации из изображения, в отличие от обработки изображений, где результатом является другое изображение. Извлеченная информация может быть простым сигналом "годная деталь/брак" или более сложным набором данных, таким как идентификация, положение и ориентация каждого объекта на изображении. Эта информация может применяться в таких областях, как автоматический контроль, управление роботами и технологическими процессами в промышленности, системы безопасности и навигация транспортных средств. В приложениях промышленной автоматизации термин "машинное зрение" используется практически исключительно; в других областях, таких как безопасность и навигация, он менее распространен. Машинное зрение, как дисциплина системной инженерии, отличается от компьютерного зрения, являющегося базовой областью компьютерной науки; машинное зрение стремится интегрировать существующие технологии новыми способами и применять их для решения реальных задач, соответствующих требованиям промышленной автоматизации и смежных областей. Термин также используется в более широком смысле на выставках и в отраслевых ассоциациях, таких как Automated Imaging Association и European Machine Vision Association. Это расширенное определение охватывает продукты и приложения, которые чаще ассоциируются с обработкой изображений. В последнее время термины "компьютерное зрение" и "машинное зрение" стали сближаться. См. глоссарий терминов машинного зрения.

Автоматическая проверка и сортировка на основе визуализации

Основными областями применения машинного зрения являются автоматический контроль и сортировка на основе обработки изображений, а также управление роботами. В этом разделе описывается технический процесс, происходящий при работе системы.

Методы и последовательность действий

Первый шаг в автоматической последовательности контроля – получение изображения, как правило, с помощью камер, объективов и освещения, спроектированных для обеспечения необходимой дифференциации для последующей обработки. Программные пакеты машинного зрения и программы, разработанные в них, затем применяют различные методы цифровой обработки изображений для извлечения требуемой информации и часто принимают решения (например, годность/брак) на основе извлеченной информации.

Оборудование

Компоненты автоматической системы контроля обычно включают освещение, камеру или другое устройство формирования изображения, процессор, программное обеспечение и выходные устройства.

Образование изображений

Устройство для получения изображений (например, камера) может быть как отдельным от основного блока обработки изображений, так и объединенным с ним, в этом случае такая комбинация обычно называется интеллектуальной камерой или интеллектуальным датчиком. Включение полной функции обработки в один корпус с камерой часто называют встроенной обработкой. В случае разделения, подключение может осуществляться к специализированному промежуточному оборудованию, пользовательскому устройству обработки или плате захвата кадров в компьютере, используя аналоговый или стандартизированный цифровой интерфейс (Camera Link, CoaXPress). В реализациях машинного зрения (MV) также используются цифровые камеры, способные к прямому подключению (без платы захвата кадров) к компьютеру через интерфейсы FireWire, USB или Gigabit Ethernet. Хотя в машинном зрении наиболее часто используется обычная (2D-визуализация в видимом свете), альтернативы включают мультиспектральную визуализацию, гиперспектральную визуализацию, визуализацию различных инфракрасных диапазонов, линейную визуализацию, 3D-визуализацию поверхностей и рентгеновскую визуализацию. Ключевые различия в 2D-визуализации видимого света в машинном зрении – это монохромность в сравнении с цветностью, частота кадров, разрешение и то, является ли процесс визуализации одновременным по всему изображению, что делает его подходящим для работы с движущимися объектами. Несмотря на то, что подавляющее большинство приложений машинного зрения решаются с использованием двухмерной визуализации, приложения машинного зрения, использующие 3D-визуализацию, представляют собой растущую нишу в отрасли. Наиболее распространенным методом 3D-визуализации является триангуляция на основе сканирования, которая использует движение объекта или изображения в процессе визуализации. Лазер проецируется на поверхность объекта. В машинном зрении это достигается посредством сканирующего движения, либо перемещением детали, либо перемещением камеры и лазерной системы визуализации. Камера рассматривает линию под другим углом; отклонение линии отражает изменения формы. Линии, полученные в результате нескольких сканирований, собираются в карту глубины или облако точек. Другие 3D-методы, используемые в машинном зрении, включают методы измерения времени пролета и структурированного света.

Глубокое обучение

Термин "глубокое обучение" имеет различные толкования, и большинство из них можно применить к технологиям, используемым в машинном зрении уже более 20 лет. Однако активное использование этого термина в машинном зрении началось в конце 2010-х годов, когда появилась возможность успешно применять эти методы к полным изображениям в сфере промышленного машинного зрения. Традиционное машинное зрение обычно требует, чтобы "физический" этап решения для автоматической проверки обеспечивал надежное и простое выделение дефектов. Например, дефекты могут быть темными, а исправные части продукта – светлыми. Распространенной причиной невозможности реализации некоторых приложений было отсутствие возможности добиться такой "простоты"; глубокое обучение устраняет это требование, позволяя системе "видеть" объект так, как это делает человек, и, таким образом, делая возможным выполнение этих автоматизированных задач. Однако главный редактор отраслевого журнала по машинному зрению заявил, что "машинное зрение само по себе не является отраслью", а скорее "интеграцией технологий и продуктов, предоставляющих услуги или приложения, которые приносят пользу реальным отраслям, таким как автомобилестроение, производство потребительских товаров, сельское хозяйство и оборонная промышленность".