GigE Vision工业相机智能化检测收藏

厂家对生产设备的要求是非常高的：可靠、高产量、零缺陷、灵活但是，传统的质量检测在可靠性、灵活性和检出率方面往往存在缺陷，而且成本相对较高如果通过人工进行质量检测，会变得非常耗时耗力，并且检测准确度不高检测情况越复杂，质量保证就越具有挑战性，与此同时，节省成本的潜力也就越大。

应用应用工业相机进行视觉检测是走向自动化的第一步如果加入人工智能，实现100%自主学习检测是可能的具有多个检测特征的复杂装配体的下线测试表明，人工智能可以识别掌握要求很高的情况奥地利Nordfels GmbH 公司开发了一台自动化具有自主学习能力的检测器，可对任何类型的组件或装配体进行高准确率的视觉检测。

机械臂、智能软件和虹科的GigE Vision工业相机共同组成了这台“深度学习检测器”该系统可用于检测内燃机、传动装置或消防泵以及电动汽车的传动系统、电池系统或其他部件所有由各种附件、电缆或软管组成的系统结构，必须检查其完整性和正确性。

这些系统部件通常是由许多复杂的独立部件组成的复杂装配体人工组装的零部件可能会出现各种无法预测的错误需要记录对于“深度学习检测器”来说没有问题，它可以可靠地识别和评估各种测试对象，支持50多个不同的参数结合对应的图像集训练AI，借助训练的神经网络，即使是复杂的检测也可以完全自动地进行。

随着学习图像数量的不断增加，该系统不断强化为了简化深度学习算法的训练过程，该系统配备了人性化的界面

友好的用户界面“原则上，一个机器人单元由相机和光源组成，安装在机械臂上有了这个单元，通过机器学习，逐个特征地接近，记录和自动评估”— 诺德福斯有限公司首席执行官EDMUND JENNER-BRAUNSCHMIED —。

一个机器人单元由相机和光源组成，安装在机械臂上但在实际中，一台检测器中也可能使用多个机器人单元（手眼单元）多个单元可以相互配合、协同工作在“暗场协作功能”中，一个机器人-相机-照明的单元只负责另一个单元的照明，而第二个机器人-相机-照明单元负责采集图像。

这个功能非常有用，在某些场景下，使用侧光相比于控制单元的标准漫反射入射光照明，可以更好地突出目标对象特征下面再介绍一个多单元协作配合的例子一个机器人单元协助另一个机器人单元，通过一根小棍子将测试对象的线缆、软管等固定在侧面，使得第二个机器人相机单元采集图像可以不受干扰。

有了这个智能、灵活的系统，以前的耗费大量时间、人力的下线测试，可以以一种经得起未来考验的方式实现自动化相机每套系统配备一个虹科的GigE Vision相机除了接口，Nordfels选择相机型号的决定性因素是尺寸和传感器。

GV-5890SE采用了IMX226卷帘CMOS传感器索尼STARVIS系列的1200万像素传感器（4000×3000像素，像素大小为1.85μm）具有卓越的感光性和低噪点，全分辨率下的帧率为10fps。

可通过以太网电缆供电，最长可达100米得益于传感器的BSI（“背照式”）技术，该相机即使在低光条件下，采集的图像也具有良好的效果“uEye相机应用广泛从工业图像处理中可以了解到，目标对象特征可以通过经典的灰度图像进行检测。

然而，也有一些特征需要依赖颜色信息进行识别此外，相机单元可以配有不同的光源，可以为图像采集创造最佳的条件”Edmund Jenner-Braunschmied解释道利用这个结构可以进行OCR读取和代码读取，如二维码。

OCR识别也是通过深度学习来完成，而读码则是用传统的图像处理来完成展望机器视觉的市场，特别是与机器人相关的部分，在各行各业的应用都在不可阻挡地增长Nordfels 也面临着这种趋势Jenner认为，“无论是搬运机还是检测器，其组合应用都是多种多样的。

除此之外，还有深度学习和机器学习提供新的可能性”“将会形成一个提供无限可能的技术竞争领域，但也需要大量的专业知识和多学科技能，最终以开发易于在生产中操作并以最高的工艺水平可靠运行的系统”创新的系统集成商和机器制造商（如Nordfels）以及虹科同样面临这些挑战。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。