机器视觉,缺陷检测中光源的重要性

视觉项目前期需求分析阶段, 我们会得到一系列样品进行测试, 那么,这些样品的测试, 我们是独立性的进行测试, 这些样品是客户认为的缺陷, 那么这些缺陷是有专人进行挑选的,那么我们在前期光学实验,进行打光测试,在实验室是可以得到较好的效果, 但是一去现场调试,你会发现很多“工程问题”,那就是当前光学环境下成像会把很多OK产品误判成NG产品, 或者是一些产品上带的油污或者其他影像视觉检测的外部原因, 或者是当前产品上的前序工艺造成的不可避免的印记, 但这些客户又不认为的缺陷的产品。


机器视觉,缺陷检测中光源的重要性

NG吗, 不是的,这是OK品

这在前期需求评估方面,你是不知道会存在这种情况的, 在实际运行中,就会出现这种问题, 那么我们该如何解决呢?

光学系统

这是最靠谱的方式, 改变光学系统, 比如,某种缺陷, 只在暗场照明(低角度)解决, 另一种,只是用直射照明,比如同轴,90度光, 在上面图中,如果使用漫射板环光,那么图像就是一坨黑色, 但是使用同轴光,那么这个问题就可以很好地解决。再比如,使用同轴或者无影光或者环光进行组合照明,软件端控制一种或者几种照明,那就可以解决你的问题。 实际的问题需要实际的分析。

综合来说,如果整个个系统有明场+暗场照明+漫反射+直射,我觉得可以解决99%的问题, 软件端来控制几种光源的频闪。


机器视觉,缺陷检测中光源的重要性

同轴直射,过滤

算法改进

另一种是通过算法来进行优化,这种方法次之, 不是最好的办法, 除非是光学系统无法改进的情况下,再来考虑算法的优化, 我有过使用算法优化来得到检测的目的, 不过在实际案例中,有时候还会是有误判。

我的建议是综合使用光学系统和算法改进来稳定的检测产品


分享到:


相關文章: