遠程視覺檢測
關注創建者：匿名 創建時間：2025-12-12
遠程視覺檢測的實例教程
對于中大型工廠來說，每天都有大批量的塑膠件被生產出來，如果僅靠人力來對這數量龐大的產品進行缺陷檢測，無疑需要投入巨大的人力成本和管理成本，而且還難以保證檢測的效率和準確率。因此，引進機器視覺檢測設備就尤為必要。
塑膠件成型后，會出現一些不良問題，常見的包括變形、飛邊、批鋒、裂紋、缺料、污漬、顏色不均、黑點、色差、頂白、印刷不良、尺寸不符等外觀缺陷。
機器視覺檢測設備是全自動檢測作業，它實現了自動上料、自動檢測、自動剔除NG產品、自動裝料的一站式檢測流程。塑膠件被振動盤依次送入玻璃盤，工業CCD相機高速拍照，再由昊天宸研發團隊開發的檢測軟件系統對拍照圖片進行高速度、高精度、高穩定性的實時檢測、分析、計算，判斷樣件是否合格，然后將結果輸出、統計，發現不良品進行自動剔除。
和傳統的人工檢測方式相比，采用機器視覺檢測技術對塑膠件外觀缺陷進行檢測，優勢非常突出，更高效、更快速、精度更高，能夠大幅降低工廠在品檢方面的人工成本，從而增加企業收益。昊天宸科技多年深耕于機器視覺檢測領域，為塑膠件、PCB線路板、新能源電池、半導體、精密五金等行業客戶提供一站式機器視覺檢測解決方案，設備可非標定制，滿足不同企業的不同檢測需求。
塑膠透明件被廣泛運用于各個行業，并起著不可或缺的作用，比如各類日用品材料、照明器材、光學儀器類材料、光纖材料、封裝材料、光盤材料，等等。在透明件質檢過程中，外觀檢測是不可缺失的一環。今天我們就和大家分享機器視覺在塑膠透明件外觀檢測中的應用。
機器視覺檢測設備在塑膠透明件外觀檢測中的應用
在塑膠透明件生產過程，由于各種因素的影響，容易導致產品表面出現各種缺陷，影響產品的外觀和性能。塑膠透明件常見的外觀缺陷包括氣泡、油污、黑點、劃傷、斑紋、泛白、變色、光澤不佳等。
展開 機器視覺檢測設備外觀自動化檢測主要是適用于精密五金產品、電子元件、陶瓷零件、橡膠硅膠、螺絲螺母、手機零配件、汽車緊固件、航空緊固件等產品的外觀、尺寸、缺點等篩選。如果用人工檢測的辦法來檢測產品的外觀和尺寸質量，人工長時間用眼，眼睛非常容易造成疲勞，導致效率低，產品不合格率增加等情況。如果這個時候使用外觀檢測設備來進行檢測，檢測精度高，因機器不會像人有喜怒哀樂、七情六欲等主觀因素影響，因此不但可以降低人工的成本，同時還可以提高效率。
機器視覺檢測設備在五金沖壓件檢驗中的應用于：電器零件沖壓廠，汽車零件沖壓廠，日用品沖壓廠，家用電器零件沖壓廠，特種沖壓零件廠等。
機器視覺檢測設備在五金沖壓件檢測中的優勢：
1.可以檢測到任何圓之間的距離；
2、它可以檢測任何零件的邊緣之間的距離；
3、可以檢測從任意邊緣到圓心的圓心距，遠心距和近心距；
4、檢查沖壓產品是否傾斜，缺失或尺寸不良等；
5、同步實施檢測，結果可通過COM，I/O，Internet等方法輸出；
6、可以存儲和查詢檢測圖像；
7、自動統計（良品，不良品，總數等）。
機器視覺表面檢測是一項軟硬件結合系統工程。表面檢測可以是個不大不小的領域，它涉及金屬、薄膜、無紡布、玻璃、光伏等多個行業。表面缺陷不僅是影響產品外觀，還將直接影響產品的使用性能，如何嚴格控制產品表面質量，傳統的人工檢測已經不能適應高速生產的要求。機器視覺檢測技術是建立在計算機視覺研究基礎上的一門新興測試技術。與計算機視覺研究的視覺模式識別、視覺理解等內容不同，視覺檢測技術重點研究的是物體的幾何尺寸及物體的位置測量，如金屬三維尺寸的測量、模具等三維面形的快速測量、大型工件同軸度測量以及共面性測量等。
展開 通常，使用這種方法對精度和共模抑制的影響是最小的，但無論如何，如圖2所示，緩沖參考輸入將保持NCS21xR電流檢測放大器的高性能。
Output pin：輸出引腳
REF pin：REF引腳
Op Amp：運算放大器
圖2. NCS21xR輸出與讀取板之間的分壓電路的單位增益緩沖器
圖1的電路提供了一種簡單的方法，以將電流檢測放大器的輸出電壓轉換為電流用于遠程檢測，因此，下次當您的讀取板離監測電路很遠時，無需煩惱，只需使用幾個簡單的器件將輸出電壓轉換為電流。歡迎分享本文，
來源：http://www.eechina.com/thread-542577-1-1.html
展開 通過計算機視覺和圖像處理技術，開發沖壓件質量在線視覺檢測系統，可提高沖壓件質量檢查效率，降低人員勞動負荷。
目前整車廠主流沖壓線生產節拍大都是每分鐘12 ～18 件，每個沖壓件進行全面品質檢查大約需要8 ～10min，生產節拍遠大于品質全檢的速度，因此無法做到零件的全檢。沖壓質檢體制主要包括在線抽檢和線下抽檢，在線抽檢由兩名線檢人員周期性地在3 ～5s 的時間內檢查零件的部分區域，線下抽檢由兩名抽檢人員每間隔約100 件進行零件的全檢。這種檢查體制存在偶發不良漏檢和批量不良的風險，如圖1 所示，質檢人員長期重復性動作，也存在作業疲勞、檢出能力下降導致漏檢的情況。
圖1 不良漏檢和批量不良情況
隨著計算機芯片運算能力的提升以及人工智能算法的深入應用，目前已出現通過計算機視覺檢測取代人工檢查的應用案例，如一種基于深度學習的多分類缺陷監測系統，通過采集大樣本量的缺陷數據，對檢測模型進行訓練，使其能夠識別出開裂、凸凹點等缺陷，如圖2 所示。相對于深度學習的檢測系統，模板匹配檢測系統不需要大數據的訓練，即可輔助進行在線缺陷檢測，具有較高準確率，能消除人工漏檢造成的批量不良風險，降低質檢人員的作業負荷。
圖2 視覺監測凸凹點缺陷
硬件布置方案
系統的硬件部署要在現有沖壓線上增加，并盡可能減少對現有生產線的改造，故沿用了現有沖壓線的自動化方案(機械臂、傳送皮帶)，在此基礎上通過在零件傳送路徑上布置8組攝像頭和LED光源(俯視、前視、后視、側視各2 組)，實現對在線零件的圖像采集，如圖3 所示。
圖3 視覺監測布置示意圖
檢測方案
沖壓零件通過機械臂放置到傳送皮帶上，依次經過攝像頭拍攝點，零件的位置、角度是一種有序排列，如圖4 所示。
展開 傳統意義上的生產需要設備處于時常工作狀態以便于隨時檢測，然而這樣的工作方式導致了設備在一定的時間內出現設備閑置的現象，大大的浪費了生產資源并無法實現可靠的自動化生產；還有一個更為重要的原因在于工業生產線上生產出的產品，對于其尺寸精度的測量人們大多數都通過自己的主觀意識或者粗淺的測試方法去判別零部件尺寸是否合格，這樣的判斷方式檢測出的精度根本滿足不了客戶的需求。基于上述諸多問題的提出，一種基于機器視覺的檢測方法應運而生，此概念的提出為生產加工業實現自動化、智能化帶來了空前的變革。隨著機器視覺的應用，機器視覺的應用大大的提高了產品的質量、降低了人口紅利并能在一定程度上降低生產成本，帶動生產加工業走向自動化、智能化的道路。
一、系統的整體結構
本研究是基于工業生產線上對不同零部件尺寸的檢測，機器視覺的零部件尺寸檢測主要分為圖像采集、圖像分析處理、顯示結果及控制三個部分。系統主要由計算機主機、工業相機、LED光源和光電傳感器、PLC可編程控制器以及單片機控制器、暗箱等。
展開 
遠程視覺檢測的相關專題、標簽、搜索
遠程視覺檢測的最新內容
目前，汽車覆蓋件生產質量檢查以人工檢查為主，人工檢查質量受人員技能、生產節拍、工作態度、勞動強度等因素的影響，存在質量漏檢風險，人工檢查質量也存在過檢、損傷零件等問題。隨著生產節拍的不斷提升，機器人自動化裝框的實施，人工質量檢查越來越跟不上沖壓生產發展的需要。由于人工檢查在實際應用中遇到的困難和機器視覺檢測技術的不斷發展，給沖壓生產提供了新的檢測方法。機器視覺檢測技術的優點是檢測快速、準確、
沖壓生產過程中，人工抽檢的質量檢查方式已經不能適應高速的沖壓生產節拍，具有很高的漏檢和批量不良風險。通過計算機視覺和圖像處理技術，開發沖壓件質量在線視覺檢測系統，可提高沖壓件質量檢查效率，降低人員勞動負荷。
目前整車廠主流沖壓線生產節拍大都是每分鐘12 ～18 件，每個沖壓件進行全面品質檢查大約需要8 ～10min，生產節拍遠大于品質全檢的速度，因此無法做到零件的全檢。
機器人認知技術引領者
在新興市場經濟和新型技術不斷崛起的背景下，生產出高品質且價格低廉的產品是企業發展的急切需求，然而近些年來在國內現有生產條件下生產出的產品存在著很大的問題。傳統意義上的生產需要設備處于時常工作狀態以便于隨時檢測，然而這樣的工作方式導致了設備在一定的時間內出現設備閑置的現象
作者 | Aimme
出品 | 焉知
一直想通過計算機視覺的角度好好地把其在自動駕駛視覺檢測、追蹤及融合上的原理進行詳細闡述，對于下一代自動駕駛系統來說，會采用集中式方案進行攝像頭的原始感知信息輸入和原始雷達目標的輸入。對于純攝像頭的感知方案通常采用針孔相機模型進行相機標定，在本文中，將研究相機配準和雷達傳感器融合的整體過程。了解其對于掌握后續關于測量提取和傳感器校準的討論是必要的
來源 |
AI修煉之路
介紹
三維目標檢測是自動駕駛和虛擬現實中重要的場景理解任務。考慮到激光雷達成本昂貴，本文提出一個基于立體視覺的3D目標檢測方法。針對目標深度估計是影響三維目標檢測性能的關鍵因素，提出了一種基于「實例深度感知」、「視差自適應」和「匹配代價調整」的三維包圍盒中心深度預測模塊。此外，我們的模型是一個「端到端」的學習框架，不需要多個階段或后處理算法
編者按：3D物體檢測（目標檢測）是智能汽車感知系統的重要任務。在眾多應用于智能汽車的傳感器中，相機這一視覺傳感器具有分辨率高、成本較低、部署方便等優點。基于相機RGB圖像的低成本3D物體檢測是當下學界和工業界的研究熱點。其中，相比多目視覺3D物體檢測，單目視覺3D物體檢測是更為基礎的問題，其難點在于估計物體的距離。本文將6DoF位姿估計領域常用的稠密關聯方法應用到了交通場景的單目
作者 |
CV_Community
來源 |
計算機視覺社區
本文還是在傳統機器視覺的基礎上討論單目測距，深度學習直接估計深度圖不屬于這個議題，主要通過mobileye的論文管中窺豹，相信離實際工程應用還有很遠。
以前提過單目測距的問題，檢測的障礙物2-D框加上攝像頭的姿態和路面假設。以下根據公開發布的論文討論具體的算法
來源 |
Smarter
作者 | 張浩 https://zhuanlan.zhihu.com/p/31727402
引言
深度學習目前已成為發展最快、最令人興奮的機器學習領域之一，許多卓有建樹的論文已經發表，而且已有很多高質量的開源深度學習框架可供使用。然而，論文通常非常簡明扼要并假設讀者已對深度學習有相當的理解，這使得初學者經常卡在一些概念的理解上
兩點之間，取直線最短。普通公路運送需要30分鐘車程的路線，交給無人機直線飛行，10分鐘就搞定了。31日上午，由廣州金域醫學檢驗集團股份有限公司主辦的無人機助力醫療科技冷鏈物流暨全國首飛儀式在廣州和杭州同步啟動。
廣東省第二人民醫院是廣東首家使用此項服務的三甲醫院。當天，一架載著檢測樣本的多旋翼無人機從廣東省第二人民醫院緩緩起飛，飛往位于廣州國際生物島的金域醫學總部實驗室。全程僅需短短
專注于機械行業、專業、職業信息分享
服務于制造業百萬工程師
推薦閱讀
【經驗分享】“公司要機器換人”——機器人應用的十大坑爹誤區請收下
【專業基礎】漲知識：一文讀懂材料連接工藝大全！
【行業觀察】卡脖子產業如何翻身？看中國光伏行業的崛起
【見多識廣】“又大又長”的盾構機是怎么鉆到地下的？
