机器视觉在工厂自动化中的应用

也许没有其他经济领域像工业部门那样从自动化中获益如此之多。然而，让一个完整的、机器视觉驱动的自动化系统进入工作场所是一个长期和富有挑战性的前景。在系统到达其最终目的地并整合到那里的业务之前，必须进行许多过程。

让我们来看看这个过程以及机器视觉是如何影响它的。

需求收集

收集需求是任何技术系统开发中的一个关键点。在这个阶段，整个过程的主要涉众必须一起工作，定义功能和操作约束。对于机器视觉，必须很好地理解环境和输入。

例如，图像传感器的大小在很大程度上取决于必须成像和处理的项目的大小。镜头和任何特殊的滤镜或它可能需要的其他功能，反过来，将在很大程度上取决于环境的照明条件和动作速度。未能及早预测性能需求可能导致系统出现代价高昂的故障。

构建机器视觉系统

无论必须满足什么具体的要求，所有的机器视觉系统都有一定的基本特征。他们都:

• 定位相机或物体，以便物体可以有效成像;
• 用相机捕捉图像和相关的独特品质;
• 处理获得的图像，包括任何必要的图像校正;
• 根据图像处理结果采取行动;
• 将关键数据发送到其他工厂系统和人员。

因此，关键元素包括交付矢量、视觉系统本身、响应系统以及将所有这些元素连接在一起的传感器网络。在任何系统中，关键的工程挑战之一是确定如何实际移动和放置要检查的项目。

工厂集成

一个系统必须被设计成这样，工厂里那些在机器视觉之外有专长的人员可以将其集成到他们的操作中。第三方集成商通常是流程的中心。为了保持效率和降低成本，系统必须有一个清晰和有边界的任务，可以通过应用相同的操作启发式来执行。

然而，在机器视觉集成中并不总是采用这种方法。在某些情况下，系统被设计得非常灵活和可扩展。例如，它们可能有许多远远超出原始规范需要的通信和处理接口。这导致了更大的前期投资，但使系统与未来的需求和增长保持一致。

无论采用何种方法，图像质量都是工业机器视觉成功的关键。相机、光学和照明的相互作用直接决定了该系统是否能满足其设计者的目标。机器视觉专业知识必须应用于每一个步骤。