友邦保险标志

成员自1984年起

了解更多

AIA - advanced Vision + Imaging已更名为advanced Automation协会,是全球领先的视觉+成像、机器人、运动控制和工业人工智能行业自动化行业协会。

内容分类:

工业:
N/A

应用程序:
N/A

非可见机器视觉应用增加

发布12/10/2012

作者:温·哈丁,特约编辑

当涉及到不可见的机器视觉时,红外光谱是电磁频谱上的“热点”。


请原谅这个双关语,但红外成像已经在安全和工业应用中使用了多年,在这些应用中,空间感测热量并根据这些辐射测量做出决策是自动化人员和资产安全应用以及各种工业检查应用的关键因素。用于医疗和工业应用的x射线成像也很容易使用机器视觉图像处理解决方案。

今天,机器视觉正在探索电磁频谱的新部分,如紫外线,而新的相机架构正在扩大红外成像在工业应用中的使用。

探测与感知

“当我想到我们如何使用不可见的机器视觉时,我想到了两大类:一种是我们对已经存在的‘光’进行成像,另一种是当我们使用不可见的红外线、紫外线或x射线‘光’作为照明源,但收集可见图像时,”Fred Turek解释说FSI科技有限公司(Lombard, Illinois)是一家提供设备制造和系统设计服务的机器视觉公司。“如果有人是集成商,他们只会设计FSI技术公司在其机器视觉产品线中增加了一种新的3D成像传感器。GS系列3D成像传感器为一系列全新的机器人控制和检测应用提供支持。这么多系统。如果有人只卖产品,他们只卖某种类型的硬件。我们介于两者之间。我们的客户往往会向我们提出棘手的成像挑战,我们通过这种方式设计了许多不可见成像系统,最终与集成商合作部署系统。”

“红外线就是一个很好的例子,”他继续说道。“在远红外线中,我们通常监测热量,例如监测容器中的熔融金属。然而,我们可以使用近红外光来激发光伏电池并读出响应,作为质量检查的一部分,或者使用近红外光与可见光相机,在近红外敏感,以检查表面,通常不会提供足够的对比度,自动检查。我们的新型GS 3D传感器投射近红外光网格,用于3D机器人导航和视觉,而无需扫描部件。当与PowerEye机器视觉系统结合使用时,GS 3D传感器可用于诸如垃圾箱拾取,机器人操作,分类产品,模具间隙检查以及空间监控和物体识别等应用。此外,3D技术将有助于确定空间位置和测量。”

FLIR商业系统有限公司(Nashua, nehampshire)是机器视觉应用红外技术的最大供应商之一。由于政府对这种两用技术的限制,商用红外相机传统上存在低分辨率和低帧率的问题,FLIR最近缩小了其红外工业相机的尺寸和成本,使该技术能够用于大量自动化任务的评估。

FLIR商业系统业务发展总监Paul Czerepuszko解释说:“虽然我们的远红外相机在钢包检查中一直占有重要地位,以避免钢铁生产中的耐火材料破裂,但我们的新a系列相机正在扩大这一基础。”首先,像Connors Industrials这样的集成商已经在钢铁生产过程中扩展了远红外监测,以实现以前闻所未闻的自动化应用,例如炉渣检测。但另一方面,我们的FLIR紧凑型a系列红外相机现在符合GigE Vision标准,并提供60赫兹的良好分辨率,价格不到5000美元,而新的Quark红外热像仪核心只有美国硬币的大小。我们不仅看到军方开发的小型无人机对这些系统的需求,而且使用红外摄像机进行高价值资产管理(如变电站)的承诺最终变得具有成本效益并且需求不断增长。”

紫外线和x射线

虽然x射线已经在医疗和离线工业应用中使用了几十年,但使用在线x射线检测系统或对电磁波谱的紫外线部分感兴趣的行业数量相对较少。

FSI的Turek解释说:“虽然我们使用紫外线固化粘合剂作为机器视觉相机制造的一部分,但紫外线光谱成像的需求并不大。”“然而,对使用紫外线刺激引起可见荧光响应的检测系统有很多需求,例如光学涂层的检测。对于透明涂层,当你不能使用其他光学技巧时,激发和成像示踪化学物质可能是评估“不可见”涂层的最佳、最具成本效益的方法。可见荧光信号很弱,所以你通常使用强紫外线源和带通滤波器来隔离荧光信号,但这是可以做到的。”

Turek继续说道:“当涉及到x射线时,无论是医用x射线还是检查玻璃瓶和罐头的填充水平和污染物,系统的x射线部分实际上只是我们机器视觉系统的另一个前端。”“从技术上讲,视觉系统更复杂,所以它是狗,x射线系统是尾巴,但当谈到成本时,情况正好相反;到目前为止,x射线系统的成本最高。”

医疗和工业x射线系统产生大量数据,用于处理成3D形状和可用图像。传统上,处理元素一直是系统瓶颈的一部分,而不是图像采集。根据Joe Sgro的说法,帧捕捉专家的首席执行官Alacron公司。(Nashua, New Hampshire),将CPU和GPU结合在一个芯片上的新型加速处理单元代表了x射线成像的范式转变。

Sgro指出:“AMD最近推出了一款4核APU,每秒可以处理700千兆次浮点运算。“在上面加上一个大的FPGA,你就有足够的马力来处理数据密集型应用,并有足够的空间和灵活性,让OEM包括他们自己的‘秘密酱’差异化。”

正如上面的例子清楚地表明,机器视觉的增长不仅在可见世界,而且在整个电磁频谱中,随着信号处理技术将机器视觉技术推向新的行业和应用。

生命科学视野此内容是生命科学视野策展收藏的一部分。要了解更多关于生命科学视觉的知识,点击这里