这是自动化视觉检测的未来吗？

通常现在的机器视觉系统都应用在生产线上对产品已经产生缺陷进行实时监控或检测。一个视觉检查系统通常由检查物体的不同表面的多个采集系统组成。

在典型的采集系统中，产品由光源照射，通过相机采集捕获产品图像。然后由软件系统对其进行分析以确定产品是否存在任何缺陷和质量问题， 最后再进行相应的剔废处理。

由于没有统一的解决方案，为了自动检查对象的所有部分，需要为类似产品的每个产品或系列定制这些视觉系统。这些视觉系统的开发由系统集成商执行，系统集成商与制造商密切合作以确定最合适的检查解决方案以满足应用的需求。

在与系统集成商的典型咨询过程中，制造商需要系统在产品线可识别相应的缺陷并要求对缺陷的数量和类型进行定义。系统集成商会测试不同的采集系统原型，获得最佳的后续需要的缺陷检测的图像。关于在原型中使用硬件组件的选型等主要基于构建系统的工程师的丰富的成像、光学等相关经验，并涉及结果评估的迭代经验过程。

在开发原型时，可以评估系统在时间应用的检测效率精度等相关参数，并与制造商讨论。然后可以对系统进行改进，直到满足制造商的所有质量控制要求。一旦完成，原型将在最终系统构建并集成到生产线之前进一步优化。

让它变得敏捷

已证明这种系统在许多现代生产环境中非常有效。但是，它们通常用于仅检测有限数量的产品类型的缺陷，并且无法检查各种产品类型。然而，在未来，高度定制产品的生产意味着制造商可能要求在一条生产线上检查许多不同类型的小批量产品。因此，需要认真重新考虑通过单个专用检查站检查此类产品的现有僵化概念。

根据德国凯泽斯劳滕弗劳恩霍夫工业数学研究所的博士生Petra Gospodnetic的说法，解决方案是自动化初始检查计划流程。 Gospodnetic女士在题为“检查4.0 – 让它变得敏捷”的演讲中概述了她在今年6月在克罗地亚杜布罗夫尼克举行的EMVA商务会议上如何实现这一想法。

Gospodnetic女士承认，观众中的许多行业资深人士可能对是否可以开发这样一个包罗万象的视觉系统持怀疑态度。实际上，她承认许多人可能认为创建这样一个灵活的系统可能被认为是不可能的，特别是考虑到产品，形状和材料的多样性 – 更不用说各种缺陷类型 – 这样的系统需要多功能，足以容纳。然而，她认为，如果利用计算机视觉，计算机图形学，机器学习和机器人技术方面的许多最新进展，那么这种视觉检测解决方案的开发确实是可能的。如果在所有这些看似不同的区域中开发的专业知识可能会对机器视觉检测问题产生影响，那么就有可能创建高度灵活的检测站，以适应多种产品变型。

虚拟图像处理

为了创建这样一个灵活的系统，Gospodnetic女士提出有必要开发一个能够进行虚拟图像处理的计算机模拟框架。该框架将实际模拟检查环境并使用该模型来评估不同的图像处理算法。

对整个检测环境进行建模意味着它不仅要模拟要在虚拟空间中检查的产品的属性，还要对系统中所有硬件组件的属性进行建模，例如照明系统，摄像机和光学系统。基于一组预定义的要求，例如速度，覆盖范围和精度，框架将进一步产生一组最小的兴趣点，标记产品应在何处以及如何检查。

为了创建灵活的视觉检测系统，弗劳恩霍夫研究人员认为有必要开发一种能够进行虚拟图像处理的计算机模拟框架。该框架将实际模拟检查环境并使用该模型来评估不同的图像处理算法。对整个检查环境进行建模意味着它不仅要模拟要在虚拟空间中检查的产品的属性，还要对系统中所有硬件组件的属性进行建模。基于一组预定义的要求，例如速度，覆盖范围和精度，框架将产生一组最小的兴趣点，标记产品应在何处以及如何检查。

在建模阶段，虚拟检查环境提供了一种可能性，即在系统集成商致力于组装构建所需的实际硬件和软件产品之前，系统应检查的每个产品的属性并评估潜在缺陷类型的可见性。检查站。一旦创建，最终的检查计划将被传递到机器人臂模拟器 – 已经在市场上可用 – 以便在检查过程中为机器人创建遍历路径。

Gospodnetic女士认为，产品的3D模型（或数字双胞胎） – 而不是产品本身 – 可以用作创建可用于检查产品的检查程序的基础。今天，基于物理的渲染已经在电影和广告业中用于创建各种场景的计算机生成的图像，这些图像在视觉上难以从这些场景的实际图像中辨别。采用这种方法后，可以对检查系统检查的产品进行相同的操作，并将结果用于检验计划和优化目的。

今天，面对检查复杂形状物体的系统集成商需要根据个人经验确定如何在检查站中设置照明和摄像机以检查特定物体，以便没有遮挡并且整个表面都经过彻底检查。然而，通过使用基于物理的部件模拟，Gospodnetic女士提出可以计算相机可见的表面区域，并找到覆盖所有这些区域所需的最小相机位置集。

为了使这样的系统成为现实，可以使用零件的3D模型（通常是三角网格）来进行参数化表面近似，从而创建数学描述，使得每个点处的曲率和方向等表面特征成为可能。被评估。从参数表面近似，可以生成并优化覆盖几何模型的表面的候选候选者，以确保视觉检查系统能够覆盖目标表面。

当然，为了充分检查产品，还需要模拟照明对产品的影响，以便考虑在现实生活场景中可能遇到的理想部件上的缺陷的数量和类型。如今，系统集成商基于许多不同的缺陷产品样本构建系统。然而，Fraunhofer团队致力于新框架的开发，旨在改变范例，并在产品的许多样本上使用机器学习，以模拟材料的正确和预期响应，并使用它来识别缺陷作为变体。理想。

建模过程

然而，使用单个零件的3D模型来定义基于几何形状的感兴趣区域将仅是开发这种模拟器的过程的一部分。对整个检验系统进行建模，然后对其有效性进行建模将完全是另一回事。如前所述，这还需要考虑对用于检查产品的系统的所有其他组成部分进行建模，例如机器人系统的机械结构的运动以及安装在其上的照相机和照明。

为了确定照明将如何影响由相机捕获的产品的图像，这种模拟器将需要对系统中采用的照明进行数学建模。这里，诸如光线跟踪之类的计算机图形技术可以用于通过跟踪来自光源的光的路径并模拟其与虚拟对象的相遇的效果来模拟将由系统中的相机捕获的图像。

当然，在对要检查的零件进行建模的同时，可以使我们更接近于能够构建灵活的虚拟视觉检测系统，该系统可以在现实世界中部署之前进行广泛试验，在完全成熟的虚拟视觉之前需要做更多的工作系统可用于在施工前对系统进行建模。这样的系统需要视觉组件制造商之间的协作，并且需要建立许多标准以确保构建这样的虚拟环境所需的硬件和软件模型都有效地互操作。

虽然杜布罗夫尼克的EMVA观众中的许多高管对Gospodnetic女士提出的未来愿景印象深刻，但其他人仍然有点愤世嫉俗，以至于这样一个伟大的想法永远无法实现。然而，Gospodnetic女士认识到这些问题，并呼吁在场的成员与她的研究小组合作，使她对灵活检查的愿景成为现实。

更多是视觉资讯尽在“新机器视觉”微信公众号~