【机器视觉技术栈】- 机器视觉基础
1.1 为什么采用机器视觉
人眼与机器视觉对比
| 人眼 | 机器视觉 | |
|---|---|---|
| 精确性 | 差，64灰度级，不能分辨小于100微米的目标 | 强，256灰度级，可检测微米级目标 |
| 速度 | 慢，无法看清间隔小于40毫秒的运动目标 | 快，快门时间可达10微秒 |
| 适应性 | 弱，很多环境对人体有害 | 强，对环境适应性强(适应高震动，高噪音等环境) |
| 客观性 | 低，数据无法量化 | 高，数据可量化，并在生产中生成报表 |
| 重复性 | 弱，易疲劳 | 强，可持续不间断24小时工作 |
| 可靠性 | 容易受主观情绪影响 | 客观，检测效果稳定可靠 |
| 效率 | 效率低 | 效率高，是人工的数倍 |
| 成本 | 人力和管理成本不断上升 | 一次性投入，成本不断降低 |
机器视觉的优点
- 在高速、高精、超时、微距等人眼受限的场景下，机器视觉检测精度高、一致性好，建立在客观分析和推理的基础上，有效避免了人工检测带来的主观性和个体差异性
- 检测速度快、节约成本，短期投入大、但长期使用平均成本却低于人工检测。随着相关技术的不断发展，检测速度提高迅速，成本不断下降
1.2 机器视觉主要应用
识别： 识别包括有无、颜色、字符/条码/二维码识别，主要通过甄别目标物体的物体特征来进行判定。
定位： 定位功能是在识别出物体的基础上，经过测量准确的给出目标物体的坐标位置，引导机器人完成后续的加工、装配、搬运等一系列动作。
测量： 测量泛指利用被测物体特征进行全局或局部尺寸数据获取的应用，包括：长度、平行度、角度、圆弧长、圆直径、半径、点线距离、点点距离等等。
检测： 对目标物体的缺陷进行检出 。
1.3 机器视觉项目的关键因素
能不能做好机器视觉项目，总结了以下关键因素：
- 成像效果，需要突出目标的特征
- 能否达到检测精度
- 节拍速度
- 工件大小、工件检测位置是否一致、工件检测内容是否一致
- 能否解决很好的解决不容易处理的缺陷异常
- 能否处理不容易观察到的缺陷
- 不容易达到的精度
- 能否避开影响项（如飞虫、水渍等）
- 设备尺寸位置受限于现场情况