機器視覺之產品分揀案例

導語:產品自動分揀是高速自動化生產系統中常用的一個重要環節,可以大大提高分揀的效率,解決企業對生產高速高質量的需求。而傳統的自動化生產線中採用分揀的方法主要是使用大量的傳感器進行監測,以達到分揀的目的,這種方法簡單、投資小;缺點則是檢測速度慢、靈活性差。隨著科技的進步和技術的革新,目前圖像處理技術逐漸趨於穩定和成熟,採用機器視覺進行分揀可以達到速度快、可靠性高、無接觸式檢測等。本文基於機器視覺系統實現對產品的分揀。

產品分揀的處理過程


機器視覺之產品分揀案例


1. 採集圖像。採集的方式有離線和在線兩種方式,離線即事先拍攝好儲存在文件夾中的圖像,而在線採集就是連接相機進行實時採集圖像。圖像的格式為BMP或JPG格式。採集我們需要的進行分揀的產品圖像,如圖1所示。


機器視覺之產品分揀案例


圖1

2. 選擇PatMax圖案(1-10)工具。檢測部件-->產品識別工具-->PatMax圖案(1-10)工具;如圖2所示。


機器視覺之產品分揀案例


圖2

3. 設置檢測區域。添加工具之後,根據檢測需要選擇區域的大小,如下圖3所示綠色框為檢測區域。

檢測區域設置原則:為了保證每個產品能夠被檢測到,儘可能的將區域範圍更大。增大檢測範圍將會增加檢測的執行時間。所以為了保證檢測的效率,根據實際的檢測物創建合適的搜索區域。


機器視覺之產品分揀案例


圖3

4. 訓練產品模板。選擇模型區域,逐一的訓練所有的產品模型,並且為它們命名以便區分。如圖4、圖5所示。

訓練規則:選擇每個產品獨有的圖案,模型區域儘可能的小,可以提高檢測的精度。


機器視覺之產品分揀案例


圖4

機器視覺之產品分揀案例


圖5

5. 設置檢測參數。設置檢測模式、合格閾值、對比度閾值、角度公差、縮放公差等。


機器視覺之產品分揀案例


圖6

模式:識別和驗證模式。識別會自動識別已訓練的模型庫的產品圖案,並報告產品ID;驗證用於驗證圖案的正確性,指定已訓練的模型庫中的某一圖案與找到的圖案進行比較。

合格閾值:訓練的模型圖案與已找到的圖案之間的相似度。只有大於或等於設定的值才能視為OK。

對比度閾值:已找到圖案中存在的最小對比度。已找到的圖案對比度必須大於設定的值。

角度公差:模型圖案允許出現的最大角度範圍。

縮放公差:已找到圖案模型與訓練的圖案之間的縮放比例。

差異接受:已找到圖案模型與訓練的圖案之間允許的分數差。

查找模式:用於訓練和識別的搜索模式;PatMax 或 PatQuick;PatMax 比 PatQuick精確度高,執行時間較長。

6. 輸出結果。


機器視覺之產品分揀案例


此類方法可以用於產品的分類識別,可應用在工業的工件識別、包裝標籤的識別等。小編希望小夥伴們有所幫助。歡迎關注本公眾號,後續會發布更多的實用應用案例。

-End-


分享到:


相關文章: