2021年荣获科技型企业称号 咨询热线:
致力于推动人工智能在各行业细分领域的普及和应用 18103867856
< >

工业机器视觉如何改变行业?

作者:睿如科技 日期:2024-05-29 点击:179
一键分享

液体镜头和多光谱照明解决方案正在推动制造商的生产线进步。


当人们想象机器视觉时,他们可能会想到好莱坞科幻电影中的机器人或日常生活中的增强现实。这个愿景可能需要一些时间才能成为现实,但机器视觉的基础正在开发中,并且已经改变了制造业。以下简要介绍一些产品,重点介绍机器视觉如何加速生产、提高保真度和改善自动化。 


20240511174126_49835.jpg


制造业的发展速度比以往任何时候都快,面临着从产品生命周期短到大规模定制等新挑战。技术用于感知、记录、分析和调整生产以跟上步伐。这一切都由数据驱动,而数据通常始于传感器。与传感器相关的很多数据可能是视觉传感。每帧的每个像素都是一条信息,与其他传感器相比,这可以带来更高的保真度。


机器视觉 - 公司和产品类型


根据 2019 年 12 月发布的一份报告,机器视觉的主要驱动因素是机器人视觉、食品包装和药品。报告还指出,机器视觉“......为自动检查、过程控制和机器人引导等应用提供基于成像的自动检查和评估,通常用于制造业。”


据多方消息称,机器视觉市场的主要制造商包括以下公司:


  • 康耐视公司

  • 巴斯勒

  • 泰莱达因

  • 欧姆龙

  • 基恩士

  • 数据逻辑

  • 爱特蒙特光学

  • 联合视觉技术公司


由于对速度和质量的需求强烈,制造业的产品趋势集中在更快地获得正确的图像上。 


液态镜头技术


制造业的一个日益增长的趋势是灵活性,这意味着一条生产线上可能有多个产品或包装。对于多个包装或任务,相机可能需要重新对焦以扫描标签、检查产品等。


为了满足需求,相机可能需要每分钟处理一千多次检查或扫描。幸运的是,液体镜头技术能够提供可变焦距和其他优势。


液体镜头的优点包括:


  • 对于需要大景深的应用,使用较少的相机

  • 重新对焦需要 2 至 3 毫秒,确保图像始终清晰 

  • 它坚固耐用,因为它没有移动的机械部件

  • 它可以在各种温度下工作,并且耗电量很小


有在线工具可帮助确定哪种液体镜头可能适合不同的应用。选择相机时需要考虑很多因素,即使是使用液体镜头的相机也是如此。焦距范围和图像处理速度可能决定相机、镜头和照明的类型。 


例如,下表显示了康耐视Dataman 260(DM260)的 6.2 毫米镜头在不同距离下聚焦至 105 毫米的视野 (FoV) 宽度,并且然后一行聚焦于 190 毫米。


根据应用所需的面积和尺寸来确定相机的镜头类型和操作距离。 


机器视觉 - 照明


虽然液体镜头可以在几毫秒内调整到一定距离,但其他因素可能会影响设备处理图像的速度。例如,使用以太网供电或5V USB 电源为Dataman 的照明板供电可产生 3% 的很大占空比和 0.5 毫秒的很大曝光时间。但是,使用 24V 外部电源为照明板供电可产生 6% 的很大循环时间和 1.0 毫秒的很大曝光时间。  


虽然液体镜头技术可以让产品保持清晰,但镜头仍然需要照明才能“看清”。颜色变化、反射率、环境干扰等因素都会使缺陷检测、对准或识别变得具有挑战性。


说到机器视觉,波长是关键。对于在一条生产线或检测线上运行不同或多种颜色的部件,使用多种波长是有益的。例如,在红色部件或标签上使用红光可能会使相机难以检测或扫描。在照明解决方案中使用多种波长,例如红、绿、蓝 (RGB) 照明环和条,在机器视觉解决方案中变得越来越常见。正确的照明解决方案甚至可以节省更昂贵的相机的成本。 


例如,基恩士多光谱视觉系统使用八种波长,具有以下优点:


  • 即使是细微的颜色差异也能实现准确分类

  • 消除眩光的同时检测高度变化

  • 简单选择很好照明


在一次活动中,基恩士的代表演示了如何使用简单的黑白相机与多光谱视觉系统 CV-X/XG-X 系列来生成详细的彩色图像。


这种提供多个焦点和照明选项的产品的成本节约和多样性正在增加制造周期时间。


20240511174120_64779.jpg


液体镜头和多光谱照明技术可能有助于实现电影中更先进的机器视觉,但目前,它正在满足行业需求,即在不降低质量的情况下保持供应链和生产线更快运转。   



相关推荐:

工业 机器视觉

机器视觉工业机器人

工业机器视觉系统

工业机器视觉检测

工业机器视觉基础教程

工业机器视觉软件

工业机器视觉三大品牌

工业机器视觉是什么

工业机器视觉应用

工业机器视觉公司

工业机器视觉行业前十强

工业自动化中的机器视觉技术

上一条:3D 机器视觉正在改变机器人技术

下一条:为什么图像识别对人们来说如此有趣?