機器視覺(Machine Vision)是人工智能領(lǐng)域中發(fā)展迅速的一個重要分支,目前正處于不斷突破、走向成熟的階段。
一般認為機器視覺是通過光學(xué)裝置和非接觸傳感器自動地接受和處理一個真實場景的圖像,通過分析圖像獲得所需信息或用于控制機器運動的裝置”,即可以理解為是通過工業(yè)相機等圖像傳感器采集圖像信息,通過分析處理轉(zhuǎn)化的圖像信息繼而控制后續(xù)的自動化設(shè)備的流程動作。
可以看出智能圖像處理技術(shù)在機器視覺中占有舉足輕重的位置。
那么機器視覺與圖像處理技術(shù)之間的關(guān)系和聯(lián)系是什么呢?圖像處理技術(shù)在機器視覺中有哪些應(yīng)用呢?
01
圖像處理技術(shù)的應(yīng)用
機器視覺的圖像處理系統(tǒng)對現(xiàn)場的數(shù)字圖像信號按照具體的應(yīng)用要求進行運算和分析,根據(jù)獲得的處理結(jié)果來控制現(xiàn)場設(shè)備的動作,其常見應(yīng)用如下:
(1)圖像采集
圖像采集就是從工作現(xiàn)場獲取場景圖像的過程,是機器視覺的第一步,采集工具大多為CCD或CMOS照相機或攝像機。
照相機采集的是單幅的圖像,攝像機可以采集連續(xù)的現(xiàn)場圖像。就一幅圖像而言,它實際上是三維場景在二維圖像平面上的投影,圖像中某一點的彩色(亮度和色度)是場景中對應(yīng)點彩色的反映。這就是我們可以用采集圖像來替代真實場景的根本依據(jù)所在。
如果相機是模擬信號輸出,需要將模擬圖像信號數(shù)字化后送給計算機(包括嵌入式系統(tǒng))處理?,F(xiàn)在大部分相機都可直接輸出數(shù)字圖像信號,可以免除模數(shù)轉(zhuǎn)換這一步驟。不僅如此,現(xiàn)在相機的數(shù)字輸出接口也是標(biāo)準(zhǔn)化的,如USB、VGA、1394、HDMI、WiFi、Blue Tooth接口等,可以直接送入計算機進行處理,以免除在圖像輸出和計算機之間加接一塊圖像采集卡的麻煩。后續(xù)的圖像處理工作往往是由計算機或嵌入式系統(tǒng)以軟件的方式進行。
(2)圖像預(yù)處理
對于采集到的數(shù)字化的現(xiàn)場圖像,由于受到設(shè)備和環(huán)境因素的影響,往往會受到不同程度的干擾,如噪聲、幾何形變、彩色失調(diào)等,都會妨礙接下來的處理環(huán)節(jié)。為此,必須對采集圖像進行預(yù)處理。常見的預(yù)處理包括噪聲消除、幾何校正、直方圖均衡等處理。
通常使用時域或頻域濾波的方法來去除圖像中的噪聲;采用幾何變換的辦法來校正圖像的幾何失真;采用直方圖均衡、同態(tài)濾波等方法來減輕圖像的彩色偏離。 總之,通過這一系列的圖像預(yù)處理技術(shù),對采集圖像進行“加工”,為體機器視覺應(yīng)用提供“更好”、“更有用”的圖像。
(3)圖像分割
圖像分割就是按照應(yīng)用要求,把圖像分成各具特征的區(qū)域,從中提取出感興趣目標(biāo)。在圖像中常見的特征有灰度、彩色、紋理、邊緣、角點等。例如,對汽車裝配流水線圖像進行分割,分成背景區(qū)域和工件區(qū)域,提供給后續(xù)處理單元對工件安裝部分的處理。
圖像分割多年來一直是圖像處理中的難題,至今已有種類繁多的分割算法,但是效果往往并不理想。近來,人們利用基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法進行圖像分割,其性能勝過傳統(tǒng)算法。
(4)目標(biāo)識別和分類
在制造或安防等行業(yè),機器視覺都離不開對輸入圖像的目標(biāo)進行識別和分類處理,以便在此基礎(chǔ)上完成后續(xù)的判斷和操作。識別和分類技術(shù)有很多相同的地方,常常在目標(biāo)識別完成后,目標(biāo)的類別也就明確了。近來的圖像識別技術(shù)正在跨越傳統(tǒng)方法,形成以神經(jīng)網(wǎng)絡(luò)為主流的智能化圖像識別方法,如卷積神經(jīng)網(wǎng)絡(luò)(CNN)、回歸神經(jīng)網(wǎng)絡(luò)(RNN)等一類性能優(yōu)越的方法。
(5)目標(biāo)定位和測量
在智能制造中,最常見的工作就是對目標(biāo)工件進行安裝,但是在安裝前往往需要先對目標(biāo)進行定位,安裝后還需對目標(biāo)進行測量。安裝和測量都需要保持較高的精度和速度,如毫米級精度(甚至更?。?,毫秒級速度。
這種高精度、高速度的定位和測量,倚靠通常的機械或人工的方法是難以辦到的。在機器視覺中,采用圖像處理的辦法,對安裝現(xiàn)場圖像進行處理,按照目標(biāo)和圖像之間的復(fù)雜映射關(guān)系進行處理,從而快速精準(zhǔn)地完成定位和測量任務(wù)。
(6)目標(biāo)檢測和跟蹤
圖像處理中的運動目標(biāo)檢測和跟蹤,就是實時檢測攝像機捕獲的場景圖像中是否有運動目標(biāo),并預(yù)測它下一步的運動方向和趨勢,即跟蹤。并及時將這些運動數(shù)據(jù)提交給后續(xù)的分析和控制處理,形成相應(yīng)的控制動作。圖像采集一般使用單個攝像機,如果需要也可以使用兩個攝像機,模仿人的雙目視覺而獲得場景的立體信息,這樣更加有利于目標(biāo)檢測和跟蹤處理。
02
面臨的挑戰(zhàn)
在機器視覺的圖像處理技術(shù)的發(fā)展中,還存在不少技術(shù)瓶頸,如: 某種處理方法往往在研究和開發(fā)中表現(xiàn)良好,但在復(fù)雜多變的應(yīng)用環(huán)境中,卻不時地出現(xiàn)問題。例如人臉識別系統(tǒng),在目標(biāo)配合時識別率可高達95%以上,但在實際監(jiān)控環(huán)境下,識別率就會大大下降。
機器視覺系統(tǒng)要求圖像識別和測量的準(zhǔn)確性接近100%,任何微小的誤差都有可能帶來不可預(yù)測的后果。例如目標(biāo)定位的誤差會使裝配出來的設(shè)備不符合要求。
視覺檢測設(shè)備的實時檢測效率快,圖像采集數(shù)據(jù)量大,如果圖像的采集速度、處理速度較慢,再加上新近引入的深度學(xué)習(xí)類算法,加大了系統(tǒng)實時處理的難度,跟不上機器運行和控制的節(jié)奏,所以提高圖像處理速度非常重要。
03
提高圖像處理速度的主要方法
目前提高圖像處理速度主要有兩種方法。
一是改進和優(yōu)化圖像處理算法。該算法應(yīng)簡單、快速,并考慮到實際效果;二是改進和優(yōu)化實現(xiàn)算法的手段。
那么,機器視覺檢測設(shè)備可以通過哪些方式來提高檢測速度?
1、專用集成電路(ASIC)
ASIC是針對于某一固定算法或應(yīng)用而專門設(shè)計的硬件芯片,有很強的實時性。但在實際應(yīng)用中存在開發(fā)周期相對較長、成本高、適應(yīng)性和靈活性差等缺點。
2、現(xiàn)場可編程門陣列(FPGA)
FPGA由多個可編程的基本邏輯單元組成的一個2維矩陣,邏輯單元之間以及邏輯單元與I/O單元之間通過可編程連線進行連接。FPGA能在設(shè)計上具有很強的靈活性,集成度、工作速度也在不斷提高,可實現(xiàn)的功能也越來越強;同時其開發(fā)周期短,系統(tǒng)易于維護和擴展,能夠大大地提高圖像數(shù)據(jù)的處理速度。
3、通用計算機網(wǎng)絡(luò)并行處理
這種處理結(jié)構(gòu)采用“多客戶機+服務(wù)器”的方式,一個圖像傳感器對應(yīng)一臺客戶機,服務(wù)器實現(xiàn)信息的合成,圖像處理的大部分工作由軟件來完成。該結(jié)構(gòu)雖然比較龐大,但升級維護方便、實時性較好。
4、數(shù)字信號處理器(DSP)
DSP是一種獨特的微處理器,是以數(shù)字信號來處理大量信息的器件。其工作原理是將接收到的模擬信號轉(zhuǎn)換為“0”或“1”的數(shù)字信號,再對數(shù)字信號進行修改、刪除和強化,并在其他系統(tǒng)芯片中把數(shù)字?jǐn)?shù)據(jù)解譯回模擬數(shù)據(jù)或?qū)嶋H環(huán)境格式,其實時運行速度遠遠超過通用微處理器。但是,DSP的體系仍是串行指令執(zhí)行系統(tǒng),而且只是對某些固定的運算進行硬件優(yōu)化,故不能滿足眾多的算法要求。
實時圖像處理系統(tǒng)中,底層的信號數(shù)據(jù)量大,對處理速度的要求高,但運算結(jié)構(gòu)相對比較簡單,適合采用FPGA以硬件方式來實現(xiàn);高層處理算法的特點是處理的數(shù)據(jù)量相對較少,但算法和控制結(jié)構(gòu)復(fù)雜,可使用DSP來實現(xiàn)。所以,可以把二者的優(yōu)點結(jié)合在一起以兼顧實時性和靈活性。
-
asic
+關(guān)注
關(guān)注
34文章
1176瀏覽量
120138 -
圖像處理
+關(guān)注
關(guān)注
27文章
1272瀏覽量
56494 -
機器視覺
+關(guān)注
關(guān)注
161文章
4301瀏覽量
119862 -
cnn
+關(guān)注
關(guān)注
3文章
350瀏覽量
22089 -
rnn
+關(guān)注
關(guān)注
0文章
76瀏覽量
6864
原文標(biāo)題:一文講透機器視覺檢測中如何提高檢測圖像處理速度!超值干貨建議收藏!
文章出處:【微信號:機器視覺沙龍,微信公眾號:機器視覺沙龍】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論