Apakah perkakasan yang terkandung dalam penglihatan mesin?
Memandangkan pelbagai industri mula mempunyai permintaan yang meluas untuk automasi dan kecerdasan industri menggunakan teknologi penglihatan imej dan mesin, penglihatan mesin secara beransur-ansur mula diterapkan di tapak perindustrian.
Didorong oleh sokongan kerajaan yang menggalakkan, industri penglihatan mesin domestik berkembang pesat, dan China menjadi salah satu wilayah paling aktif di dunia untuk pembangunan penglihatan mesin. Saiz pasaran penglihatan mesin negara saya dijangka mencecah 24.6 bilion yuan menjelang 2025. Mari kita lihat lebih mendalam pada visi mesin.
Penglihatan mesin ialah teknologi yang komprehensif, termasuk pemprosesan imej, teknologi kejuruteraan mekanikal, kawalan, pencahayaan sumber cahaya elektrik, pengimejan optik, penderia, teknologi video analog dan digital, perisian komputer dan teknologi perkakasan (algoritma peningkatan imej dan analisis , Kad imej, kad I/O, dsb.).
Sistem aplikasi penglihatan mesin yang tipikal termasuk tangkapan imej, sistem sumber cahaya, modul pendigitalan imej, modul pemprosesan imej digital, modul pertimbangan dan membuat keputusan pintar serta modul pelaksanaan kawalan mekanikal.
Secara amnya, visi mesin ialah teknologi komprehensif yang menggabungkan perisian dan perkakasan. Ia memerlukan perisian untuk memproses imej dan perkakasan untuk memberikan imej yang stabil dan berkualiti tinggi. Sebagai pembangun, saya agak biasa dengan modul perisian dan mempunyai asas pengetahuan yang lebih lemah tentang sistem perkakasan Artikel ini menyediakan ringkasan ringkas sumber berkaitan perkakasan dalam penglihatan mesin.
Ringkasan kandungan:
1 Komputer industri
Komputer industri boleh difahami sebagai hos PC, tetapi hos ini sangat penting dalam imej. pemerolehan dan pemprosesan dan berkaitan Kawalan dan antara muka dibuat lebih kukuh. Dalam sistem penglihatan mesin, prestasi komputer perindustrian secara langsung mempengaruhi kelajuan pemprosesan dan masa berjalan keseluruhan sistem penglihatan, dan merupakan kunci kepada keseluruhan sistem penglihatan. Pemilihan komputer industri perlu mengambil kira 4 aspek berikut:
1) Saiz
2) Kaedah pemasangan
3) Konfigurasi
--- - --Hanya pilih konfigurasi yang sesuai mengikut aplikasi anda.
4) Antaramuka
-------Adalah sangat penting untuk menentukan bilangan kamera, pengawal sumber cahaya dan kaedah sambungan dalam sistem penglihatan. Sebagai contoh, sistem mempunyai 8 kamera dan 4 sumber cahaya perlu dikawal ditentukan.
2. Kamera
2.1 Jenis Kamera
Kamera Matriks Titik/Kamera Matriks Kawasan
Kawasan Kamera tatasusunan: Ia melaksanakan penangkapan matriks piksel. Dalam imej yang ditangkap oleh kamera, butiran imej tidak ditentukan oleh bilangan piksel, tetapi oleh resolusi. Resolusi ditentukan oleh panjang fokus kanta yang dipilih Untuk kamera yang sama, kanta dengan panjang fokus yang berbeza akan mempunyai resolusi yang berbeza. Bilangan piksel tidak menentukan resolusi (ketajaman) imej, jadi apakah faedah kamera dengan piksel besar? Hanya ada satu jawapan: kurangkan bilangan pukulan dan tingkatkan kelajuan ujian.
Kamera imbasan garisan: Seperti namanya, ia dalam bentuk "garisan". Walaupun ia juga merupakan imej dua dimensi, ia sangat panjang. Panjangnya beberapa K, tetapi lebarnya hanya beberapa piksel. Secara amnya, kamera jenis ini hanya digunakan dalam dua situasi: 1. Medan pandangan yang akan diukur ialah jalur memanjang, yang kebanyakannya digunakan untuk masalah pemeriksaan pada penggelek.
2. Memerlukan medan pandangan yang besar atau ketepatan yang sangat tinggi. Dalam kes kedua (memerlukan medan pandangan yang besar atau ketepatan yang sangat tinggi), anda perlu menggunakan peranti pengujaan untuk merangsang kamera beberapa kali, mengambil berbilang foto, dan kemudian menggabungkan berbilang imej berbentuk "bar" yang ditangkap gambar yang besar.
Oleh itu, apabila menggunakan kamera tatasusunan baris, anda mesti menggunakan kad tangkapan yang boleh menyokong kamera tatasusunan baris. Kamera tatasusunan baris adalah mahal, dan dalam kes medan pandangan yang besar atau pengesanan ketepatan tinggi, kelajuan pengesanannya juga perlahan - imej kamera umum ialah 400K ~ 1M, dan imej gabungan adalah beberapa M lebih besar, dan kelajuan Sememangnya ia lebih perlahan. Kerja yang perlahan membawa kepada kerja yang baik. Atas dua sebab ini, kamera imbasan talian hanya digunakan dalam keadaan yang sangat istimewa.
Kamera CCD/kamera CMOS
Kamera CCD boleh memberikan kualiti imej yang baik dan imuniti hingar, walaupun saiz sistem menjadi lebih besar disebabkan penambahan litar luaran. Ia boleh diperbaiki dengan menyalin, tetapi pereka litar boleh menjadi lebih fleksibel dan lebih baik meningkatkan prestasi beberapa kebimbangan khas kamera CCD. CCD lebih sesuai untuk aplikasi yang memerlukan prestasi kamera yang sangat tinggi tetapi kawalan kos yang kurang ketat, seperti astronomi, imej X-ray perubatan definisi tinggi dan aplikasi lain yang memerlukan pendedahan jangka panjang dan mempunyai keperluan ketat pada hingar imej.
Kamera CMOS mempunyai kelebihan hasil yang tinggi, integrasi tinggi, penggunaan kuasa yang rendah dan harga yang rendah. Tetapi imej itu sendiri mempunyai banyak bunyi. Teknologi CMOS semasa terus berkembang, telah mengatasi banyak kelemahan awalnya, dan telah berkembang ke tahap yang boleh bersaing dengan teknologi CCD dari segi kualiti imej.
CMOS sesuai untuk aplikasi yang memerlukan ruang kecil, saiz kecil dan penggunaan kuasa yang rendah tetapi tidak mempunyai hingar imej dan keperluan kualiti yang tinggi. Seperti kebanyakan aplikasi pemeriksaan industri pencahayaan tambahan, aplikasi keselamatan, dan kebanyakan kamera digital komersial pengguna. Pada masa ini, kamera industri CCD masih menduduki kedudukan dominan dalam penyelesaian pemeriksaan visual.
Leraian 2.2
Bilangan piksel setiap kali kamera mengumpul imej biasanya sepadan dengan bilangan piksel yang disusun pada permukaan sasaran penderia fotoelektrik. Pilihan resolusi juga perlu ditentukan berdasarkan senario penggunaan dan keperluan ketepatan yang lebih tinggi.
Kedalaman 2.3 piksel
Bilangan bit setiap data piksel, yang biasa ialah 8bit, 10bit, 12bit. Resolusi dan kedalaman piksel bersama-sama menentukan saiz imej. Contohnya, untuk 5 juta piksel dengan kedalaman piksel 8bit, keseluruhan gambar hendaklah 5 juta*8/1024/1024=37M (1024Byte=1KB, 1024KB=1M). Meningkatkan kedalaman piksel boleh meningkatkan ketepatan pengukuran, tetapi ia juga memperlahankan sistem dan menjadikan penyepaduan sistem lebih sukar (kabel yang bertambah, saiz yang lebih besar, dsb.).
2.4 kadar bingkai
Kelajuan pemerolehan kamera dan penghantaran imej Untuk kamera tatasusunan kawasan, biasanya bilangan bingkai yang dikumpul sesaat (Bingkai/Sat ). ditangkap.
Pendedahan 2.5
Kamera imbasan talian industri semuanya kaedah pendedahan baris demi baris Anda boleh memilih frekuensi talian tetap dan penyegerakan pencetus luaran diselaraskan dengan tempoh garisan yang konsisten, atau anda boleh menetapkan masa tetap kamera imbasan mempunyai beberapa kaedah biasa: pendedahan bingkai, pendedahan medan dan dedahan bergolek secara amnya menyediakan fungsi pemerolehan pencetus luaran, dan kelajuan pengatup boleh umumnya mencapai 10ms Kamera berkelajuan tinggi Ia akan menjadi lebih pantas.
2.6 Bunyi
Bunyi merujuk kepada isyarat di luar sasaran pengimejan sebenar yang tidak dijangka akan dikumpul semasa proses pengimejan. Secara umumnya, ia terbahagi kepada dua kategori Satu ialah bunyi tangkapan yang disebabkan oleh isyarat berkesan, yang wujud untuk mana-mana kamera yang lain ialah bunyi yang wujud dalam kamera itu sendiri dan tiada kaitan dengan isyarat. Ia disebabkan oleh bunyi yang wujud yang disebabkan oleh litar bacaan sensor imej, pemprosesan isyarat kamera dan litar penguatan Bunyi yang wujud bagi setiap kamera adalah berbeza.
2.7 Antara Muka Pembangunan
Untuk pembangunan projek visual menggunakan kamera, kawalan kamera (fotografi, rakaman video, penjimatan, penetapan parameter, dsb.) adalah penting , secara amnya pengilang akan menyediakan demo kawalan, dan fungsi kawalan perlu digunakan pada projek kami semasa pembangunan.
3. Kanta
Kamera dan kanta secara umumnya dipadankan Bilangan piksel yang sepadan dengan sisi E=B/C, bilangan piksel pada sisi panjang dan sisi pendek kamera mestilah lebih besar daripada E;
2) Saiz piksel = saiz sisi pendek produk B /piksel sisi pendek bagi kamera yang dipilih Nombor
3) Pembesaran = cip kamera dipilih saiz filem pendek/medan pandangan julat sisi pendek kamera
4) Ketepatan produk boleh diselesaikan = piksel saiz/pembesaran (tentukan sama ada ia kurang daripada C )
5) Panjang fokus kanta objektif = jarak kerja/(1+1/pembesaran) Unit: mm
6) Resolusi bagi satah imej mestilah lebih besar daripada 1/(2×0.1×pembesaran pembesaran) unit: lp/mm
Saiz CCD bagi kanta yang dipilih mestilah lebih besar daripada atau sama dengan saiz cip sensor CCD kamera . Di samping itu, sama ada pangkalan pelekap adalah antara muka jenis C, CS atau F juga mesti sepadan, dan kerja lensa juga mesti dipertimbangkan, sama ada terdapat ruang yang mencukupi, dsb. Jika anda masih tidak pasti tentang pilihan kanta, anda boleh berunding dengan sokongan teknikal pengeluar dan biarkan pengeluar mengesyorkan kanta yang sesuai berdasarkan senario aplikasi anda.
4. Sumber cahaya
Lampu pengisian adalah operasi yang diperlukan dalam penglihatan mesin Jika anda hanya meningkatkan masa pendedahan kamera, ia akan meningkatkan hingar imej dan mengurangkan kualiti imej Anda mesti memilih Sumber cahaya yang sesuai akan dilakukan. Pemilihan sumber cahaya dibahagikan kepada dua bahagian: lampu sumber cahaya dan pengawal sumber cahaya.
4.1 Lampu sumber cahayaPenglihatan mesin juga menyediakan pelbagai sumber cahaya Ini kerana industri penglihatan digunakan secara meluas dan perlu memilih yang sesuai sumber cahaya mengikut projek tertentu akan mencapai kesan yang diingini.
Jenis lampu sumber cahaya yang biasa adalah seperti berikut, yang boleh dipilih mengikut projek tertentu
4.2 Pengawal sumber cahayaThe. pengawal sumber cahaya adalah untuk persekitaran ujian Mereka yang menyediakan pencahayaan biasanya akan menyediakan antara muka pembangunan untuk mengawal port output yang ditetapkan untuk menyala atau mematikan, terutamanya untuk bekerjasama dengan kamera untuk menyediakan perisian dengan imej yang memenuhi keperluan.
5. Persekitaran fizikal
Sistem penglihatan mesin mempunyai keperluan yang agak tinggi untuk persekitaran ujian, yang melibatkan isu seperti kamera, sumber cahaya, dan penempatan sasaran yang akan diuji menyediakan imej yang stabil dan berkualiti berprestasi tinggi. Persekitaran ujian juga mungkin perlu direka bentuk oleh organisasi profesional Jika ia adalah persekitaran yang mudah untuk eksperimen, anda boleh membeli kurungan percubaan dalam talian.
Atas ialah kandungan terperinci Apakah perkakasan yang terkandung dalam penglihatan mesin?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Berikutan populariti GroundedSAM, pasukan Institut Penyelidikan IDEA kembali dengan karya baharu: model gesaan visual (VisualPrompt) baharu T-Rex, yang menggunakan gambar untuk mengecam gambar dan boleh digunakan terus dari kotak, membuka dunia baharu pengesanan set terbuka! Tarik bingkai, semak dan lengkapkan! Pada persidangan IDEA 2023 yang baru sahaja tamat, Shen Xiangyang, pengerusi pengasas Institut Penyelidikan IDEA dan ahli akademik asing Akademi Kejuruteraan Kebangsaan, menunjukkan pengalaman pengesanan sasaran baharu berdasarkan isyarat visual dan mengeluarkan makmal model (taman permainan) baharu model isyarat visual T-Rex ), InteractiveVisualPrompt (iVP), yang mencetuskan gelombang klimaks percubaan di tapak. Pada iVP, pengguna boleh membuka kunci "one

Dengan perkembangan berterusan sains dan teknologi, teknologi penglihatan mesin telah digunakan secara meluas dalam pelbagai bidang, seperti automasi industri, diagnosis perubatan, pemantauan keselamatan, dll. Sebagai bahasa pengaturcaraan yang popular, Java juga mempunyai aplikasi penting dalam bidang penglihatan mesin. Artikel ini akan memperkenalkan amalan penglihatan mesin berasaskan Java dan kaedah yang berkaitan. 1. Aplikasi Java dalam penglihatan mesin Sebagai bahasa pengaturcaraan merentas platform, Java mempunyai kelebihan sistem pengendalian silang, penyelenggaraan mudah, dan berskala tinggi Ia mempunyai kelebihan tertentu untuk aplikasi penglihatan mesin. Jawa

Memandangkan pelbagai industri mula mempunyai permintaan yang meluas untuk automasi industri dan kecerdasan menggunakan teknologi imej dan penglihatan mesin, penglihatan mesin secara beransur-ansur mula digunakan di tapak perindustrian. Didorong oleh dasar kerajaan yang menggalakkan, industri penglihatan mesin domestik berkembang pesat, dan China menjadi salah satu wilayah paling aktif di dunia untuk pembangunan penglihatan mesin. Saiz pasaran penglihatan mesin negara saya dijangka mencecah 24.6 bilion yuan menjelang 2025. Mari kita lihat lebih mendalam pada visi mesin. Penglihatan mesin ialah teknologi komprehensif, termasuk pemprosesan imej, teknologi kejuruteraan mekanikal, kawalan, pencahayaan sumber cahaya elektrik, pengimejan optik, penderia, teknologi video analog dan digital, perisian komputer dan teknologi perkakasan (algoritma peningkatan dan analisis imej, kad imej, I/ O kad, dsb.). Sistem aplikasi penglihatan mesin biasa termasuk tangkapan imej, sistem sumber cahaya, imej

Bagaimana untuk melaksanakan algoritma penglihatan mesin dan pengecaman objek dalam C++? Pengenalan: Dengan pembangunan berterusan dan aplikasi kecerdasan buatan, teknologi penglihatan mesin telah digunakan secara meluas dalam pelbagai bidang, seperti pemanduan autonomi, pemantauan keselamatan, pengimejan perubatan, dll. Antaranya, C++, sebagai bahasa pengaturcaraan yang digunakan secara meluas, mempunyai ciri-ciri kecekapan kompilasi yang tinggi dan fleksibiliti yang kuat, dan secara beransur-ansur menjadi bahasa pilihan untuk pelaksanaan algoritma penglihatan mesin. Artikel ini akan memperkenalkan cara melaksanakan algoritma penglihatan mesin dan pengecaman objek melalui C++, dan melampirkan contoh kod saya harap ia dapat memberikan sedikit bantuan kepada pembaca.

Sejak beberapa tahun kebelakangan ini, penggunaan bahasa Go telah meningkat secara beransur-ansur dalam pelbagai bidang, termasuk penglihatan mesin dan pengecaman corak. Bahasa Go popular secara meluas kerana keselarasan, kesederhanaan dan kemudahan penggunaannya. Artikel ini akan meneroka kelebihan menggunakan bahasa Go dalam penglihatan mesin dan pengecaman corak serta cara menggunakan Go untuk melaksanakan aplikasi ini. Kelebihan Go Concurrency Keselarasan bahasa Go adalah salah satu kelebihan terbesarnya. Berbanding dengan bahasa lain, Go boleh mencapai pemprosesan serentak yang cekap dengan mudah. Ini mempunyai aplikasi dalam penglihatan mesin dan pengecaman corak

Java pada masa ini merupakan salah satu bahasa pengaturcaraan yang paling banyak digunakan di dunia, dan penglihatan mesin dan teknologi pengecaman imej telah menjadi salah satu bidang yang telah menarik banyak perhatian sejak beberapa tahun kebelakangan ini. Artikel ini akan meneroka cara menggunakan Java untuk melaksanakan visi mesin dan teknologi pengecaman imej, serta memperkenalkan asas teori dan aplikasi praktikal. 1. Pengenalan kepada penglihatan mesin dan teknologi pengecaman imej Penglihatan mesin dan teknologi pengecaman imej merujuk kepada menukar imej kepada isyarat digital melalui komputer dan teknologi pemprosesan isyarat digital, dan melaksanakan pemprosesan dan analisis digital ke atasnya, akhirnya mencapai pengecaman dan analisis imej secara automatik. ia

Baru-baru ini, Sidang Kemuncak Teknologi Visi Mesin dan Aplikasi 2023 yang dihoskan oleh Institut Penyelidikan Industri Robotik dan Robotik Lanjutan (GGII) telah diadakan di Shenzhen. Ling Yunguang menyampaikan ucaptama mengenai "Penyelesaian Penglihatan Inovatif Light up Intelligent Manufacturing" dan memenangi anugerah "2023 Machine Vision Industry Chain Top 30". Yao Mingru, pengarah Penyelesaian Optik Lingyun, berkata bahawa keperluan pembuatan pintar dalam era "TWh" adalah pengeluaran pintar, pemeriksaan pintar, dan pengurusan pintar masalah bertaraf dunia dalam bidang penglihatan industri adalah pengesanan kecacatan yang tidak stabil dan strategi "penjimatan buruh" Ia tidak jelas dan nilai data sukar untuk dicerminkan; pembuatan pintar bateri kuasa dalam era "TWh" mengemukakan keperluan baharu untuk pemeriksaan visual yang lebih tepat, lebih dipercayai dan lebih pintar; . Pada masa hadapan, dengan sokongan data besar dan teknologi pengkomputeran awan, pengeluaran perindustrian akan direalisasikan

Penglihatan mesin (MV) menggunakan teknologi yang membolehkan mesin industri "melihat" dan menganalisis tugasan serta membuat keputusan pantas berdasarkan apa yang dilihat oleh sistem. MV dengan cepat menjadi salah satu teknologi paling teras dalam automasi. Memandangkan teknologi ini kini digabungkan dengan pembelajaran mesin (ML) untuk menerajui peralihan kepada Industri 4.0, kemungkinannya sangat besar, terutamanya di bahagian tepi. ABI Research meramalkan bahawa menjelang 2027, jumlah penghantaran sistem kamera akan mencecah 197 juta unit dan hasil akan mencecah $35 bilion. "Peralihan daripada mesin yang mampu mengautomasikan tugas mudah kepada mesin autonomi yang mampu 'melihat' elemen untuk pengoptimuman jangka panjang akan memacu tahap baharu inovasi perindustrian. Ini ialah inovasi yang ditawarkan ML kepada MV (juga dikenali sebagai visi komputer)," ABIRear
