机器视觉中的“移动”

作者：欧姆龙公司亚太区 Ketan Mistry

欢迎访问e展厅 展厅 10 机器视觉展厅 工业相机, 镜头, 视觉传感器, 图像采集卡, 视觉光源, ... 对于一家公司来说，如果它只是关心财务表现而忽视社会责任的话，它是很难长久保持竞争优势 的。一些最为成功的跨国企业， 已经把公司与社会的战略成功融合，在市场上形成持续的竞争力，带来长久的财务成功和社会肯定。 全球变暖、城市污染、水污染、土地流失、 食物短缺和很多其他问题，都是由于我们对于 环境的忽视造成的。除此之外，资源短缺也被认为将在未来几十年中一直困扰着人类。在这种情况下，制造业将会受到资源匮乏、石油、 金属、大宗消费品在内的原材料价格暴涨的限制，利润岌岌可危。 只有那些保证环境可持续的制造企业才能幸存下去，这就意味着要启动可以利用最少的资 源获得最大产出的系统和流程。如果用不太专业的说法，就是要做到没有垃圾、没有缺陷的 管理。过去，使用自动化系统的主要目的是提 高生产线的产能、降低制造成本。然而，现在 的自动化越来越多的用于减少垃圾排放、消除 缺陷、最小化能源消耗。 实现这些目标的一项前沿技术，就是“机器视觉”——通过摄像头和人工智能替代人眼和判断。 举例来说，一家全球顶尖的饼干厂商在其 烘焙生产线上安装了视觉传感器，用来检测饼干烘焙之后的颜色。之前，生产线上的检测员 和操作员根据出炉的饼干的颜色来控制生产线 速度和炉温(饼干颜色意味着是否已烤好)。这样的安排实际上有很多问题，因为不同的操作员看到的颜色和对颜色的解释都有所不 同，这就造成判断完全取决于个人经验。如果 公司需要保证质量稳定，饼干颜色上任何一点 小的偏差都是不能容忍的。因此，如果没有通 用的标尺，废品率就会很高。公司的决策层考察了多种解决方案，最终 选定装备加强颜色识别技术的视觉传感器。这 种视觉传感器可以将颜色数据转化为R、G、B 三个维度的数值。比如，一种颜色可以记录 为：R=225、G=150、B=130，每一个维度都会设定不同的阈值。 通过引入视觉传感器，可以即时实现两个 方面的收益。首先，可以为烘焙之后的饼干颜 色设定清楚的参考值，这样就消除了人为判断的模糊性问题。其次，可以快速的达到所需的烘焙条件。饼干的配方中，现在除了炉温和传送带速 度之外，还包括视觉传感器的R、G、B三个维度数值。闭环反馈控制可以保证所需的烘焙环境准确实现。 作为世界上最大的食品生产商之一，该公司将环境政策摆在了重要位置，包括资源高效实用，也就是尽量少的使用物料、水和能源。在部署了机器视觉系统之后，这家公司已经成功的大幅降低了面粉、食堂、牛奶、水 和燃料的消耗。这不仅仅是对底层生产线的改进，对于公司的商业表现和社会贡献也有很大的帮助。 削减成本 尽管有着明显的优点，机器视觉在工业界的应用仍然十分有限。一些人们印象中的障碍包括：技术和成本差距、用户界面不够友好等等。 机器视觉的成本日益受到重视，全套视觉系统的价格也已经随着技术进步大幅下降了。与之类似的是，机器视觉用 户界面的友好程度也已经较单机系统有了很大改善，比如视觉传感器就已经进入了市场。视觉传感器和第一代视觉系统 不同，它并不需要对摄像机、帧接收器和编程软件进行复杂的集成。 尽管价格已经大幅下降，界面也变得更加友好，每年机器视觉专家还是发现很多的问题。这些问题一旦能够解决， 就可以大幅的减少废料、对环境做出巨大贡献。这对于那些关心环境问题的机器视觉供应商绝对是一个激励。 尽管可以使用机器视觉的领域和产品越来越多，挑战也随之增加。这是因为现有技术和客户需求之间还存在差距。 但是，当机器视觉从单色发展到彩色，摄像机的像素从300K发展到几兆，处理器的运行速度也需要相应的提升。而如果处理软件不够强大的话，这些进步的效果都无从谈起。 在检测饼干颜色的应用中，真彩技术就是关键。 实现真彩 最早的视觉系统使用单色处理，在这项技术中，色彩信 息被简化为只需要判断某一时间捕捉到的图像的明暗。经过几年的发展之后，彩色图像处理出现了，最为通用的两种技 术分别是色彩拾取和色彩灰度。 在色彩拾取技术中，只有选定的色彩才可以从彩色图片 中抽取出来进行处理，图片上其他的色彩都被暗化了。色彩 拾取最多同时可以选择和处理八种颜色。而在色彩灰度技术 中，选择的色彩被转化为黑白亮度256个等级上一个灰度值，使用这种技术，加强了与制定色彩的比较能力。 这两种技术都存在不足之处：色彩拾取对于明亮环境下的差异高度敏感，而色彩灰度技术则局限在单一颜色， 同时处理效率取决于颜色过滤器如何设置。因此，无论是彩色图像还是灰度方法都会在摄像机抓取图像后损失大量信息，并且低对比度条件下图像上的微小差异是无法检测的。 根据人眼可以对图像中海量信息进行处理的理念，“真彩”技术(OMRON公司开发)突破了这些局限，在图像抓取和处理过程中，不再有信息损失。 不同的颜色由三维RGB空间中的不同位置表示，微小的色彩差异可以通过不同颜色像素在空间上位置的距离来进行识别。 真彩传感处理的一大优势就是不同检测环境下，实现稳定的测量。而它的一个缺点，就是需要高性能的处理芯片。 当前，OMRON正使用定制化Dual Mega ARCS引擎进行图形处理。 可以描述出真彩技术与众不同之处的一个案例，就是检 测铸造连接件中的外来粒子。传统的彩色视觉系统无法识别出未经定义的颜色，比如说油渍。另外一个例子，是检测彩色序列线束。传统使用色彩拾取的视觉处理方法，只能查看有限的颜色，每一种颜色序列都需要实现录入；灰度方法则 更糟，只能查看一种颜色。而真彩技术可以通过与记录模型的比较，检测任何一种色彩序列。 但是，尽管这项技术十分适合于彩色物体，一旦面对反光很强的金属制品时，它还是显得有心无力。传统上，视觉 专家使用照明技术和过滤技术获得这些物品清晰的图像，但是并不能保证一定成功。一项叫做HDR的新技术正在崭露头 角，它利用软件消除反光的影响，获取清晰的图像。 应用升级 机器视觉中最难的事情就是生成每一个检测物体的清晰 图像。如果可以捕捉到清晰的图像，无论它的明暗度、解析度或者对比度如何，图像处理现在都很容易。 视觉系统硬件在“动态性能”的得分越高，当被摄物体 与背景形成强烈对比时，就越有可能拍摄出更加清楚的图像。动态性能，意味着图形硬件检测背景之间差别的能力。 但是机器视觉的一个问题就是，系统会受到照相机动态能力的约束。 然而，新的具有“高动态性能”图像生成技术的机器视觉传感器，可以将工作件在通过改变快门速度拍摄到的两个甚至更多不同亮度下的图片，快速地合成一张单独的图片。这就将亮度条件的负面影响降到了最低。装备HDR技术的图像处理器，可以通过叠放和合成两张甚至更多同一快门速度的图像，加强检测区域的对比。在合成之后，干扰内容的效果将会被减弱，而检测区域通过集成被强化。 HDR在检测金属物品时作用十分明显，比如汽车元件上的穿孔或者激光标识码。如下图所示，左上图描述的是曝光过度的问题，下图则是曝光不足的问题。这两幅图都不能用于图像处理。而右图则是使用HDR技术捕捉到的同一个物品的图像，物品表面和二维码清晰可见，对比度足够，可以进行有效的处理。 另外一个使用HDR技术提高绩效的例子，是检测亮金属电子元件和同一照明条件下黑色铸件机身。明亮的圆柱型物品是HDR技术的理想处理对象。 关键作用 以往，商业对于环境的影响都是被动的。而今天，各家企业都在努力的实现对环境零影响，同时保证自身的利润。 毕竟，可持续制造意味着满足现在的需求，同时也不能将子孙后代的利益与现实妥协。 工厂自动化供应商将扮演重要角色，通过提供产品、服 务和技术，帮助制造业实现可持续生产、环境友好的运营。 这不仅是因为该领域存在着不可多得的商业机会，同样也体现了厂商的社会责任。(end)

文章内容仅供参考 (投稿) (12/10/2010)