機(jī)器視覺外觀缺陷檢測的未來發(fā)展將會(huì)是怎樣的

自動(dòng)化技術(shù)的不斷發(fā)展帶動(dòng)了整個(gè)工業(yè)的快速發(fā)展，而機(jī)器視覺外觀缺陷檢測作為自動(dòng)化檢測中必不可少的技術(shù)，也得到了很大的發(fā)展及創(chuàng)新，那么很多人覺得機(jī)器視覺外觀缺陷檢測技術(shù)已經(jīng)夠成熟了，還可以在哪些地方進(jìn)行突破呢?

一、圖像采集技術(shù)發(fā)展迅猛

CCD、CMOS等固件越來越成熟，圖像敏感器件尺寸不斷縮小，像元數(shù)量和數(shù)據(jù)率不斷提高，分辨率和幀率的提升速度可以說日新月異，產(chǎn)品系列也越來越豐富，在增益、快門和信噪比等參數(shù)上不斷優(yōu)化，通過核心測試指標(biāo)(MTF、畸變、信噪比、光源亮度、均勻性、色溫、系統(tǒng)成像能力綜合評(píng)估等)來對(duì)光源、鏡頭和相機(jī)進(jìn)行綜合選擇，使得很多以前成像上的難點(diǎn)問題得以不斷突破。

二、圖像處理和模式識(shí)別發(fā)展迅速

圖像處理上，隨著圖像高精度的邊緣信息的提取，很多原本混合在背景噪聲中難以直接檢測的低對(duì)比度瑕疵開始得到分辨。

機(jī)器視覺外觀缺陷檢測模式識(shí)別上，本身可以看作一個(gè)標(biāo)記過程，在一定量度或觀測的基礎(chǔ)上，把待識(shí)模式劃分到各自的模式中去。圖像識(shí)別中運(yùn)用得較多的主要是決策理論和結(jié)構(gòu)方法。決策理論方法的基礎(chǔ)是決策函數(shù)，利用它對(duì)模式向量進(jìn)行分類識(shí)別，是以定時(shí)描述(如統(tǒng)計(jì)紋理)為基礎(chǔ)的;結(jié)構(gòu)方法的核心是將物體分解成了模式或模式基元，而不同的物體結(jié)構(gòu)有不同的基元串(或稱字符串)，通過對(duì)未知物體利用給定的模式基元求出編碼邊界，得到字符串，再根據(jù)字符串判斷它的屬類。在特征生成上，很多新算法不斷出現(xiàn)，包括基于小波、小波包、分形的特征，以及獨(dú)二分量分析;還有關(guān)子支持向量機(jī)，變形模板匹配，線性以及非線性分類器的設(shè)計(jì)等都在不斷延展。

三、深度學(xué)習(xí)帶來的突破

傳統(tǒng)的機(jī)器學(xué)習(xí)在特征提取上主要依靠人來分析和建立邏輯，而深度學(xué)習(xí)則通過多層感知機(jī)模擬大腦工作，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)(如卷積神經(jīng)網(wǎng)絡(luò)等)來學(xué)習(xí)簡單特征、建立復(fù)雜特征、學(xué)習(xí)映射并輸出，訓(xùn)練過程中所有層級(jí)都會(huì)被不斷優(yōu)化。在具體的應(yīng)用上，例如自動(dòng)ROI區(qū)域分割;標(biāo)點(diǎn)定位(通過防真視覺可靈活檢測未知瑕疵);從重噪聲圖像重檢測無法描述或量化的瑕疵如橘皮瑕疵;分辨玻璃蓋板檢測中的真假瑕疵等。隨著越來越多的基于深度學(xué)習(xí)的機(jī)器視覺軟件推向市場，深度學(xué)習(xí)給機(jī)器視覺的賦能會(huì)越來越明顯。

四、3D視覺的發(fā)展

3D視覺還處于起步階段，許多應(yīng)用程序都在使用3D表面重構(gòu)，包括導(dǎo)航、工業(yè)檢測、逆向工程、測繪、物體識(shí)別、測量與分級(jí)等，但精度問題限制了3D視覺在很多場景的應(yīng)用，目前工程上最先鋪開的應(yīng)用是物流里的標(biāo)準(zhǔn)件體積測量，相信未來這塊潛力巨大。

機(jī)器視覺外觀缺陷檢測技術(shù)不斷的發(fā)展，預(yù)示著自動(dòng)機(jī)進(jìn)程的加快，工業(yè)自動(dòng)化是必然的發(fā)展趨勢(shì)，不想落后，不想被淘汰，就要不斷的發(fā)展自身企業(yè)的技術(shù)及產(chǎn)品，這樣才不會(huì)被淘汰。

fqj