tag 标签: 图像识别

相关博文
  • 热度 1
    2020-1-5 12:54
    839 次阅读|
    1 个评论
    随着中国老龄化的加快,工厂招人越来越难,并且随着对外开放的不断进行,国门加速打开,各工厂主不仅面对国内同行竞争者,更要面对国外厂家的强力竞争,因此在产品品质控制方面不敢有一丝马虎,不仅产品要好,而且生产成本还要大幅度降低,否则难以生存。 随着传统自动化设备逐渐普及,产品外观检测这个需要比较高经验和难度的工种也在朝着自动化迈进,但是产品外观检测不同于其他焊接、搬运、灌装等标准设备,由于产品、缺陷的多样性,买一套可靠好用的图像识别系统并不简单。作为机器视觉行业从事9年的研发团队,我们经历了无数检测品质不稳定,最后无法达到实际检验要求的案例,少则三五十万,多则上百万前期投资打了水漂。接下来,我们来分析一下,如何才能找到一个可靠的稳定的检测系统。 只看外表来判定一套计算机图像识别系统行不行? 我觉得有一个比喻,好比通过外貌来评价一个陌生人的能力,看到一个穿着打扮仪表堂堂威风凛凛的时候,如果不看他说话做事的实际水准是无法判断他能力高低的。 为什么会用这个做比喻?因为计算机图像识别属于人工智能范畴,系统行还是不行,效果好还是不好,不是取决于外表,而是取决于内在算法。而图像识别算法这一块,目前仅发展了50年左右的时间(计算机技术从发明到现在也只有70多年时间,第一台埃尼阿克1946年诞生于美国宾夕法尼亚大学),图像处理算法还处于少年阶段,世界各大高校研究所在各个方向对图像进行研究。由于研究方向多,不同领域方向解决的问题不同,算法不具有直接通用性,因此就要解决好图像处理问题,需要广博的知识、系统性的理论再加上丰富的项目经验,所以图像算法跟武功秘籍一样,最高的跟最低的差十万八千里。但是这些通过外表是看不出来的,只有在各式各样的环境下测试,如果表现出来的效果稳定准确,才能最后断定这个系统是可靠的,因为不同的场景面临的问题不同,难度不同,只有各个场景各个品种都能稳定工作才能算作可靠产品。 为什么通用自动驾驶到现在还没有上路,只能在有限场景的几个固定地点进行摆渡车应用,背后的原因也是如此:不同天气,不同光照、不同地理环境、不同肤色的行人、各式各样的车辆、楼房等等,都做到100%识别像登天一样难。 这一点上来说,图像识别系统跟机械系统不同,机械系统性能大部分能看得到,外表什么样性能差不多就是什么样。 当然话说回来,图像识别系统也分三六九等。容易的任务跟困难的任务,其背后对专业知识和经验的要求差别也是非常大的,简单东西能做好不代表所有都能做好,中间的路非常漫长。 本文写作主要就是笔者发现经常有借概念炒作,忽悠客户的事情发生。各个老板和采购人员对计算机图像处理技术特点理解不准确,频繁出现投资失败的情况 背景介绍:笔者在机器视觉行业从事研发工作长达9年,时常遇到类似情况,跟客户解释十分困难,因此整理成科普文章发出来净化行业空气,使客户可以更理智的认识这个领域水深水浅,降低投资风险。 著作权所有:范视电子科技研发团队,转载请注明出处,以免引起不必要的法律纠纷。
  • 热度 2
    2020-1-5 12:53
    850 次阅读|
    1 个评论
    随着中国老龄化的加快,工厂招人越来越难,工厂的一些生产环节开始使用机器视觉产品。但是机器视觉产品在选购和使用中并非一帆风顺,在使用中经常遇到这样或者那样的问题;更有的在项目实施时换了几个供应商也没有达到生产要求,为此浪费了大量时间和财力。 之所以出现这些问题,究其原因机器视觉系统属于高科技产品,技术含量高难度也大,不同于传统机械产品。因此不能用传统机械设备上的经验进行选购,。为了便于工厂管理者更好的选到合适的产品降低浪费,本文将视觉产品选购中需要注意的问题进行系统性梳理。 什么是机器视觉?我们先进行基础概念介绍,把概念搞清楚才便于做出正确选择。 机器视觉是计算机图像技术在工业领域的一个称呼,其技术来源于计算机图像处理科学与技术。该技术较为高深,建立在计算机科学(图像识别和人工智能分支)与高等数学几何学基础上。此技术的一个应用大家应该耳熟能详,例如有线电视图像压缩传输,VCD、DVD、MP4、蓝光、4K高清等产品上无一不使用计算机图像技术。高级一些的例如人脸识别、车牌号识别、机器人抓取等。 机器视觉是将该技术应用于工业检测和识别领域。本质上是通过数字成像技术,然后经过各种运算进行关键特征提取,最后给出检测结果,调整下道工序的输入。 机器视觉从应用上来说,可以分为识别、检测、测量、定位。其中最难的是检测,各种缺陷的检测。下面分开介绍。 对产品状态好坏的判定以及字符读取都是识别的范围。例如饮料灌装行业需要对每个瓶子瓶盖盖好与否进行检测,这个就是对瓶盖状态的识别。瓶身上的生产日期检查,防止漏印、错印,这是字符识别。 有些芯片产品的引脚间距需要保证一致,不能出现忽大忽小,引脚间距的非接触式测量就是视觉测量的一个应用,此外饮料行业对于液位高度检查也是测量应用。 定位主要是计算出产品的位置方便机械手抓取。 检测主要对产品外观状态进行识别,例如产品表面是否有划伤、破损,典型应用例如纺织瑕疵检测、半导体硅片瑕疵检测、太阳能电池片电极断裂、油污和颜色深浅检测等。 由于上面四类应用难度不同,对产品的要求也不同,因此市场主要形成两大阵营:一个是以康耐视、基恩士为代表的智能相机家族;一个是以大恒图像、凌云光子为代表的计算机系统(PC Base)家族。 智能相机外形小巧、使用简单、便于安装用于读码(条码、二维码)、定位、测量和简单状态识别(例如瓶盖是否盖好),不过智能相机由于算法相对简单,处理器性能有限,无法胜任复杂缺陷检测的要求。复杂缺陷检测主要是依靠计算机家族来实现。复杂缺陷检测开发周期较长,不确定性大,找有实力的厂家开发成功率比较高。 智能相机主要是美国的康耐视(Cognex),日本的基恩士(Keyence),产品品质好,价格高。计算机家族主要是北京大恒图像、北京凌云光子、北京华夏视科、武汉精测可以进行全新检测系统的研制。 对于读码、定位和简单识别一般不会遇到特别大的困难,实际项目实施时失败率最高的是缺陷检测。缺陷检测系统的研制失败率高是因为缺陷种类繁多,产品品类多,形状颜色图案变化都比较大。 典型的机器视觉技术通过颜色、对比度、形状提取,通过数学建模等方法可以实现规整目标的缺陷检测,例如药片、光盘、液晶屏等。但是对于复杂外形的产品往往很难取得满意效果,例如农产品、食品、纺织品缺陷检测。 随着2012年加拿大多伦多大学教授Hinton在深度学习识别上取得突破,很多原来无法实现的复杂缺陷检测可以借助深度学习完成,并且实现了很高的准确率。对于产品形态复杂的检测任务可以尝试深度学习,很多都可以取得不错的效果。 不过深度学习也并非万能,如果场景变化目标形状变化剧烈,检测准确度也难以提高,例如户外环境下的自动驾驶行人车辆的识别。 选购机器视觉产品,最好寻找上述专业机构。然而大企业对小众采购量小的产品接单意愿不大。小众采购量小的项目开发只能选择小视觉公司,小规模视觉公司在技术和经验上参差不齐,需谨慎选择。 时间仓促,上述文章概括了视觉检测系统的概念和选购过程中需要注意的问题,希望可以帮助工厂管理人员。如果有特殊问题上面文章没有提及,可以在页面留言,我们会定期逐一解答。 著作权所有:范视电子科技研发团队,转载请注明出处,以免引起不必要的法律纠纷。
  • 热度 12
    2019-1-13 12:53
    3107 次阅读|
    3 个评论
    雨滴慧目图像识别项目的产品定义过程详解!
    需求来源: 俊知焊齿机的合金刀头上料机构,采用基恩士的光纤激光识别,对于一些对称性比较强的合金刀头,容易误判,所以高端的焊齿机采用价格昂贵的图像识别系统,但是价格在1.5万附近,焊齿机整机价格也就不到10万,所以一般机器都不采用图像识别,只有客户有特殊要求,愿意接受高价的,才用图像识别。 俊知看到我们做手机,手机上有摄像头,于是他们希望我们采用手机技术,做一套高性价比的适合他们的图像识别方案,这样可以提高俊知焊齿机的竞争力,但限于当时的手机技术,尤其是摄像头无法远距离与手机分立,所以这个想法只是停留在想法上。 尝试: 2016年我出任俊知总经理,为了提高焊齿机的竞争力,开发了第二代高频电源后,于是着手思考图像识别的方案,俊知以前提过采用USB摄像头,但是这个需要配套性能比较高的解码板,需要采用主频比较高的平板方案,而这个不是我擅长的,我擅长的是嵌入式单片机 + FPGA,当时我提出一套基于模拟摄像头,FPGA图像二值化后,采用stm32单片机设计的一套图像识别方案,通过2、3个月的开发,达到了图像识别的效果,但是限于自身的技术水平,图像是黑白的,并且点阵只有128*64,并且识别方式采用特征识别,整个看起来比较低档,跟进口的相比差距很大,所以也就一直犹豫而无法推进,所以这个采用单片机方案的图像识别项目也就暂停了。 阵痛 : 2017年回归雨滴后,年末时期,在思考手持机业务如何突破,结合自身的各种应用场景的需求,提出了云屏手机概念,把单片机的简单易用特性和手机的界面、互联网能力结合起来,郑德智提出通过HTML5实现交互,搭建了软件框架,希望应用于无人值守行业,并且还可以取代一些串口屏的市场,但因为成本偏高,推广难度较大,无法直接落地,2018年中,这个项目算是阶段性失败。 峰回路转 : 2018年中云屏系统陷入僵局,无法落地,第一个典型应该到底是什么,虽然公司有不少类似的应用产品,比如门禁就是典型的,还有售卖机等,但都不是我们自己主导的,这个时候想起之前的图像识别来,于是在郑德智主持、田飞锋、叶长德等其他同事配合的情况下,基于俊知的上料机构做出了图像识别方案,获得了俊知的认可,开始进入老化测试阶段。 信心 : 俊知认可后,也就是整个焊齿机行业的认可,所以其它焊齿机行业都纷纷申请样品测试,此外俊知还推荐了客户过来,在雨滴公司附近的一家机械自动化公司一看就看中了我们的图像识别方案,因为高性价比,又简单易用,正好解决了他们眼镜架配件的上料正反面识别问题,我们的图像识别可以直接取代他们的光纤激光识别方案,最为关键的是,他还介绍了图像识别与机械手的配合使用问题,进口的方案不仅价格高,而且编程复杂,希望我们能做出简单易用的取代他们,之后他们老板来公司考察,对雨滴的思路非常认可。 理念 : 随着跟更多的有自动化需求的公司接触,他们都很希望使用我们的产品,但基本点可以归结为三点:1、高性价比,取代进口设备,2、简单易用,降低开发难度,3、本土技术支持,满足多变的二次开发,不影响他们原来的体系。 以上三点,是基于国内的实际情况,一般机械公司的技术人员往往年龄偏大,往往不愿意学习新东西,所以对机械手+图像识别等新产品既爱又恨,但真正掌握他们又需要编程等开发,他们又不愿意学习,所以有高性价比,良好的应用本土供应商,是他们的最爱,雨滴慧目图像识别产品,就应该往这个思路走。
  • 2015-7-6 11:28
    393 次阅读|
    0 个评论
    Google 在 2015 I/O 大会上推出的 Google Photos 不仅仅是一个相册,还具备了更智能的图片识别技术:它可以将相册中同一个人物的照片整合在一起,比如回顾一个婴儿从小到大的成长轨迹。通过人工智能的长期 学习,它甚至可以自动判断对你重要的时刻、重要的人、和重要的事物。在其中起到关键作用的是 Google 的图片识别 AI 。它通过学习大量的图片、调整算法来提高识别的精确度。 但是工程师们要如何知道 AI 对图片识别的准确性呢? 通过一个被称为 Inceptionism 的项目,Google 工程师潜入了 AI 的 “梦境”。他们先输入一张图片,让它识别图片中关键的部分;再让 AI 输出一张图片,表达它对图片的理解。 Google 的图片识别 AI 具有 30 层神经网络,每一层对应着不同的抽象程度,比如最低层次能识别光线、色彩,下一层次能识别图片的边缘等等。这样一层层的“训练”需要大量的数据。每一层都能提取出更高层次的细节,而最后一层会决定 AI 对图片的理解。 比如你想知道输入怎样的图片会让 AI 认为是“香蕉”,可以从一张满是噪点的图片开始,然后慢慢调整,直到它输出你想让它识别的事物。 在测试中,当试图询问哑铃是什么时,Google AI 输出了带手臂的哑铃,在输入学习的图片库中,哑铃都是和手臂一起出现的。那么提高认识精确度的办法就是,在训练学习中多输入一些哑铃单独出现的图片。 在不同的层次输入图片会得出不同的结果,比如在一些测试中,就出现了这些多眼多足的“神兽”。 Google 还专门为这些图片建了一个相册。有的如同超现实主义的艺术作品,有的则十分惊悚。这些图片至少能够表明,AI 眼中的世界显然与人类还有很大的差距。 而用户对此的反应也不一而足。有人看了以后评论道:     “这是我见过最恐怖的东西。如果 AI 眼中的世界是我们永远都不可能看到的,那么我们要怎么回应它们的行为?” 而另一位用户则认为:     “我很怀疑这是我们可以称为‘智能’的东西。它很奇特、吸引人、很酷,但是计算机并不是在绘画或者做梦,它只是在遵循设定的程序而已。”
相关资源
  • 所需E币: 3
    时间: 2019-12-25 23:00
    大小: 81.93KB
    上传者: 二不过三
    本文介绍了指纹识别系统的基本结构和整体流过程,并且从硬件系统和软件系统两个主要方面探讨了设计指纹识别系统的基本方法。硬件系统的设计主要是基于MCS-51系列单片机、FPS200指纹传感器、RS232串口芯片的电路连接以及相关的程序设计;软件系统的设计主要是指纹识别系统算法的设计,其中包括图像处理和图像识别两个方面,并且在MATLAB编写平台上实现了图像处理的算法。通过实验显示,该系统采集的指纹图像较清晰、失真较小,处理后的图像轮廓分明、特征突出,利于指纹分类与识别。通过对指纹识别系统的研究、设计与开发,综合运用了信号采集及接收技术,图像处理及识别技术,基本实现了利用单片机进行指纹识别系统开发的目的。……
  • 所需E币: 3
    时间: 2020-1-3 18:12
    大小: 211.59KB
    上传者: 2iot
    虹膜图像识别系统设计……
  • 所需E币: 3
    时间: 2020-1-3 18:12
    大小: 14.57KB
    上传者: quw431979_163.com
    基于图像识别的换票,查票系统……
  • 所需E币: 3
    时间: 2019-6-7 22:12
    大小: 892.05KB
    上传者: royalark_912907664
    针对目前塑料制品缺陷检测主要还是依靠人工检测和分拣,效率不高和生产过程自动化程度的不足,采用了一种基于FPGA的注塑制品缺陷检测的方法。通过CMOS图像传感器对注塑制品进行图像数据采集,然后利用VerilogHDL语言进行图像处理识别算法建模。下位机完成注塑制品图像数据的采集与处理,上位机完成图像的显示和工作模式的配置,上、下位机之间通过USB2.0进行数据的通信。实验证明,基于FPGA的注塑制品缺陷检测系统,检测精度高达98%以上。系统检测精度高,具有广阔的应用前景。
  • 所需E币: 3
    时间: 2019-6-5 20:37
    大小: 720.27KB
    上传者: royalark_912907664
    为了降低智能电表计量误差,降低窃电行为的发生,本文通过对图像识别技术进行深入研究,结合Android开发检测程序,提出以脉冲灯为识别对象进行检测计量误差的手持设备。在图像增强方面,首先通过灰度变换,降低图像处理的运算,利用图像形态学滤波的方式进行滤波,通过对脉冲灯闪烁时的亮度、颜色和形状等特征的检测,实现脉冲灯亮灭的识别,并以此开发检测程序。通过智能手机对智能电表摄像进行检测计量误差,判定窃电行为,该方法有效的提高了检测计量误差的效率和精度。
  • 所需E币: 3
    时间: 2019-5-26 17:54
    大小: 1.58MB
    上传者: royalark_912907664
    针对车牌检测中关键的3个环节分别进行了改进和优化。利用数学形态学结合Canny算子实现车牌定位。在传统扫描字符算法中加入边界限定,提高字符分割的准确度。在识别环节,采用计算效率较高的KNN算法进行字符的识别。最终,在OpenCV平台上实现车牌识别。
广告