实训一机器视觉技术.docx
《实训一机器视觉技术.docx》由会员分享,可在线阅读,更多相关《实训一机器视觉技术.docx(6页珍藏版)》请在冰豆网上搜索。
![实训一机器视觉技术.docx](https://file1.bdocx.com/fileroot1/2023-1/2/25903207-bc03-46bb-a368-96831598534f/25903207-bc03-46bb-a368-96831598534f1.gif)
实训一机器视觉技术
Documentnumber【SA80SAB-SAA9SYT-SAATC-SA6UT-SA18】
实训一机器视觉技术
实训一机器视觉技术
(一)机器视觉技术
1.目标→图像摄取装置(CMOS和CCD)→图像信号→图像处理系统→数字化信号
2.机器视觉系统组成部分:
光源、镜头、相机、图像处理单元、图象处理软件、监视器、输入/输出控制单元。
3.特点:
提高生产的柔性和自动化程度。
4.应用:
生产流水线的检测系统(汽车零件、纸币印刷质量)、智能交通管理系统、金相分析、医疗图象分析、无人机、机器人等。
(二)机器视觉实训系统
大恒DHLAB-BASE-PY-AF型平移式机器视觉教学实验平台
组成部分:
相机安装模块、光源安装模块、平台方形载板、运动控制面板
由组成部分可推测,在机器视觉系统识别物体时,相机的焦距、光源的种类、光圈的大小、曝光时间的长短、载板移动速度的大小都将会对获取图像产生不同的影响。
平台:
速度可调;手动或自动运动模式;
摄像头:
紧凑型数字摄像机
感光元件:
1/”CCD;分辨率为1628(H)x1236(V);像素尺寸x。
(三)实训内容
【1】一维条码检测
1.条形码(barcode)是将宽度不等的多个黑条和空白,按照一定的编码规则排列,用以表达一组信息的图形标识符,在商品流通、图书管理、邮政管理、银行系统等许多领域都得到广泛的应用。
2.摄像机位置离检测平面大概47cm,光源离检测平面约36cm。
3.实验步骤如下:
①放置条形码在载物平台上,使其处于镜头正下方;
②调整焦距、改变光圈大小,使物体清晰,对比度高、明暗适中;
③利用计算机软件控制相机对物体成像;
④通过改变曝光量、增益、光源、载物台移动速度,观察成像结果并加以比较。
⑤结果如下:
条形码A
不开光圈、无速度
曝光量
增益
识别结果
1000
0
没有图像
2500
0
不能识别
60000
0
正确识别
60000
5
正确识别
60000
错误识别
60000
7
没有图像
条形码B
不开光圈、无速度
曝光量
增益
识别结果
60000
2
没有图像
60000
正确识别
60000
20
错误识别
35000
不能识别
40000
正确识别
开光圈
曝光量
增益
识别结果
60000
没有图像
2000
正确识别
速度
曝光量
增益
识别结果
小
60000
正确识别
中
60000
错误识别
大
60000
错误识别
⑥部分截图
⑦思考题
a.想要调整平台移动速度,可以使用平移平台控制面板[速度调整]部分,打开速度调整按钮,旋转旋钮,控制速度。
b.更换其他条形码,必须再次经过调焦、找到合适位置、适合曝光量、适合增益,才能够正确识别。
否则会出现错误识别或不能成像的结果。
【2】二维码检测
1.二维码为黑白相间、粗细不同的点阵图形,通过大大小小不同的黑白的点来存储信息。
2.检测系统、实验步骤同【1】
3.结果:
曝光量很小时,系统也能够识别;增益数在实验过程中均大于3。
4.讨论加光源对识别结果的影响:
未补光补光
即在此实验中,光源的补充与否并没能直接影响识别精度。
只要在实验过程中,注意到曝光量、增益、光圈大小、光源补否之前相互协调,就能够使系统精准检测识别到二维码的内含信息。
讨论改变触发模式对识别结果的影响:
平移平台在移动的过程中,能够受到触发模式的控制。
当改动触发模式为“Line0”时,平台在移动经过磁铁标定点时,系统相机自动拍照并只在此时拍照。
此时拍照得到的图像较为清晰,识别准确度提高。
5.思考题
a.其他二维码
即系统能够识别如微信、系统自动生成的一些二维码。
只是在进行识别前,需要记得调焦、调整曝光量等数据,使系统能够成清晰的像,只有这样,才能精准识别。
b.编写识别指定二维码的Halcon程序。
在经过学习原有二维码识别的程序代码后,分析得知只需将过程中的“识别”语句改为相应的新二维码信息,既可以实现识别功能。
语句改为:
M1:
=‘wangxiaohan’
识别功能实现截图如下:
c.倾斜旋转二维码,系统能够识别。
【3】字符识别
1.此项实验需要使系统识别特定字符。
此字符已由Halcon算子程序规定为“HALCON”,出现其他字符不可识别。
2.实验过程如【1】中的①-④。
3.实验数据、截图补充如下:
曝光量
增益
识别结果
5000
0
正确识别
5000
3
正确识别
20000
0
正确识别
右遮挡
10000
0
不能识别
下遮挡
10000
0
错误识别
角遮挡
10000
0
错误识别
4.思考题:
对物体遮挡后,系统不能够100%准确识别字符。
如上图所示,遮挡部分字符串或者遮挡下方、边角,都可能使系统不能精确识别字符,还可能会产生错误识别除字符外的物体。
【4】一维测量
1.本实验测量普通芯片的管脚间距。
2.实验步骤:
①置条形码在载物平台上,使其处于镜头正下方;
②调整焦距、改变光圈大小,使物体清晰,对比度高、明暗适中;
③利用计算机软件控制相机对物体成像;
④划定“匹配区域”,此步骤是为了在实际应用中,使相机在多个零件中,能够通过匹配区域的特征,识别出需要测量的零件(即芯片)。
⑤划定“测量区域”,此步骤是为了在识别了特定零件后,在该零件的固定测量区域内才进行测量,而不是无范围的胡乱测量。
⑥相机采集后自动生成测量数据,此数据为像素单位。
如需得知确切管脚间距,要换算成标准长度单位。
⑦额外测量直尺间距,为单位换算做准备。
3.实验结果截图
速度慢速度快
静止直尺
4.思考题
a.更换其他芯片,并不能够检测成功。
因为其“匹配区域”并不重合,所以系统不能识别芯片并进行测量。
b.测出来的数据单位是像素。
在进行了直尺间距测量后,可大致估计1mm代表此实验中的单位“1”,因此可以得到管脚间距的公制长度值。
【5】二维测量
1.对所给实验工件测量板的图形进行测量。
可以通过系统得到的数据有圆的直径和矩形的面积。
2.保持相机与平台距离为47cm。
加固背光源。
3.实验步骤同实验【4】,必须划定匹配区域和测量区域。
4.实验结果截图:
5.测量过程中,有时会因为测量区域划定不规范或者测量区域与匹配区域重合时,导致系统无法识别且测定。
6.思考题:
测量数据仍为像素,可与【4】方法相同,通过建立标准长度单位与实验中所得像素数据匹配公式,再对实验数据进行换算得到真实的长度单位数据。
【6】三维形状匹配
1.对实验所给工件进行测量匹配。
可以通过系统得到三维工件在图像中的位置,并得到工件在相机坐标系中的坐标和姿态。
2.实验步骤补充:
设置匹配参数;加载形状模型;完成3D形状匹配。
3.实验结果截图:
4.思考题:
a.遮挡工件,不能准确测量。
b.旋转工件,并不是任何角度都可以测量得到正确结果。
【7】木材分类系统
1.本实验用来检测木板的种类。
2.实验流程:
①木材模板创建:
通过对各类木板的材质进行训练,使系统“记忆”被测物的特征,能够在识别过程中对所给木板的材质进行对比检测。
②完成训练后,将任意木板放置在平移台上,使系统对木板材质进行识别。
如能够在“材质库”中匹配到合适材质,显示正确类别;如不能匹配,则无法显示或者出现错误识别。
3.实验结果截图:
(均能正确识别)
4.思考题:
光照改变会影响匹配精度。
有时过于强的光照,木材表面可能反光严重,会使系统判别错误,匹配成其他材质。
下面三幅图为同一块木板,因光照强度不同,而被系统匹配不同材质。
(四)实训心得
1.实验过程中如需讨论某些参数对于结果的影响,一定要做到只改变讨论量,其他变量保持不变;
2.实验数据要通过多次实验结果平均后取得,为的是排除偶然误差;
3.光学实验中对于光学系统的构成、光路的设计、透镜应用等方面格外注意,本实验相机的成像过程,就需要对于透镜焦距的知识有所掌握。
4.考虑问题要全面,实验过程中要顾及多种变量对于结果的影响,通过多次调试,使系统达到最佳效果时,再进行最终数据的采集。