大数跨境

如何在机器视觉系统中选择合适的照明系统?

如何在机器视觉系统中选择合适的照明系统? 矩视智能
2022-06-14
0
为机器视觉应用选择正确的照明方式,可以提高被检测物体的特征与其背景之间的对比度,同时还可最大化信号、曝光、均匀性和噪声抑制特征。

因此,当机器视觉系统采用正确的照明方式时,诸如测量和产品识别等任务执行起来会更加容易——系统将变得更可靠、 更准确且可重复性更好。

在前几期的课堂中,为大家解读了光源篇之:

点击查看>>>《机器视觉光源最佳选型攻略》

点击查看>>>《机器视觉如何正确获取图像》


今天小矩将继续为大家讲解困扰大家已久的问题:如何在机器视觉系统中选择合适的照明系统? 

01

光源照明设计的基本因素


主要有4个基本因素要重点考虑:

1. 镜头的视场

在照明系统的设计中,应根据被测对象的尺寸确定镜头的视场。而后,再根据镜头视场的大小决定最佳的照明系统。

2. 照明系统与工件的间距

在设计系统中,需全面地了解镜头到工作的距离,照明系统到工件的距离,从而确定光源与工件的距离。

3. 工件的外形、条件和颜色

照明的选择是由工件表面的形状、平坦度、光滑程度等条件决定的。最佳的照明颜色(红、蓝、绿、白)可通过检测工作或被检测区域的颜色来决定。

4. 成像物镜

一般情况下,应针对确定的成像物镜进行照明系统的设计,其检验标准为:工件中需要可视化的部分、划痕、缺陷等是否被显现出来,工件表面上的印纹是否能够辨认等。

02

机器视觉检测中使用到的照明技术


合适的照明是机器视觉应用成功的关键,而且是第一要考虑的部分。一个设计良好的照明系统不仅会带来更好的性能,节约时间,而且从长远来看能节约成本。

下面来分享选择最合适机器视觉照明的八个小技巧。

技巧1:使用亮光去检测材料缺损

比如在塑料浇注中验证是否不足,从塑料浇注应用中验证材料缺损对于确保良好的密封表面是重要的,当有材料缺损时,你有了不足的条件(比如浇注到模型中的材料不充分)。

照明技术:亮场

亮场照明技术依赖表面纹理和平坦地形,光线遇到平坦反光的表面将光线反射回到相机,创立一个亮区域,粗糙纹理或表面缺损会将光线散射而远离相机,创立了暗区域。


技巧2:对于精确组件定位使用合适的波长

比如检测倒装芯片(Flipped Chips),在PCB装配中验证合适的零件方向是常见的机器视觉应用。

照明技术:亮场

为了验证装配问题,使用蓝光波长的打亮芯片方位。这个照明技术依靠波长和同轴照明几何。蓝色波长(460 纳米)能很好地区分银质和铜质表面:铜吸收蓝光呈现出暗场,银反射蓝光呈现亮场。同轴照明几何消除错误反射:不想要的耀眼点,反射和暗点。

技巧3:在玻璃中检测裂痕使用非漫射光

比如检测玻璃容器上的裂痕

照明技术:暗场

在这个应用当中,用暗场照明来创立一个明亮的,在暗背景下容易检测的感兴趣特征。在一个暗场区域中光线直接通过透明的瓶子,大多数穿透透明对象的光线不会被相机检测到。如果材料不规则,比如有裂纹,一些光线就会凸显出这个不规则,特别是划痕创立了一个内部空缺,这里光线折射和反射,以许多角度散射包括返回给相机。这些光线将很难检测的划痕转换到暗背景下的亮特征。


技巧4:检测透明包装使用漫射光

比如验证吸塑包装的内容

照明技术:连续漫射

连续的漫射照明技术不强调表面纹理和升高中的变化,它提供了非常大的固定照明角度,从多角度让光线找到对象上,因此消除了反射和典型的非方向性或单个光源产生的阴影。

技巧5:使用颜色创造对比度

在机器视觉应用中创造一个高对比度图像的一个有用的方法是用特殊波长(彩色)的光照明物体。对于黑白相机来讲,光的波长能使得跟彩色一样的特征变亮或变暗。

使用彩色轮子作为参考,选择一个相反颜色的光来使得特征变暗;或选相同颜色的光使得特征变亮。例如:

1. 如果你想变暗的特征是红色,则使用绿光;
2. 使用绿光能使得绿色特征呈现更亮;
3. 记住铝上刻印在红光和蓝光下的区别。


技巧6:针对快速移动的物体使用频闪光

当物体快速移动成像模糊时,就需要使用频闪光。

频闪宽度 = 视场÷ 像素/移动速度

技巧7:消除反射使用红外光

机器视觉系统依靠数字图像中的灰度级转化。在许多视觉应用当中,环境光带来了不想要的亮反射,这样使得检测感兴趣特征变得困难或不可能,红外光就能解决这个问题。

技巧8:使用红外光消除颜色差异

红外光能用于在彩色对象之间消除灰度差别,暗对象吸收红外波长,创造出一致性,而其它则呈现阴影,这个照明方案有利于检测颜色或阴影变化的非一致性。

03

机器视觉照明面临的挑战及解决办法


挑战一:找到合适的光强度


由于行业需求,照明选项必须扩展以适应不断提高的速度、分辨率和高级应用。这些要求通常与更少的曝光时间相关,作为补偿,最好的通用解决方案是均匀分布的高强度照明和短曝光时间。 


LED 是一种常见的高效强光源,可以解决这些光强度挑战。在非连续应用中,可以以更高的电流对 LED 施加脉冲,从而将输出提高三到八倍。这样做可以提供更大的光强度,但会带来时间挑战。


挑战二:寻找正确的视野


如果一个物体太远或太近,它会对图像质量产生重大影响,尤其是在高速时运动时, 连接的设备正在推动更高水平的集成、控制和实时数据。


自适应智能机器视觉解决方案在很大程度上依赖于优化与相机和视觉系统的即插即用集成,以便它们无缝协同工作。


为了提供适用于自适应机器视觉系统的即插即用解决方案,许多公司设计了预建的视觉系统。 除了面向未来的视觉系统之外,基于组件的视觉解决方案还可以提供相同的优势。


挑战三:线扫描成像照明


先进的视觉和检测流程正在推动相机分辨率的提高,随着相机分辨率的增加,像素大小通常会减小。


为了在更高的速度和光强下保持质量,更大的像素可以提供更大的全阱容量。 线扫描相机通常与更大的像素和更大的光强度相关联,以高速捕获单条线。挑战在于光线不遵循一条线,因此会丢失一些光线,这使得 FOV 很重要。 此外,减小 FOV 会增加放大倍数,如果没有自适应镜头,较小的 FOV 需要相应较高的光强度。一些线扫描相机中的小 FOV 对于增加光强度是不切实际的。


在连续应用中,区域扫描相机可以增加照明强度以捕捉传送带的一部分、关闭并在错过已通过的部分之前再次扫描。线扫描相机要做到这一点,它必须连续扫描。对于零件连续移动的检测应用,与面扫描相机相比,线扫描相机通常是一种具有成本效益的解决方案。但是,如果没有自适应智能视觉解决方案,并且取决于速度和 FOV,线扫描相机可能变得不切实际。


—往期回顾—



更多功能正在开发中,最新信息会第一时间在官方公众号进行公布,大家持续关注哦!

【声明】内容源于网络
0
0
矩视智能
1234
内容 312
粉丝 0
矩视智能 1234
总阅读0
粉丝0
内容312