在运用机器视觉对工业生产线产品检测的过程中，也有可能遇到许多问题，如果生产具有反射材质的产品，将对3D成像提出极大地挑战。同时，在生产环境中，粉尘、环境光等因素也将客观存在，这些因素都会对机器视觉检测造成许多影响。
如何面对带有漫反射及高光反射的产品进行检测，何伟认为：“现有的3D视觉方案对于漫反射材质的物体能够实现良好的数据采集，对于如透明或者高反光的物体表现不佳，在这一块知微传感在研的一款新产品可以很好的解决高反物体在不同角度下（无序堆放时物体倾斜角度会千差万别）的数据采集，它将采用多目+动态结构光的方案，同时产品也将继承RGB摄像头，可以使用RGB信息通过深度学习的方法实现复杂物品的分割，更好适应产线的自动化。”
高光反射物体让3D视觉在检测时，运用结构光很容易产生偏差，但通过多目及动态结构光方案，同时结合RGB摄像头，能够从多方位对产品进行检测，最大限度的排除由于光反射所造成的偏差。
S1.jpg
针对工业生产环境中的复杂性，冯良炳认为：“应用多种方法增强了3D信息获取时的环境适应性。工业场景的大部分情况下，环境光、震动、烟尘等干扰视觉系统对3D信息获取的因素都不同程度的存在；很多情况下，这些干扰因素还是比较严重的。针对这些问题，深圳辰视智能科技在产品研发中做出了大量的优化和创新工作，确保3D信息获取的稳定有效。例如：在环境光的变化方法，我们在产品中加入自动感知，让系统可以实时感知环境光的强弱变化，从而对应调整相机与投影，确保3D点云的生成。”
在生产环境中，复杂的环境因素是不可避免的，尤其是烟雾、粉尘、震动等因素，导致机器视觉很难获取准确的3D信息。而通过对环境的感知，及时动态调整相机及投影方式，能够在一定程度上对3D信息进行矫正，减少对3D数据的丢失。
S2.jpg
厂商选择在生产线中配置机器视觉3D检测功能时，希望在检测过程中能够保证准确率，同时不希望该项检测系统影响自己的生产效率。而3D视觉准确率的保障通常依赖于3D信息的采集，3D信息采集越多，则准确性越高，但成本也会更高。
虽然3D信息接收的越多可以保证检测的准确率，但厂商往往会对3D信息进行过量收集，从而造成成本浪费，冯良炳表示：“应用多种组合实现3D信息量的获取正好适合于应用的需求。3D信息获取量越大需要的资源就越多，所用的时间成本就会越高。因此，工业应用需要正好合适的3D信息量，如果太少的信息量就不能实现工业的识别、检测等需求；如果太多的信息量就会造成工业设备成本的上升，影响企业的利润。”
S4.jpg
为此，冯良炳也给出了相应的解决方案：“深圳辰视智能科技的3D视觉感应器，根据工业应用场景的不同采用2-6个不同选择的多相机组合系统，同时多分辨率的相机系统也可根据场景进行自由配合；正弦光的投影也采用多类型、多亮度的可选择系统。这样可以保证工业应用获取最合适的3D信息量，为用户降低成本。”
根据实际应用场景来对相机进行自由组合搭配，通过调试可以让结构光投影达到最佳的观察效果，不仅能帮助厂商用最少的设备来达到更高的检测率，还能厂商购买提高3D视觉的性价比。
S3.jpg
当然，目前而言3D数据的采集及处理都还在完善当中，何伟表示：“目前工业领域高精度的3D数据采集很多方案还需要借助高性能的PC进行计算，随着柔性化生产要求越来越高，视觉集成需要更高的自由度，这就需要嵌入式的视觉方案，我们目前提供的3D相机是继承了片上计算，实现不占用客户的计算资源直接输出三维点云数据，集成度上已经大幅提升，成本也随之更低。产业的成熟，深度学习是一个重要的技术手段，不过仍需要获取基础的3D数据，这方面也已经有很多公司在尝试，基本上还是在某些特定的应用场景下，工业行业大范围应用还需时日。”
有机器视觉业内人士分析，机器视觉在工业领域中的发展趋势主要可以分为三个阶段，一是成长阶段，以3D视觉为主；第二为创建阶段，以嵌入式视觉为主；第三为成熟阶段，以深度学习为主。显然从如今来看，仍处于收集产品3D信息的阶段。
编者认为，当前机器视觉应用在工业生产检测中主要有几个难点，一是需要对检测物体进行3D成像；二是成像过程中需要准确收集被测物体的3D信息，避免3D视觉系统漏检；三是在收集完被测物体的3D信息后，通过人工智能深度学习的方式来辨别被测物体是否具有缺陷。而今这些问题已经逐渐被厂商所破解，但一些方法还不适用于普遍生产环境，只局限在实验室当中，大范围应用还需一定时间。
上一篇：佛山甲醛检测一般是怎么做比较好？
