机器视觉是一种强大的工具,可用于确保产品质量,但由于一些公司经验不足或项目不成功,机器视觉系统可能不被信任,甚至被认为是可行的选择。在大多数情况下,对机器视觉系统不切实际的期望、未能从一开始就正确分析应用程序以及让预算决定硬件而不是应用程序的需求是机器视觉项目失败的3 个重要原因。一个不成功的项目可能会受到多个原因的影响,因为每个原因都可能影响另一个原因。
对机器视觉系统的不切实际的期望
如果从一开始就考虑和理解不同机器视觉应用的特点,将有助于减少对机器视觉应用的不切实际的期望。重要的是要了解,并非所有视觉系统都能够应用相同的解决方案,例如,并非所有应用都可以通过使用最喜欢的智能手机摄像头或基本摄像头来解决。每个应用都有特定的要求,这些要求决定了视觉系统最重要的方面。如果应用需求没有被正确识别或改变,一旦购买了设备,改变系统的功能将是困难且成本高昂的。
设计阶段后需要设定且不易更改的期望包括:检查位置、检查速度、相机工作距离、视场大小、感兴趣区域大小和检查公差。其中一项更改可能会使所需的检查变得不可能,或者需要昂贵的硬件更改才能仍然完成检查。
例如,检查位置的变化将导致安装位置的变化,从而导致工作距离的变化。当工作距离发生变化时,用户需要重新计算用于保持相同视场的镜头并重新计算相机的分辨率,以确保其仍然能够执行检查。
另一个可能产生重大影响的变化是检查要求。检查从大特征的部分存在开始,但改为验证另一个特征是否在0.001 毫米以内。如果由于特征尺寸的原因选择的原始相机分辨率较低,则可能没有0.001mm的分辨率。这意味着需要特殊的镜头才能进行精确的测量。由于需求增加,这两项改变最终都会付出高昂的代价。
这就是为什么通过回答以下问题来彻底了解您的应用程序要求至关重要:正在检查什么?去哪里检查?如何检查?提出这些问题可以为视觉系统所需的功能设定更准确的期望。
预算决定硬件,而不是应用程序需求
与大多数项目一样,预算是一个很大的限制因素。然而,当一个项目的预算不是根据应用需求来确定时,它可能是导致项目不顺利或达不到预期的最大因素。不同的视觉设备成本相差很大,即使相同的设备采用不同的方式安装,效果也会有很大差异。
例如,有些人可能认为2,000 美元的低端相机可以对小螺栓执行零件存在检查,因为此检查是在工厂另一部分对类似的螺栓尺寸执行的。因此,预算是根据以前使用的设备来准备的。但是,没有考虑到这两个应用程序的安装位置有很大不同。
最终,直到安装后才发现,由于相机和照明解决方案的工作距离,该设备未能达到所需的分辨率或对比度。这种情况导致需要新的相机和照明解决方案。如果预算确实限制了所使用的设备,那么了解什么设备最适合该应用并对设备能够完成的任务抱有现实的期望就很重要。这对于项目的成功很重要。
未能从项目一开始就正确分析应用程序
一旦设定了对应用程序的期望并开始了一些初步规划,就可以测试设备并验证什么可以完成应用程序。在购买设备或安装系统之前应始终进行验证。最简单的方法是通过模拟实际检查条件或模拟生产过程中检查现场的设备模型来进行概念验证。如果操作正确,这将验证视觉系统的所有部分。
如果用户在场外进行概念验证,则必须使用尽可能重现实际检查条件的实际零件进行测试。如果概念验证不正确,可能会导致使用错误的设备或无法弥补潜在的缺陷。在概念验证过程中,应验证以下项目:工作距离、视场、设备分辨率、镜头、照明和检查参数。
镜头、视场和分辨率是构思应用时经常被忽视的方面,很多时候甚至在生产测试之前都没有得到验证。通常会假设相机的安装距离,并通过对零件进行一般测量来获得视野,因此通常会预先计算镜头和分辨率以获得最佳猜测。当计算出的工作距离位于两个镜头的理想点之间时,这会导致问题,并且安装位置必须比预期调整得更远。当用户靠近图像外部时,镜头是否会出现任何失真,并且每毫米是否仍然有足够大的像素来准确检查?
照明解决方案也是系统的一部分,很容易根据所执行的检查类型进行假设,但根据材料或零件颜色进行选择,可能会产生意想不到的结果。当使用照明解决方案通过相机观察时,零件缺陷也可能产生意想不到的结果。可能需要过滤或颜色变化才能可靠地检测变化。在对部件进行一些模拟测试之前,很难就照明做出正确的决定。
概念验证对于帮助机器视觉项目成功并在不超出预算的情况下满足预期大有帮助,因为做出了假设,因此需要不同的设备来完成应用。
机器视觉项目成功的3 个秘诀
成功实施机器视觉项目的3 个秘诀:
1. 定义应用程序的需求,设定应用程序的期望,并在整个项目中维持这些期望,除非这些期望被证明无法实现。
2. 根据应用程序的需求及其提供的投资回报设置预算。
3. 正确分析应用程序,以在模拟环境中对照真实部件进行验证,并识别可能妨碍项目达到预期的任何缺陷。如前所述,这一步对于项目的成功至关重要。
如果这些建议得到正确实施,视觉系统想法或概念将不再是可能导致昂贵的设备成本变化或无法满足预期的猜测或假设。此外,不良样本经常被忽视或不被收集,因为它们很难获得,但它们对于确保缺陷能够被检测和验证非常重要。 (作者:伊恩维斯廷)
编辑:hfy