异构处理使机器视觉应用成为可能

209254 2022-11-25 | pdf | 194.36KB | 次下载 | 免费

资料介绍

随着自动化水平的提高以支持提高生产力的驱动力，工业成像和机器视觉应用在工业控制中变得越来越普遍。为了兑现提高效率的承诺，图像处理系统需要高速运行以确保节拍时间（每个新单元开始生产之间的平均时间）尽可能短。随着自动化水平的提高以支持提高生产力的驱动力，工业成像和机器视觉应用在工业控制中变得越来越普遍。为了兑现提高效率的承诺，图像处理系统需要高速运行以确保节拍时间（每个新单元开始生产之间的平均时间）尽可能短。与此同时，市场上也出现了高分辨率摄像头，能够进行高清记录，可以支持对生产线上元器件极其精细的细节进行成像。由于使用千兆以太网网络，他们能够高速传送这些高质量图像。因此，图像处理软件的高性能至关重要。与此同时，市场上也出现了高分辨率摄像头，能够进行高清记录，可以支持对生产线上元器件极其精细的细节进行成像。由于使用千兆以太网网络，他们能够高速传送这些高质量图像。因此，图像处理软件的高性能至关重要。这表明在硬件中实现关键算法，但工业图像处理的灵活性至关重要。不同类型的组件和组件需要特别注意某些视觉特征。组装后对 PCB 的检查通常是检测焊道中的断裂和挤压，这些可能表明可能的故障源。检查发动机歧管可能会寻找未对准或缺失的紧固件。尽管这些任务可能使用通用模块（例如边缘检测和模式匹配）来识别感兴趣的区域，但每个任务都需要自己的一组图像处理例程来执行完整的检测任务。这表明在硬件中实现关键算法，但工业图像处理的灵活性至关重要。不同类型的组件和组件需要特别注意某些视觉特征。组装后对 PCB 的检查通常是检测焊道中的断裂和挤压，这些可能表明可能的故障源。检查发动机歧管可能会寻找未对准或缺失的紧固件。尽管这些任务可能使用通用模块（例如边缘检测和模式匹配）来识别感兴趣的区域，但每个任务都需要自己的一组图像处理例程来执行完整的检测任务。当需要图像处理子系统来协助设置自动化时，灵活性将变得更加重要。图像处理不仅对于检查来说变得必不可少，而且对于帮助定位机器人系统和训练它们也变得必不可少。传统上，机器人会使用仔细计算的运动曲线进行编程，而现在它们开始使用视野内的摄像头和物体来对齐自身并确定它们需要拾取和处理哪些组件。要运行此类成像应用程序，开发人员需要一个功能工具包，该工具包可以轻松地在平台上组装，并具有实时运行算法所需的性能。当需要图像处理子系统来协助设置自动化时，灵活性将变得更加重要。图像处理不仅对于检查来说变得必不可少，而且对于帮助定位机器人系统和训练它们也变得必不可少。传统上，机器人会使用仔细计算的运动曲线进行编程，而现在它们开始使用视野内的摄像头和物体来对齐自身并确定它们需要拾取和处理哪些组件。要运行此类成像应用程序，开发人员需要一个功能工具包，该工具包可以轻松地在平台上组装，并具有实时运行算法所需的性能。以 OpenCV 库的形式提供了一个可视化工具包，它为包括工业在内的多种形式的图像处理提供了一组基本功能。开源的 OpenCV 库现在拥有数百万行代码，已迅速成为许多领域图像处理的热门选择。到 2016 年，SourceForge 存储库记录了该库的超过 1300 万次下载。以 OpenCV 库的形式提供了一个可视化工具包，它为包括工业在内的多种形式的图像处理提供了一组基本功能。开源的 OpenCV 库现在拥有数百万行代码，已迅速成为许多领域图像处理的热门选择。到 2016 年，SourceForge 存储库记录了该库的超过 1300 万次下载。OpenCV 涵盖了图像处理和机器视觉应用程序所需的许多功能，从基本的像素级操作（例如通过特征提取的阈值处理）到基于机器学习技术（例如深度学习）的对象识别。它的功能可从 C/C++、Java 和 Python 等语言获得。OpenCV 涵盖了图像处理和机器视觉应用程序所需的许多功能，从基本的像素级操作（例如通过特征提取的阈值处理）到基于机器学习技术（例如深度学习）的对象识别。它的功能可从 C/C++、Java 和 Python 等语言获得。从 C++ 访问，OpenCV 使用“cv”命名空间中的类和函数提供其服务。例如，要检索存储的图像并显示，开发人员首先通过创建基于 cv:Mat 类的对象来创建合适的图像数组。函数 cv::imread() 在赋值中用于将图像数据插入到使用 cv::Mat 声明的数组中：从 C++ 访问，OpenCV 使用“cv”命名空间中的类和函数提供其服务。例如，要检索存储的图像并显示，开发人员首先通过创建基于 cv:Mat 类的对象来创建合适的图像数组。函数 cv::imread() 在赋值中用于将图像数据插入到使用 cv::Mat 声明的数组中：cv::Mat 图像（高度、宽度、像素类型）；