首页 > 其他分享 >机器视觉系统光源的分类及选择

机器视觉系统光源的分类及选择

时间:2024-04-07 16:30:40浏览次数:21  
标签:颜色 光源 物体 视觉 检测 机器

机器视觉系统

        机器视觉系统是一种基于计算机视觉技术的智能系统,主要用于对图像或视频进行分析、处理和识别。一个典型的机器视觉系统通常由以下几个组成部分构成:

光源

        机器视觉光源是机器视觉系统的关键组成部分之一。机器视觉光源直接影响图像质量,因此无论如何强调机器视觉光源的重要性都不为过。本文重点介绍了机器视觉光源的分类和机器视觉光源的颜色选择。

机器视觉光源的分类

1.环形光源:提供不同的照射角度。不同的颜色组合可以突出物体的三维信息;高密度LED阵列,高亮度;各种紧凑设计,节省安装空间;解决对角照射阴影问题;可选择漫射板导光,光均匀扩散。

应用领域:PCB基板检测、IC元件检测、显微镜照明、液晶校正、塑料容器检测、集成电路印刷检测。

2.背光源:采用高密度LED阵列表面提供高强度背光照明,可突出物体的形状和轮廓特征,特别适用于显微镜的载体平台。红色和白色的背光源。红色和蓝色的多功能背光源可以分配不同的颜色,以满足不同被测物体的多色要求。

应用领域:机械零件尺寸测量、电子元件、IC外观测试、胶片污渍测试、透明物体划痕测试等。

3.条形光源:是较大方形结构的首选光源;颜色可根据需要自由组合;照射角度和安装可调。应用领域:金属表面检查、图像扫描、表面裂缝检测、LCD面板检测等。

4.同轴光源:可消除物体表面不平整造成的阴影,减少干扰;部分采用分光镜设计,减少光损失,提高成像清晰度,均匀照射物体表面。

应用领域:系列光源适用于金属、玻璃、胶片、晶片等表面划伤检测、芯片和硅晶片损坏检测、Mark点定位、包装条码识别等反射性极高的物体。

5.线性光源:超高亮度,采用柱面透镜聚光,适用于各种装配线的连续检测。

应用领域:阵相机照明和AOI。

6.点光源:大功率LED,体积小,发光强度高;光纤卤素灯的替代品特别适用于镜头的同轴光源;高效散热装置大大提高了光源的使用寿命。

应用领域:适用于芯片检测、Mark点定位、晶片和液晶玻璃底基校正。

光源颜色选择

  • 白色光源(W)

        白光源是最常用的光源类型,其光谱覆盖了整个可见光范围。白光源可以提供相对均匀的光照,适用于大多数机器视觉应用,白色光源通常用色温来定义。色温高的颜色为蓝色(冷色温度为5000k),色温低的颜色为红色(暖色温度为3300和5000k),称为中间色。白色光源适用性广,亮度高,在拍摄彩色图像时使用较多。

  • 蓝色光源(B)

        蓝光源的波长范围在蓝色光谱附近,光源波长在430-480之间,适合用于检测一些反射率较低的表面,如玻璃、塑料等,也适用于银色背景产品(如钣金、汽车加工件等)薄膜上的金属印刷品。

  • 红色光源(R)

        红光源的波长范围在红色光谱附近,波长通常在600-720之间,适合用于一些特定的应用,如表面缺陷检测、金属检测等,可以通过一些较暗的物体,如底部黑色透明软板的孔位定位、绿色线路板的线路检测、透光膜的厚度检测等,使用红色光源可以提高对比度。

  • 绿色光源(G)

        绿光源的波长范围在绿色光谱附近,源波长510-530,介于红蓝之间,主要针对红色背景产品和银色背景产品,适合用于一些需要高对比度的应用,如文字识别、字符识别等。

光源颜色选择准则

  • 根据被检测物体的颜色:选择与被检测物体颜色互补的光源,可以增加图像的对比度和清晰度。
  • 根据反射率选择:对于反射率高的物体,选择光谱范围较窄的光源,如蓝光源;对于反射率低的物体,选择光谱范围较宽的光源,如白光源。
  • 根据应用场景选择:不同的应用场景需要不同类型的光源,如表面缺陷检测需要高对比度的光源,文字识别需要均匀的光照等。

标签:颜色,光源,物体,视觉,检测,机器
From: https://blog.csdn.net/mzl_18353516147/article/details/137463784

相关文章

  • 最具有影响力的三个视觉平台 | 3D高斯、场景重建、三维点云、工业3D视觉、SLAM、三维
    大家好,我是小柠檬这里给大家推荐三个国内具有影响力的3D视觉方向平台!原文:最具有影响力的三个视觉平台|3D高斯、场景重建、三维点云、工业3D视觉、SLAM、三维重建、自动驾驶......
  • 叠衣服、擦案板、冲果汁,能做家务的国产机器人终于要来了
        ChatGPT狂飙160天,世界已经不是之前的样子。新建了免费的人工智能中文站https://ai.weoknow.com新建了收费的人工智能中文站https://ai.hzytsoft.cn/更多资源欢迎关注将家务全部交给机器人的那一天,或许会比想象中更快到来。还记得会炒菜的斯坦福ALOHA机器人......
  • 吴恩达机器学习-第一周
    吴恩达机器学习-第一周学习视频参考b站:吴恩达机器学习本文是参照视频学习的随手笔记,便于后续回顾。机器学习定义Fieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed.--ArthurSamuel(1959)编译了跳棋程序,程序自己下棋迭代。Que......
  • 机器学习和深度学习--李宏毅 (笔记与个人理解)Day7
    Day7RegressionCasestudy(预测宝可梦的cp)Regression可以做什么?股票预测自动驾驶推荐预测宝可梦的cp(能力类似这样的属性把)这里突然想到,是不是可以用洛克王国和赛尔号做事情哈哈注意:用下标来表示某一个完整的物体的某一个部分,例如:x表示妙蛙种子;那么xhp就表示......
  • 经典机器学习算法:线性回归。逻辑回归。决策树。支持向量机(SVM)。朴素贝叶斯(Naive Baye
    目录经典机器学习算法分别举例说明这些算法的应用,并对比优劣以及实际应用场景。......
  • 【机器学习】线性回归的基本概念
    机器学习多元线性回归文章目录机器学习多元线性回归前言一、基本概念1.连续值2.离散值3.简单线性回归4.最优解5.多元线性回归二、正规方程1.最小二乘法矩阵表示2.多元一次方程举例前言本文作为自己学习人工智能的开端,学习并掌握及机器学习的相关内容,逐渐......
  • 人工智能基础概念5:使用L1范数惩罚进行Lasso回归(正则化)解决机器学习线性回归模型幻觉和
    一、引言在老猿CSDN的博文《人工智能基础概念3:模型陷阱、过拟合、模型幻觉》中介绍了通过L1或L2正则化来限制模型的复杂度来解决过拟合的问题,老猿当时并不了解这背后的原理,这2天通过查阅资料终于明白了相关知识,在此一L1正则化来分享一下相关原理。二、相关概念2.1、......
  • 机器学习知识点全面总结
    机器学习按照模型类型分为监督学习模型、无监督学习模型两大类。1、有监督学习有监督学习通常是利用带有专家标注的标签的训练数据,学习一个从输入变量X到输入变量Y的函数映射。Y=f(X),训练数据通常是(n×x,y)的形式,其中n代表训练样本的大小,x和y分别是变量X和Y的样本值。......
  • 机器学习的技术原理、应用与挑战
    在数字化浪潮的推动下,机器学习作为人工智能的核心技术之一,正以前所未有的速度改变着我们的生活和工作方式。机器学习通过模拟人类的学习过程,使计算机能够从数据中提取有用信息,并做出预测或决策。本文将深入探讨机器学习的技术原理、应用领域以及面临的挑战,以展现其深度和专......
  • 机器学习 Chapter1 绪论
    Chapter1绪论文章目录Chapter1绪论1.1简介1.2常用算法&实际应用1.3历史与应用1.4模型评估与选择1.1简介机器学习定义:​AcomputerprogramissaidtolearnfromexperienceEwithrespecttosomeclassoftasksTandperformanceP,ifit’spe......