Qualche riferimento per il compromesso tra software e meccanica / ottica nei sistemi di visione industriale?


12

Spiego la mia domanda con un esempio semplificato.

Posso progettare un sistema di visione industriale per l'ispezione automatica di un articolo con questi requisiti principali:

  1. l'immagine di un buon pezzo deve essere uno sfondo nero e il pezzo deve essere grigio.
  2. il difetto deve apparire come un'area bianca all'interno dell'area grigia.

Questi requisiti semplificano molto la parte software del sistema: per classificare un articolo come difettoso l'algoritmo conta solo i pixel bianchi.

Ma per ottenere questo semplice algoritmo devo essere molto bravo a progettare la parte di illuminazione / ottica / meccanica del sistema e forse quella parte costerà più del software.

Forse in passato ho letto una frase del tipo "fai il più possibile con la meccanica e il meno possibile con il software" ; mi sembra che fosse in un libro degli anni '90 (o '80) sulla visione artificiale pratica, ma non riesco a trovare la citazione / riferimento adeguato.


Se proviene dagli anni '80 o '90, potrebbe non essere più vero, però
endolith

@endolith Sì, potrebbe non essere più vero ... ma non cerco un vero vero, anzi, un riferimento influente (forse proprio in quel momento).
Alessandro Jacopson,

4
Al contrario, se stai costruendo molte unità, riduci l'ottica e fai sforzi eroici nel software per compensarla :)
Martin Thompson

@MartinThompson Exactly! Ma il riferimento di cui mi ricordavo era nella direzione opposta "un sistema di visione artificiale dovrebbe essere l'1% di software e il 99% di optomeccanica".
Alessandro Jacopson,

2
Il problema generale è lo stesso di qualsiasi sistema informatico: GIGO (garbage in, garbage out). Quanto più puoi fare per migliorare la qualità iniziale dell'immagine, tanto più puoi uscire dalla post-elaborazione. Gli "sforzi eroici" sono praticabili solo se ci sono abbastanza informazioni lì in primo luogo; dipenderà davvero molto dall'applicazione. Non credo che questo sia cambiato affatto dagli anni '80 / '90, come suggeriscono alcuni. Potrebbero esserci miglioramenti in termini di ciò che puoi eventualmente fare, semplicemente grazie alla Legge di Moore (più elaborazione in un determinato momento), ma stai ancora meglio partendo da una buona immagine!
Peter K.

Risposte:


5

Ho trovato alcuni "proverbi" come:

Non utilizzare mai software per compensare un sistema di illuminazione scadente. Non è conveniente e si tradurrà in una cattiva progettazione del sistema.

È più economico aggiungere un rivestimento resistente alla luce per tenere la luce solare lontana dall'oggetto ispezionato piuttosto che modificare il software. Un'altra verità universale che viene spesso dimenticata.

Niente supera la velocità della luce. Qualsiasi elaborazione che può essere eseguita otticamente salverà molta elaborazione del computer in un secondo momento.

nel libro "Sistemi di visione intelligente per l'industria" di Bruce G. Batchelor e Paul F. Whelan e anche in BG Batchelor e PF Whelan (1994), "Sistemi di visione artificiale: proverbi, principi, pregiudizi e priorità", Atti dello SPIE - The International Society for Optical Engineering, vol. 2347 - Machine Vision Applications, Architectures and Systems Integration III, Boston (USA), pp 374-383. (vedi qui http://elm.eeng.dcu.ie/~whelanp/proverbs/proverbs.pdf ).

I proverbi si trovano anche nel libro "Machine Vision Handbook" del 2012 , a cura di: Bruce G. Batchelor ISBN: 978-1-84996-168-4 .


Eccezionale. Grazie! Penso di aver letto alcuni dei libri sui proverbi prima - forse l'ho anche citato in una presentazione, anni fa? - Ma non ne ho una copia.
Rethunk

4

Come trovare un'illuminazione adatta? Questa sarà la domanda più importante di un ingegnere che deve selezionare il giusto impianto di illuminazione per l'applicazione Machine Vision. Probabilmente ricorda alcuni proverbi intelligenti di Machine Vision come "meglio illuminare che scrivere (software)", "evitare immondizia (cattiva illuminazione) che causa immondizia (cattivo risultato)", "creare prima l'immagine MIGLIORE" e così via.

Jahr, I., 2007. Lighting in Machine Vision in: Alexander Hornberg, ed. Manuale di Machine Vision . John Wiley & Sons, p.150.


2

Non sono sicuro di poter trovare la tua citazione, ma posso citare alcuni libri degli ultimi 30 anni che si sono orientati almeno un po 'verso i consigli pratici piuttosto che verso quelli più puramente teorici / matematici / snob. (Uno dei libri di testo più "teorici" che ho letto ha semplicemente rigurgitato pagine di matematica da un precedente libro di testo, completo dello stesso errore di battitura identico.)

L'elaborazione digitale delle immagini di Rosenfeld e Kak è un classico. Le mie edizioni di Volume 1 e Volume 2 hanno un copyright del 1982 . Il volume 1 copre molti dei fondamenti della matematica e della formazione delle immagini e il volume 2 approfondisce le funzionalità di segmentazione, corrispondenza, ecc.

Computer Vision di Ballard e Brown, sempre del 1982 , è ancora oggi un utile riferimento per coloro che devono far funzionare un sistema di visione. Questo libro è un po 'più amichevole in termini di presentazione di immagini reali e anche di tavole a colori. Esistono algoritmi pseudocodici e diverse formule utili (ad es. Spazio colore da RGB a HSI). Fanno una serie di utili punti pratici sull'applicazione degli algoritmi e potrebbero aver scritto qualcosa di simile alla citazione che menzioni.

L'applicazione di Machine Vision di Nello Zuech è stata pubblicata nel 1988 . La mia ultima edizione si chiama Understanding and Applying Machine Vision . A differenza degli altri libri che menziono, il libro di Zuech è più una guida pratica per gli ingegneri che devono specificare, installare, mantenere e possibilmente modificare i sistemi di visione. Il prezzo di listino del libro di Zuech è di $ 200 su Amazon, ma se fai una ricerca potresti trovare altre fonti. Ha così tante liste di controllo, matrici di decisioni, ecc., Che il libro è ottimo come riferimento generale. Quel libro o qualcos'altro che Zuech ha scritto avrebbe potuto essere la tua fonte.

L'elaborazione digitale delle immagini di Gonzalez e Woods (1a edizione 1992 ) è un libro di testo comunemente usato, ed è ragionevolmente chiacchierone, sebbene non ci sia molto (che ricordo) sull'integrazione del sistema o sull'illuminazione. Controlla anche il loro sito Web http://www.imageprocessingplace.com/ .

Machine Vision: Theory, Algorithms, Practicalities di ER Davies (1a edizione 1990 , 3a edizione, 2006 ) è uno dei migliori libri di testo che esamina il lavoro reale richiesto per risolvere un'applicazione. Gli algoritmi di regola sono quelli più semplici, ma Davies approfondisce ed esamina non solo dove potrebbe essere applicato un algoritmo, ma i risultati pratici di farlo. Detto questo, è probabilmente troppo recente per essere la tua fonte.

Di tutti questi, il libro di Zuech è maggiormente orientato alla valutazione pratica di un sistema completo. Anche se non è la tua fonte, è bello avere una copia del suo lavoro.


+1 Grazie mille! Come nota a parte: la prima edizione della visione artificiale di Davies : teoria, algoritmi, praticità è stata pubblicata nel 1990 (London: Academic Press, c1990) ISBN 0122060903.
Alessandro Jacopson

1

Due regole importanti devono sempre essere seguite durante la progettazione di sistemi di ispezione:

Quando si progetta il sottosistema ottico, provare a ridurre le esigenze del processore di immagini a un livello banale, dandogli le migliori immagini possibili da analizzare.

Quando si progetta il processore di immagini, supporre che non sarà possibile ottenere immagini della stessa qualità in fabbrica di quelle prodotte in laboratorio. Non fare mai affidamento su un algoritmo "fragile".

È quasi sempre più economico migliorare l'illuminazione rispetto all'elaborazione delle immagini. Gli effetti della variazione dell'illuminazione possono essere piuttosto spettacolari.

Batchelor, BG, 1985. Tecniche di illuminazione e visualizzazione , in: BG Batchelor, DA Hill, DC Hodgson, ed. Ispezione visiva automatizzata . IFS (Publications) Ltd, UK North-Holland. p.104.

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.