资讯中心

首页资讯中心

资讯中心

机器视觉之光源基础与选型技巧

一套完整的视觉检测系统主要包含图像采集部分和图像分析部分，而图像采集部分主要有工业相机、工业镜头以及机器视觉光源承担，今天我们主要介绍机器视觉光源的相关基础知识及选型技巧。首先我们需要了解，机器视觉中的光源起到哪些作用： 1. 照亮目标，提高亮度； 2. 形成有利于图像处理的成像效果，降低系统的复杂性和对图像处理算法的要求； 3. 克服环境光干扰，保证图像稳定性，提高系统的精度、效率；通过恰当的光源照明设计，可以使图...

2024-01-24 10:18:36
基于深度学习算法的PCB板自动点胶机器视觉缺陷检测

在电子行业，PCB板的生产和制造是至关重要的。而在PCB板的生产过程中，自动点胶是不可或缺的一环。然而，点胶过程中可能会出现各种缺陷，如点胶不均匀、漏胶、气泡等，这些缺陷如果不及时发现和处理，将对PCB板的质量产生严重影响。为了解决这个问题，基于深度学习算法的PCB板自动点胶机器视觉缺陷检测技术被广泛应用。这种技术通过高分辨率相机捕捉点胶过程中的图像，然后将这些图像数据传输到处理单元。在处理单元中，图像数据会经过预处理、特征提取等步骤，然后输入到...

2024-01-23 10:56:03
机器视觉技术在锂电池制造中的各种检测应用

随着全球能源危机和环境污染问题日益严峻，在节能、环保大旗的推动下，新能源汽车的发展迎来了新机遇，动力电池作为新能源汽车不可缺少的一个重要组成部分需求量不断攀升。同时，锂电池的生产质量安全也被格外关注，尤其因生产工序复杂多变，从极片制造，到电芯制造，再到模组组装，最后到Pack段，都需要更高效、更智能的自动化检测技术，才能保障锂电池产能高效提升。目前的视觉检测技术已经可以覆盖新能源动力电池从电芯到模组多个工艺和工位的检测需求。并且可以根据特定的视野需求和各种...

2024-01-23 10:51:54
基于机器视觉的「铸造件」外观缺陷检测方法

铸件在发动机制造中必不可少，发动机零部件中，铸件占比为 30% ~ 40%，铸件产品质量直接影响发动机产品的性能和质量。铸件制造过程中存在许多不可控因素，铸造缺陷很难避免。目前检测铸件表面缺陷仍然以人工检查为主，由于铸件产量大、表面缺陷细微，人工检测存在质量差、效率低、成本高等缺点。随着计算机和通信技术的快速发展，机器视觉技术取得了巨大进步，特别是机器学习算法与数字图像处理技术的结合，对于解决基于视觉的复杂检测技术提供了有力的帮助。因此，利用机器视觉 ...

2024-01-22 18:40:25
光源照明的设计原则及注意事项

照明的目的是增强对比度，设计光源照明的第一步是确定区域间的不同，然后用光源来突出这些不同之处。光源照明设计的基本因素主要有4个基本因素要重点考虑： 1. 镜头的视场在照明系统的设计中，应根据被测对象的尺寸确定镜头的视场。而后，再根据镜头视场的大小决定最佳的照明系统。 2. 照明系统与工件的间距在设计系统中，需全面的了解镜头到工作的距离，照明系统到工件的距离，从而确定光源与工件的距离。 3. 工件的外形、条件和颜色照明的选择是由...

2024-01-22 18:39:35
介绍下常见的几种机器视觉光源打光方式

背部光背部打光是指将光源放置在被测物体的后方，用于凸显产品外形轮廓，可以在明亮的背景下创建物体的深色轮廓。最常见应用于检测是否存在孔洞和间隙、边缘检测、尺寸测量等需求。可选用背光源进行打光，其中背光源主要分以下三类：蓝色背光源：波长较短，穿透性弱，一般用于检测透明产品，如玻璃、透明薄膜等的尺寸检测、瑕疵检测。红外背光源：波长较长，穿透性好，一般用于深色半透明材质的穿透，如深色的口服液、深色液体、深色的半透明...

2024-01-20 10:00:59