机器视觉的四大基本功能（识别、测量、定位、检测），到底为什么难度递增？ - 知乎

非常赞同，抛开场景谈难度都是耍流氓

机器视觉中，很重要的一步是获取到高质量图像，凸显目标，这就涉及到光源、相机选择，安装条件等，通常在项目启动之前会拿到样品进行打光，确定能否达到预期目的、打光方案和安装条件

识别，基于目标特征，在完整一幅图像中识别目标，可能涉及到 ROI 选择，颜色通道信息，二值化，外形方面可直接做模板匹配，扫码啥的直接有现成的各种算子、工具做，各方面都很成熟，不用太多额外代码，典型的拿来主义

测量，比如距离、角度，距离就需要先做像素尺寸标定，知道每个像素大小，然后确定像素个数，比如测量圆的半径、圆心距，需要先识别到圆，测量水平线距离，也需要先识别到直线，然后确定距离，当然也有一些工具来处理一些问题

举例，以下搜索圆确定圆心位置，用到了模板匹配、测量模型

定位也常用到模板匹配和测量模型，还需要做标定，关联图像坐标和机械坐标，也有些标准机专门做一些简单的动作

检测说难也不难，通常都是非标的，只针对某种应用场景，比如外观缺陷检测，尺寸不良检测等等，缺陷有无检测起来会比较容易，仅仅判断有无即可，难度更大一点的确定缺陷类型，通常一个项目，甲方会要求检测各种缺陷类型并区分统计，以方便甲方后续针对性改进工序，

我做过的一个纽扣电池CCD检测项目，它要求检测项有二十几项

近来，基于深度学习的 AOI 视觉检测也应用到各个领域了，对于很多情况的缺陷检测，还是很实用的，当然，价格上也会高很多

原网址: 访问
创建于: 2024-01-05 11:34:26
目录: default
标签: 无

未标明原创文章均为采集，版权归作者所有，转载无需和我联系，请注明原出处，南摩阿彌陀佛，知识，不只知道，要得到

请先后发表评论