想要彻底的分析清楚这个问题,我们主要是要了解成本和技术。
如果一个企业想要机器视觉检测设备代替人眼检测,是需要进行整体升级的,这对于小型的企业来说有一定的困难,同时,使用机器视觉检测也需要相应的人才,这又是另外一笔开支。因此说,现在机器视觉检测代替人眼检测仅在部分实力雄厚的大型企业中出现,中小企业除非有必须进行升级替换的必要,否则都不会考虑。
和成本相比较,技术是限制机器视觉代替人眼的关键性原因,现在通过视觉检测的应用中,打光一直是一个难点,如果获得的图片让人看还要仔细斟酌才能给出结果,那么算法就太难做了。反之如果前期搞好打光,突出所要检测的特征,算法并不是困难的东西。
机器视觉检测目前在智能上与人相比甚大,主要体现在非预期的缺陷识别上。目前机器视觉是给定一些具体的缺陷模式,来识别它们到底有没有发生。这使得有时会有一些明显缺陷,只是因为之前没有发生或发生模式多样化,从而在机器视觉系统里没有存储具体信息,从而导致机器视觉检测漏检;这样的失误人工检测时,即使之前没有发现过这个缺陷,但通过自身的判断,仍然有极大几率发现。
目前有许多智能相机供应商,也有许多分析软件供应商,虽然各自发布的软件算法各有特点,其实用起来真的差不多,功能非常雷同。但都是按照固定的模式和步骤去处理相机获得的图片,从图片上去分析某个预期中的特征,从而给出判别结果,没有一家有革命性的智能算法。
评论
登录后你可以发表评论,请先登录。登录>>