Le système de vision robotique est généralement composé de systèmes optiques (sources lumineuses, lentilles, caméras industrielles), d'unités d'acquisition d'images, d'unités de traitement d'images, de mécanismes d'exécution et de modules d'interface homme-machine. Le système de vision artificielle le plus simple comprend des pièces d'imagerie visuelle, de traitement d'image et de contrôle de fonctionnement.
1. Partie imagerie visuelle
L'imagerie visuelle comprend également plusieurs composants typiques : source de lumière, objectif et caméra industrielle.
Les sources lumineuses et les lentilles exigent que nous maîtrisions les connaissances optiques. Différentes méthodes d'éclairage peuvent permettre à la caméra de produire des images d'objets complètement différentes ; La sélection du grossissement de l'objectif, de la distance focale, du champ de vision, etc. détermine directement la fidélité de l'imagerie. Pour un ingénieur en vision industrielle, maîtriser comment choisir un objectif, comment choisir une source de lumière et comment déterminer la méthode d'éclairage sont les compétences les plus élémentaires.
Les caméras industrielles nous obligent à maîtriser les connaissances en optoélectronique, les différences entre les capteurs de caméra et les connaissances de base de l'imagerie d'image, telles que la clarté, la plage dynamique, l'angle de champ de vision, etc., afin que nous puissions choisir la bonne caméra en fonction de besoins et scènes. Le moyen le plus rapide de maîtriser ces connaissances est d'acheter un reflex numérique d'entrée de gamme pour étudier la relation entre ces paramètres d'imagerie et l'imagerie.
2. Section de traitement d'image
Le traitement d'image est généralement compris comme étant effectué sur des machines PC, mais en fait, dans le domaine industriel, la plupart des ordinateurs de contrôle industriels sont utilisés en raison de leurs avantages en termes de stabilité et de coût.
Avec le développement de ces dernières années, le matériel embarqué est également en plein essor. De nombreuses usines peuvent utiliser du matériel open source tel que la tarte aux framboises pour répondre à de petits besoins tels que le contrôle des commutateurs et la surveillance de l'état de centaines de tableaux de bord.
Pour les débutants, la priorité peut être donnée à la maîtrise du développement des plateformes PC et X86, extensible aux plateformes embarquées après familiarisation.
Dans la partie logicielle, la plupart des couches applicatives sont implémentées à l'aide de C#,. net, QT et C plus plus , il est donc essentiel de maîtriser l'un de ces langages de programmation ; Au niveau des algorithmes d'image, les algorithmes open source typiques incluent OpenCV, tandis que les algorithmes commerciaux incluent Halcon, VisionPro, etc. Il est recommandé de commencer par Halcon comme point de départ ; Si vous souhaitez approfondir le niveau de l'algorithme, vous pouvez étudier l'apprentissage automatique, qui pourrait être la principale direction à l'avenir.
Sur le plan théorique, il est plus important de maîtriser les concepts de base du traitement d'images.
3. Partie contrôle de mouvement
Une carte de contrôle de mouvement typique, telle que Gugao, peut être étudiée en premier. Un PLC plus avancé peut également être joué, mais la difficulté dans cette partie réside dans la correction de la précision, car de nombreux scénarios et exigences nécessitent une grande précision.
En plus des trois points ci-dessus, la capacité de construction du plan global est cruciale car le plan doit relier ces parties entre elles et pouvoir se connecter à des scénarios réels pour répondre aux besoins réels d'automatisation de la production.
La capacité de construction du plan global dépend d'une compréhension approfondie du processus de production, de la connexion entre tous les composants et des relations ; Ces deux éléments nécessitent l'accumulation d'expérience de plusieurs projets afin de fournir une bonne solution.