Какие знания вам нужно освоить, чтобы изучить машинное зрение?
Если вы хотите узнать о машинном зрении, если вы никогда не знали его раньше, вы можете задаться вопросом: что такое машинное зрение? Какими знаниями необходимо овладеть, если вы хотите научиться машинному зрению?
Во-первых, позвольте мне объяснить, что такое "машинное зрение".
Машинное зрение — это быстро развивающаяся отрасль искусственного интеллекта. Короче говоря, машинное зрение должно использовать машины вместо человеческих глаз, чтобы измерять и судить. Система машинного зрения преобразует захваченный объект в сигнал изображения с помощью продуктов машинного зрения (например, устройства захвата изображения, разделенного на CMOS и CCD) и передает его в специальную систему обработки изображений для получения информации о форме захваченного объекта, которая преобразуется. в цифровой сигнал в соответствии с распределением пикселей, яркостью, цветом и другой информацией; Система изображения выполняет различные операции с этими сигналами для извлечения характеристик цели, таких как площадь, количество, положение и длина.
И какие знания нужно освоить, чтобы научиться машинному зрению. Простой узел системы машинного зрения состоит из трех частей: части визуального отображения, части обработки изображений и части управления движением.
1. Визуальная визуальная часть
Визуальное изображение включает в себя несколько типичных компонентов: источник света, объектив и промышленную камеру.
И источник света, и линза нуждаются в том, чтобы мы овладели оптическими знаниями. Различные методы освещения могут заставить камеру создавать совершенно разные изображения объектов; Выбор увеличения объектива, фокусного расстояния и поля зрения напрямую определяет точность изображения. Для инженера по машинному зрению освоение того, как выбрать линзу, как выбрать источник света и как определить метод освещения, является самым основным навыком.
Промышленные камеры требуют, чтобы мы овладели фотоэлектрическими знаниями, различиями между датчиками камеры и базовыми знаниями в области обработки изображений, такими как четкость, динамический диапазон, угол поля зрения и т. д., чтобы мы могли выбрать правильную камеру в соответствии со спросом и место действия. Самый быстрый способ освоить эти знания — купить зеркальную фотокамеру начального уровня, чтобы изучить взаимосвязь между этими параметрами изображения и изображением.
2. Часть обработки изображений
Как правило, мы понимаем, что обработка изображений выполняется на компьютерах. Фактически, в промышленности используется большинство промышленных компьютеров из-за их стабильности и стоимостных преимуществ.
Для новичков они могут уделить первоочередное внимание освоению платформы ПК и платформы X86 и могут быть расширены до встроенной платформы после того, как они ознакомятся с ней.
В программной части большинство слоев приложений используют C# Net, QT и C++, поэтому необходимо освоить один из языков программирования; На уровне алгоритма изображения типичные алгоритмы с открытым исходным кодом включают opencv, а коммерческие включают Halcon,visionpro и т. д. предлагается начать с Halcon; Если вы хотите пойти дальше на уровне алгоритмов, вы можете изучить машинное обучение, что может стать основным направлением в будущем.
С точки зрения теории, это больше касается освоения основных концепций обработки изображений. Эта книга Алгоритмы и приложения машинного зрения стоит прочитать.
3. Часть управления движением
Типичная карта управления движением, такая как Гугао, может быть изучена. Также можно играть в более продвинутый PLC. Сложность в этой части — коррекция точности, потому что у многих сцен и требований очень высокие требования к точности.
В дополнение к вышеперечисленным пунктам очень важна возможность построения общей схемы, поскольку схема должна соединять эти части и может быть связана с реальной сценой для удовлетворения реальных потребностей в автоматизации производства.
Возможность построения общей схемы зависит от глубокого понимания производственного процесса и связи и взаимосвязи между всеми компонентами. Эти два пункта требуют накопления опыта нескольких проектов, чтобы дать хорошее решение.