您好，歡迎來到易龍商務網！
發布時間：2020-12-29 02:22
【廣告】
觀點二：
在各種缺陷檢測的應用中，打光是個難點。如果獲得的圖片讓人看還要仔細斟酌才能給出結果，那么算法就太難做了。反之如果前期搞好打光，突出所要檢測的特征，算法并不是困難的東西。
但是，注意這里有一個很嚴重的但是。我并不是說算法已經夠好了，機器視覺和人類的差距還是非常巨大的！這里面差距就是智能。沒錯，智能相機距離智能兩個字，還很遠。主要體現在：對于非預期的缺陷的識別。
在應用中，往往是給定一些具體的缺陷模式，使用機器視覺來識別它們到底有沒有發生。但經常遇到的情況是，許多明顯的缺陷，因為之前沒有發生過，或者發生的模式過分多樣，而被漏檢。如果換做是人，雖然在操作流程文件中沒讓他去檢測這個缺陷，但是他會注意到，從而有較大幾率抓住它。
當前有許多智能相機供應商，也有許多分析軟件供應商，雖然各自發布的軟件算法各有特點，其實用起來真的差不多，功能非常雷同。但都是按照固定的模式和步驟去處理相機獲得的圖片，從圖片上去分析某個預期中的特征，從而給出判別結果，沒有一家有革命性的智能算法。
因為對于工廠而言，的是“受控”，我們可以接受有個別特殊的未發生過的缺陷被漏出，但必須知道有一些經常發生的不可接受的缺陷一定能夠被發現。
成本方面，機器視覺整體算起來比人工更劃算。一般的工廠都是四個班次，四個操作員的成本年均超過20萬。而20萬的成本，想要買一臺機器視覺檢測設備，基本上是可以解決的了。所以，我的答案是： 視覺檢測系統短期內不能完全取代人工目檢，主要原因是不夠智能。 但是對于工廠的質量控制來講，機器視覺比人靠譜。
數據處理誤差
圖像算法是引起視覺測量誤差的重要來源之一，其和圖像質量共同決定著視覺測量的精度和穩定性。
玖瑞科技獨特的LOOKSMART視覺測量系列專利算法保證了由數據處理而產生的誤差較小，能夠滿足絕大部分客戶的需求。
精度分析
視覺測量的精度是由硬件分辨力、標定精度、圖像算法及測量條件來共同決定的。一般來說，測量條件是固定的，改善的空間有限，硬件分辨力和標定精度有較大的改善空間，但受制于技術條件、項目預算等主客觀因素，在上述條件下如何取得符合條件的高清晰圖像是課題，其是精度高低的50%因素。
