2D机器视觉解决方案-视觉检测类应用

检验应用简介

在产品外观检验应用中，机器视觉系统通过检测制成品是否存在缺陷、杂质、可视功能性瑕疵和其他不合规之处，来进行产品检验。

检验应用示例包括医学行业检验片剂式药品是否存在缺陷；

3C行业各种元器件及外壳表面缺陷；

制造业检验显示屏，以验证图标的正确性或确认像素的存在性；

或者检验触摸屏，以测量背光对比度水平。

机器视觉还能够检验产品的完整性，比如在食品和医药行业，机器视觉用于确保产品与包装的匹配性，以及检查包装瓶上的安全密封垫、封盖和安全环是否存在。

视觉检测方式及介绍

机器视觉检测按照算法原理区分分为传统视觉检测和深度学习视觉检测两种检测方式；

视觉检测基于特征提取，图像特征是从图像中提取的有代表性的信息,如颜色、纹理、形状等。特征用于图像的匹配、分类、检测和分割等任务。

某些传统的机器视觉检测，因为有许多不易被机器识别的差异，例如：光照差异、产品颜色变化、表面不平、或视野大小差异，导致编写检测流程比较困难；

传统视觉检测与深度学习检测应用场景

传统视觉检测与深度学习检测都有各自擅长的领域，许多应用两者相辅相成；

传统视觉与深度学习应用领域划分：

传统视觉检测案例

应用场景：读码/涂胶状态检测/大缺陷杂质/阵列Pin脚测量；

深度学习检测示例

案例一：表面外观缺陷

案例二：PCB缺陷检测