Versions Compared

Key

  • This line was added.
  • This line was removed.
  • Formatting was changed.

Konenäkösovelluksia:
Cognex
Generex

  1. Konenäkö, Yleistä

Konenäössä käytetään kameraa, tietokonetta ja siinä toimivassa kuvankäsittelyohjelmaa, joka tulkitsee kuvan automaattisesti. Sovelluskohteita ovat esimerkiksi, pullonpalautusautomaatti ja teollisuuden robottisolut. Myös nopeusvalvonta ja esimerkiksi tullin kameroissa on konenäköominasuuksia, joilla automaattisesti tunnistetaan auton rekisterin numero.

Konenäköjärjestelmät suorittavat pääasiassa tarkoin ennalta ohjelmoituja tehtäviä, kuten kappaleiden laskentaa liukuhihnalta, sarjanumeroiden lukemista tai pintavikojen etsimistä. Vaikka konenäköjärjestelmillä ei ole älyä tai ihmisen oppimiskykyä, niitä pidetään käyttökelpoisina useaan eri tehtävään. Järjestelmiä käytetään tehtäviin, joissa optisen tarkastuksen pitää olla nopeaa, tarkkaa, ympärivuorokautista ja toistettavaa.

Konenäöllä voidaan korvata ihmiselle rasittavia rutiinitehtäviä esimerkiksi liukuhihnalla tai suorittaa ihmisen näkökyvylle mahdottomia tehtäviä käyttämällä avuksi aallonpituuksia, joita ihmisen silmä ei pysty havaitsemaan.

  1. Kalvot perusteistä Konenako.pdf
  2. Matlab Konenako2Matlab1Yleista.pdf
  3. OpenCv konenäkökirjasto , avoimen koodin kirjasto konenäkösovellusten toteutukseen
  4. Sovellusalueita

...

  1. Optiikka
  2. Valaistus
  3. Valmistajia
  4. Kameratyyppejä
  5. Väylätyyppejä

...

  1. Sanastoa
  2. Konenäköjärjestelmän osat

...

Tyypillinen konenäköjärjestelmä, joka kuvaa kuljettimella kulkevia kappaleita, voi koostua seuraavista osista:

  1. Valokenno
  2. Mustavalko-kamera
  3. Valaisin
  4. Liitäntäkortti kameralle, "framegrabber"
  5. Tietokone
  6. Digitaaliset liitännät koko prosessin ohjausjärjestelmään

Valokenno laukaisee kameran kappaleen kulkiessa kameran ohi. Valaistusjärjestelyillä kuva on mittausta varten saatu optimaaliseksi korostamalla tarkkailtavia kohtia kuvasta.

Kuva siirretään digitaalisessa muodossa liitäntäkortin kautta tietokoneelle, jossa sitä voidaan käsitellä. Kuvan tulkitsemisessa on yleensä useita vaiheita. Aluksi kuvasta voidaan suodattaa kohinaa pois tai yksinkertaistaa muuttamalla harmaasävykuva vain mustaa ja valkoista sisältäväksi kuvaksi. Tämän jälkeen yksinkertaistetusta kuvasta voidaan laskea, mitata tai tunnistaa kappaleita tai kappaleen osia. Mittaustuloksien perusteella tietokoneohjelma luokittelee kappaleen ennalta ohjelmoidulla tavalla, esimerkiksi hyvä tai huono. Tieto välitetään kameraa seuraaville laitteille tuotantolinjalla, jotka voivat esimerkiksi poistaa huonot kappaleet liukuhihnalta.

...

Erillistä tietokonetta ei aina tarvita, sillä kamerat, joissa on sisäänrakennettu tietokone, älykamerat, ovat yleistyneet. Älykameran käyttö tekee erillisien tietokoneen ja liitäntäkortin käytön tarpeettomaksi, jolloin systeemistä tulee edullisempi ja toimintavarmempi.

FireWire ja USB-väylien yleistymisen myötä ne ovat tulleet myös konenäköjärjestelmien osaksi. Näihin väyliin liitettävät kamerat ovat helppokäyttöisempiä kuin aiemmat oman liitäntäkortin vaatineet.

  1. Konenäköprosessi

Konenäköjärjestelmän input data voi olla videokuvaa tai yksittäisiä kuvia. Kuvat voivat yhden kameran sijasta olla myös kahdella tai useammalla kameralla otettuja stereokuvia.

  1. Esikäsittely
  2. Segmentointi
  3. Luokittelu

Esikäsittelymenetelmiä ovat

  • histogrammin ekvalisointi
  • terävöinti
  • pehmennys
  • geometrinen muunnos (mm. Affiinimuunnos)
  • polynominen muunnos (mm. polynominen warppaus)

Kuvaparista koostuvien stereokuvien esikäsittelyssä pyritään palauttamaan pikselien z-informaatio.

Kuvankäsittelymetodeja

Konenäkösovellukset sisältävät yleensä valmiita metodeja kuvankäsittelyä varten, muun muassa seuraavia:

  • Pikselien määrän laskenta, lasketaan tietyltä alueelta tummien ja vaaleiden pikselien määrä
  • Kynnystys, kuvan sävyjen määrää vähennetään, yleisesti valkoiseen ja mustaan
  • Segmentointi, vaaleista ja tummista pikseleistä muodostetaan alueita, joilla on muun muassa sijainti ja pinta-ala
  • Viivakoodin ja kaksiulotteisten koodien lukeminen
  • OCR, tekstin tunnistus
  • Kuvassa esiintyvän kappaleen mittaaminen
  • Reunan haku, kohteen reunojen etsiminen kuvasta
  • Kuvion etsintä, tietyn kuvion etsiminen, mallin sovittaminen kuvaan ja löytöjen määrän laskeminen
  • Hahmontunnistus
  • Kääntyneen, osittain peittyneen ja eri kokoisen hahmon etsiminen kuvasta Goadin algoritmillä

...

  1. Kuvankäsittelymetodeja
  2. Esimerkkejä Matlabilla
  3. QImage, kuvankäsittelyä Qtllä
  4. Kuvankäsittelyyn liittyviä tehtäviä Matlabille
  5.  Kuvankäsittelyyn liittyviä tehtäviä Qt:lle ja Opencv:lle
  6. Kuvaformaatteja
  7. Kuvatyyppejä
  8. Kokeen sisältöä