視覺感測器 O2D 技術

輪廓偵測和 Blob 分析
位置追蹤
CMOS 處理器
LED 照明

O2D 詳情

輪廓偵測 VS Blob 分析

輪廓驗證

輪廓偵測是 2D 影像處理的重要工具。邊緣以及從前景到背景的過渡進行偵測，並根據資訊計算輪廓。輪廓偵測的特殊之處在於，它在受到外界光幹擾的情況下也能可靠地運作，因為外界光通常會照射到整個物體上。前景和背景之間的相對差異發生了變化，但仍能同等確定地偵測輪廓。而後，將參考輪廓與當前物體進行匹配以執行物體檢查。

透過以下方式偵測輪廓：

透過調整光照情況從背景中提取要突出顯示的物體
透過刪除不必要的區域來優化輪廓
演算法偵測即時影像中的可能輪廓，並根據閾值 (分數) 區分為合格或不合格部件

輪廓偵測適用的領域：

此方法主要用於圖案和形狀偵測以及物體識別，通常應用於沖孔、銑削、車削或組裝。輪廓偵測用於這些方面的品質保證。

Blob 分析

Blob 分析是一種重要的影像處理方法，它針對一組相似的相鄰像素選擇並分析影像特性。

在這種情況下，BLOB (新造詞二進大物件) 代表二進位邏輯資料物件，可以粗略地理解為一組具有相同邏輯狀態的像素。相鄰像素的選擇通常透過對灰階值進行閾值處理來完成。而後可以透過分析得出關於各種特性的結論。例如，一個眾所周知的功能是像素計數器。

透過以下方式進行 Blob 分析：

透過對灰階值進行閾值處理，從背景中提取感興趣區域
透過各種屬性優化搜尋條件
計算所搜尋的特性，例如像素數 (像素計數器)、面積重心、方向、形狀 (例如圓度、矩形度) 和直徑

Blob 分析適用於哪些方面？

有許多不同的應用。例如，Blob 分析可用於監控完整性、偵測存在性或螺紋以及對物體進行計數和排序。

位置追蹤

位置追蹤透過在影像中找到的錨點輪廓來完成。搜尋區域可以利用該輪廓追蹤其他模型 (例如，Blob 分析的搜尋區域) 的位置和方向。
基於示例的位置追蹤的圖形表示：

偵測夾片上的焊球

在夾片的尖端，必須檢查是否存在所有三個焊球 (以綠色顯示)。
由於焊球的輪廓會發生變化，但焊球的面積保持不變，因此使用 Blob 分析。橙色顯示的搜尋區域針對待檢查區域的存在性監控定義。
為了根據夾片的位置和方向追蹤這些搜尋區域，定義參考輪廓 - 即所謂的錨點輪廓 (以粉紅色顯示)。而後，夾片左圓的輪廓與 Blob 分析的搜尋區域「錨定」。
例如，如果夾片現在旋轉 20 度，則錨點輪廓也會處於旋轉狀態。然後，Blob 分析的橙色搜尋區域會自動追蹤到正確的位置和方向。

CMOS 處理器

ifm 的 O2D5 系列使用 1.2 MP (1280 x 960 像素) 的 CMOS 影像處理器。

每個像素都包含一個光子，收集並放大來自攝像頭鏡頭的光。
每個像素上的微透鏡最大限度地提高了光子接觸。
光子累積的電荷與其所接收到的光量成比例。
電荷轉換成類比電壓信號。
類比信號傳送至 A/D 轉換器。
影像處理器評估每個數位信號並將其組合成影像。

CMOS 影像處理器的製造更輕鬆快速實惠，是市場上應用最廣泛的影像處理器。

LED 照明

為了最大限度提升每個像素的對比度，務必選擇正確的照明。O2D 系列配備 RGB-W (紅、綠、藍、白) 和紅外線整合高強度 LED 光源。

請注意，影像感測器不是顏色感測器！

但選擇不同顏色的光源會對影像的對比度產生巨大影響。下圖顯示了日光下的蠟筆，為了進行比較，分別由 O2D5 感測器的不同 LED 照射。

不同光源的對比

光類型	請注意：
日光 (參考)	在正常日光下，人眼能夠平等地辨識所有顏色。工業偵測應用需要突出顯示物體的特徵和對比度，以便影像感測器進行評估。
紅光	紅色部分顯得更亮；綠色和藍色等顏色由於被吸收而顯得對比更強烈、更深。非常適合評估印刷物體 (對比度出色)。
綠光	綠色部分顯得更亮；像紅色這樣的顏色會形成更高的對比度。非常適合評估金屬物體。
藍光	藍色部分顯得更亮；紅色、黃色和綠色等顏色看起來對比更鮮明。非常適合評估金屬物體。
白光	白光包含所有顏色。非常適合透過對比度 (而非絕對顏色) 來區分顏色。
紅外線	日光阻擋濾光片允許視覺感測器獨立於環境光使用，甚至可以補償強烈變化的光線條件或直射陽光。波長範圍也很重要。例如，紅外線範圍內的測量不會受到可見光波動的影響。

偏光濾鏡的效果

由於反射，很難獲得閃亮物體上的清晰輪廓或區域。具有 RGB-W 光源的 O2D5 感測器包含一個偏光濾鏡，可開啟或關閉以最大限度地減少反射的影響。

無偏光濾鏡
有偏光濾鏡