行业动态
解析选择小型机器视觉系统的9大决胜点
浏览:1390 次
时间:2014-11-18 14:32:58

        如何提升产能,系统性能与处理能力扮演着关键的角色。就一般机器视觉系统而言,科学级相机的高分辨率与高帧率就像鱼与熊掌一样,不可兼得。在一般实际的应用中,通常是高分辨率但低帧率或低分辨率高帧率的应用组合。如果想要两者兼得,惟一的出路就是使用高端CPU处理器来补足分辨率与帧率加乘出来的结果。

        那么,如何以合理的成本,取得最佳的处理性能,是系统开发人员所关心的。今天本站为您列举了9项选择小型机器视觉系统的决胜点。

        1、处理器计算性能

        传统智能相机因为体积小,在有限的空间里,散热能力会受到限制,因性能有限,故仅能完成单一任务的图像分析处理,如计数、扫描条形码等。最近研发的新一代小型机器视觉系统可具备同时进行尺寸测量、计数、定位、二维码读取等多任务处理的能力,从持有成本来看,具备一台抵多台的能力。

        2、图像传感器与图像质量的优劣

        图像传感器是机器视觉系统的灵魂,传感器的尺寸直接代表着图像的质量。在过去,智能相机的应用定义在初级的图像检测上,传感器的尺寸与图像质量的优劣,并不容易被凸显。然而如果要将机器视觉应用在高端高速的检测应用上,那么传感器的尺寸,就成为选择系统时,必须要考虑的要点。

        3、卷帘快门与全局快门的比较

        卷帘快门与全局快门的不同在于画面曝光的时间差。卷帘快门是通过电子信号告诉感光组件,依序曝光,直到整个画面曝光完成。而全局快门是在曝光时,“同时” 曝光整个画面。随着系统处理性能的提升,系统性能将不再是瓶颈,若有高速移动对象的检测的需求,采用全局快门传感器能采集到无残影的,正确的图像。

        4、协处理器

        在机器视觉图像采集与分析的过程中,图像质量占了重要的关键。如果可以在图像进入分析之前,就对采集的图像进行质量优化,可确保图像分析的正确。在过去的应用中,图像数据采集到系统后,必须通过系统处理器进行计算与图像质量优化,因为受限于CPU计算资源,能够处理的图像数据量也会受到限制。然而,若能通过FPGA的支持,将图像的矩阵计算,在进到CPU计算之前,即做好过滤以及优化的处理,可以大幅加速图像处理的性能,降低CPU资源,一方面可以把系统资源留给机器视觉系统的核心—图像算法,另一方面可以更实时的处理大数据量的图像,让高速以及复杂的图像处理与分析,得以被实现。

        5、GPU绘图与多媒体图像处理性能

        通过CPU与GPU性能的提升,图像检测结果可以被记录、存盘,或者是提供原始资料进行进一步的对比与分析,让工厂的信息系统具备更智能的功能。

        6、系统显示性能

        在工厂环境中,传统智能相机仅能通过以太网传输数据,以供中控端的监控使用。若该机器视觉系统可支持VGA输出接口,则该机器视觉系统可以同时通过VGA以及以太网络端口输出图像,连接至HMI或产线端的屏幕,实时检查结果,发现问题,将可有效提升产线性能。

        7、64位架构

        图像分析软件因为需要处理的数据量大,市场上主流的应用软件多已经支持64位。所以机器视觉系统的选择,当然也必须选择支持64位的系统,才得以发挥该应用最大的效益。

        8、系统存储容量

        小型机器视觉系统的储存容量的大小,代表的意义是使用者可以存储更多的图像辨识对比样本,也可存储检测数据,或进行备份。对于整体系统的稳定性是非常有益的。

        9、总体拥有成本的考虑

        系统购置的总体拥有成本,并非仅考虑机器视觉系统本身的成本。使用者是聪明的,如何从总体拥有成本的角度协助客户降低费用,才是王道。我们不妨从以下几点来探讨:空间与配件的成本,扩展机器视觉系统成本,开发环境与程序的通用性,开发总成本。

京ICP备14006130号-1
北京市海淀区上地信息路1号国际科技创业园1—1705
© Copyright 2011 北京萨尔笛科技 All rights reserved.