什么是机器视觉？

二维机器视觉（2D）已经改变了自动化制造，将优雅的软件算法应用于大规模生产的零件的生产、检查和控制。这项技术使用成像技术来建立一个零件和工艺的整体的360度视图，以考虑制造零件的所有因素。软件和先进工业设备的整合推动了机器和制造的零件之间的实际人际接触。

对重复的、高数量的生产运行最有利的是，机器视觉为操作员提供了增强的可视性，以提高生产的质量、速度和成本。二维机器视觉通过检测产品特征的位置提供增强的检测，提高了质量保证的缺陷率。它通过快速进行重复性动作和实现预先编程的转换来批处理一系列生产步骤，类似于计算机编程中的子程序，从而提高生产力和灵活性。最后，二维机器视觉通过这些对质量和速度的改进，降低了成本。改进的可编程性优化了机器性能，减少了运行机器所需的人力资产。更好的质量也转化为更低的废品率，这对成本是一个直接的改善。

在其所有颠覆性的好处下，二维机器学习有一些突出的改进机会。机器使用光来创建目标图像。因此，这种方法很容易受到照明条件变化的影响，如一天中不同时间的阴影、阴影，从而影响到图像的清晰度。因为它是平面的，所以二维方法主要适用于二元评估，如是否存在特征或是否存在缺陷。

这些挑战产生了对进一步改进成像解决方案的需求。3D.概念上很简单，为二维图像增加深度需要对整个过程进行重大升级。在这里，我们将概述第3D度如何扩展二维机器视觉的动态响应和工艺性能收益，使工艺越来越接近理想状态：零缺陷、及时、最低成本。

动态响应的3D机器视觉的优势

纳入第3D的额外复杂性使处理器的计算负荷成倍增加。为了解决这个问题，软件供应商已经改善了他们的基础设施、弹性和按需计算的支持。同时，5G的扩展有助于缓解处理方面的限制。很容易理解为什么增加第3D会以增加处理量为代价改善成像方法，因为更高的数据量需要更长的时间来处理。但是，捕捉特征的3D视图的传感器使软件能够通过图像中的缺陷进行插值，利用特征在其他两个维度的位置创建一个准确的图片。成像过程的弹性随着更详细的视图而增加，减少机器的反应时间。

软件和算法收集和分析数据，加速了对故障的反应，而不需要人工干预。这个过程消除了重要的人为错误来源，并以更准确的图像减少了信号和响应之间的时间。缩短响应时间使该过程更接近于及时生产的理想状态支柱。

3D机器视觉对系统性能的优势

3D机器视觉能够更快、更准确地查看相关特征。这一优点通过发现和解决质量故障来提高性能。这种视图允许工程师定义或预先编程一个程序，以评估零件完整性问题的严重程度。他们可以优化机器，查看已知的错误来源，以提高操作效率，降低零件成本。

增加深度尺寸可以提高测量和切割的精度，使一个过程的制造公差更加严格。实现一个可重复的、严格的公差可以使制造的自动化程度更高，从而降低每件的生产成本。

3D机器视觉可以将成品零件与其计算机辅助设计（CAD）模型进行比较，以提高质量。工程师可以制定一个检查顺序，以检查工程图纸或规范所规定的CAD模型中的关键尺寸。然后，机器视觉对照模型对零件进行在线评估，要么批准该零件，要么将其剔除到废品仓。来自第3D度的附加数据将检测过程从对照图纸的二维检查转移到CAD和产品之间的直接比较。

结论

3D机器视觉可以改善制造质量、产量和成本。3D机器学习是大批量生产步骤的理想选择，它为以前的二维方法增加了深度，以创建零件的完整图像。这种图像可以确定缺陷的大小、形状、位置和位置，为算法提供信息，以提高加工效率，或通过扫描、拣选和重新订购提高供应链库存周转。使用这种颠覆性技术的机械可以吸收意想不到的变量和障碍，为它们导航并完成它们的任务，而无需重新编程。