专栏首页深度学习和计算机视觉机器视觉检测相较于人工检测有哪些优势

机器视觉检测相较于人工检测有哪些优势

上世纪 70 年代,人们利用仿生学的原理,充分利用计算机的快速性、可靠性、大存储量、可重复性、高计算性能,把传统的检测、处理、执行环节与计算机技术密切配合,实现了产品检测的高度智能化,由此产生了机器视觉的概念。

在科技发展日新月异的今天,机器视觉检测已成为现代工业生产中十分普遍的检测工具。相较于人眼,机器视觉能够更好的检测出生产流程中的错误,能够将产品的质量问题更好的检测出来,提高工业生产的效率和生产的自动化程度,并且将工业生产的精确度提高,使得工作的进程加快,节省时间。

而传统的人工检测效果会受到员工素质,工作状态,经验等因素的影响,检测效率低下,人眼瞬间的疲惫可能就会造成一个重大的损失尤其对于精密、细微产品,如锂电芯片表面缺陷的检测,更显得无能为力。

机器视觉检测相对于人工检测的优势

1、数字化:机器视觉工作过程中产生的所有测量数据,均可独立拷贝或以网络连接方式拷出,便于生产过程统计和分析。同时还可在测量后导出指定测量数据并生成报表,无需人工一一添加,这无疑大大优于人工检测的数据统计;

2、信息集成:机器视觉可以通过多工位测量方式,一次性完成待检产品的轮廓、尺寸、外观缺陷、产品高度等多技术参数的测量;而人工检测在面对不同的检测内容时,只能通过多工位合作协调完成,而不同员工检测标准不一,极容易出现误检的情况;

3、成本:机器视觉前期投入会比较多,但属于一次性投入,长期产出,由于机器视觉的发展越来越迅速,价格也会逐渐降低;而人工检测则需要长期投入,且人工和管理成本会呈不断上升的趋势。由于机器比人工的检测效率高很多,因此就长期来看,机器视觉的成本会更低;

4、环境:机器视觉是通过即图像摄取装置将目标转换成图像信号,传送给专用的图像处理系统,在测量工件过程中,无需与工件进行接触,因此能够适应恶劣危险生产环境,同时也不会对工件造成接触性损伤;而人工则需要与工件进行接触性检测,因为无法应对恶劣危险环境,且在检测过程中,不可避免的会对工件造成接触性损伤;

5、重复性:机器可以以相同的方法一次一次的完成检测工作而不会感到疲倦;与此相反,人工长期重复性检测肯定会产生疲劳,同时每次检测产品时都会有细微的不同,即使产品是完全相同的;

6、客观性:人工检测难免出现疲劳,同时有一个致命的缺陷,就是情绪带来的主观性,检测结果会随检测人员心情的好坏产生变化;而机器没有喜怒哀乐,它所带来的检测的结果自然更加客观可靠;

7、精度:由于人眼有物理条件的限制,即便是依靠放大镜或显微镜来检测产品,也会受到主观性方面的影响,精度无法得到保证,而且不同的检测人员的标准也会存在有差异;在精确性上机器有明显的优点,它的精度能够达到千分之一英寸。而且机器不受主观控制,只要参数设置没有差异,相同配置的多台机器均能保持相同精度;

8、效率:工业自动化的快速发展,使生产效率大幅提升,从而对检测效率提出了更高的要求。人工检测效率是在一个固定区间,无法大幅提升,而在流水线重复且机械化的检测过程中,检测人员很容易出现疲劳而导致检测效率降低;而机器视觉能够更快的检测产品,特别是在生产线检测高速运动的物体时,机器能够提高检测效率,速度甚至能够达到人工10-20倍。

机器视觉检测用于企业生产流程会将企业的时间大大的节约了,检测缺陷产品并且防止缺陷产品送到消费者的手中,更是将企业价值大大的提升了,也使得企业的产品利润收益显著提高。

往期文章一览

1、通过形态学操作提取水平与垂直线

2、影响机器视觉的场景因素有哪些

3、SLAM实习生面试基础知识总结

4、OpenCV实现边缘模板匹配算法

5、我竟然用OpenCV实现了卡尔曼滤波

6、【走进OpenCV】滤波代码原来这么写

7、【走进OpenCV】这样腐蚀下来让我膨胀

8、小心!你看到的图像可能隐藏了重大机密

本文分享自微信公众号 - 小白学视觉(NoobCV)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-05-14

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 影响机器视觉检测的场景因素有哪些?

    在比利时的一间温室中,有台小型机器人,它穿过生长在支架托盘上的一排排草莓,利用机器视觉寻找成熟完好的果实,然后用 3D 打印的爪子把每一颗果实轻轻摘下,放在篮子...

    小白学视觉
  • 计算机视觉中低延迟该如何检测?

    之前在专栏的第一篇文章中介绍了一下关于层模型(layered model)的工作,并给自己挖了几个坑。今天让我来填其中一个坑:视频中的物体低延迟检测。由于这一系...

    小白学视觉
  • CVPR2020 夜间目标检测挑战赛冠军方案解读

    在 CVPR 2020 Workshop 举办的 NightOwls Detection Challenge 中,来自国内团队深兰科技的 DeepBlueAI ...

    小白学视觉
  • 继往开来!目标检测二十年技术综述

    计算机视觉中的目标检测,因其在真实世界的大量应用需求,比如自动驾驶、视频监控、机器人视觉等,而被研究学者广泛关注。

    AI算法与图像处理
  • 继往开来!目标检测二十年技术综述

    计算机视觉中的目标检测,因其在真实世界的大量应用需求,比如自动驾驶、视频监控、机器人视觉等,而被研究学者广泛关注。

    AI科技大本营
  • 护网Linux应急处置操作手册-Tools篇

    HVV行动已经进行到了11天,处置的工作明显增多,随着各种情况发生,所以这两天分别整理一些关于Linux和Windows的排查手册。

    Aran
  • GitHub:小目标检测最全资料集锦

    前几天,Amusi分享了Anchor-free目标检测的学习资料,详见 GitHub:Anchor-free目标检测最全资料集锦

    Amusi
  • 20年的目标检测大综述(章节2)

    今天我们接着上次综述章节1继续来大家来说说,本次主要说说20年内的目标检测,感谢大家的关注与支持。

    计算机视觉研究院
  • 几个肠道微生物检测方法的对比

    由安吉莉娜·茱莉助推的基因检测仍在持续火热,蓝海逐步成为红海。而早就有人把目光投向了肠道微生物群的检测,最近一段时间ncs的接力发表足以说明它的火热,检测公司国...

    用户1075469
  • 如何检验网站安全建设是真的“安全”?

    传统网站安全检测方式 当前的网站安全检查都是通过静态扫描的方式,来检测网站存在的漏洞和后门等安全问题,以是否存在漏洞来判断网站是否“安全”,这种检测方式通常都是...

    安恒信息

扫码关注云+社区

领取腾讯云代金券