机器学习和视觉技术在轮毂型号识别系统中的应用

1机器视觉系统
机器视觉，就是用机器代替人眼来做测量及判断。
当计算机从CCD端取得一幅完整影像后，根据系统的灰阶设定，通过滤波、降噪、阈值分割、二值化处理、连通域分析等一系列必要的数字图像处理技术，得出影像中指定部位的准确轮廓，以及特定的局部的信息，利用这些信息可以准确的提取出图像中的轮廓构成，从而得出隐含在图像中的信息。
从图像中还可以计算得出指定位置的像素距离；使用标准量块对图像中每像素距离所对应的物理尺寸进行标定，得出换算系数。
机器视觉系统的特点是测量精确、稳定、快速、可大幅度提高生产的柔性及自动化程度以提高生产效率，且易于实现信息集成，是实现计算机集成制造的核心技术之一。

2轮毂型号识别基本原理
采用机器视觉技术，实现对于待加工轮毂型号的自动识别。
传统：
1.型号识别主要工作过程包括：建模、正常采集图像、对象相关性比对、获取解析结果。
2.视觉识别主要采用的是图像的像素比对获得整体图像和建模图像的相关性，相关性最高的就是优先级最高的型号结果。
3.视觉算法的另一个局限性在于对待检测轮毂的检测精度随着加工差异性而受影响。
4.型号识别系统还有另一个局限性在于同时识别的轮毂的型号对于运算复杂度的影响会极大的降低识别效率

3关键处理技术简述
3.1摄像头标定技术
3.1.1摄像头标定是准确测量目标物体的必要过程，原因如下：
1)       所有工业镜头成像均存在不同程度的畸变，从而给精确图像分析引入初始误差，必须通过摄像头标定来解决该畸变所带来的成像误差。
2)       通过摄像头标定，才能准确得知被测物体物理尺寸与成像后的像素尺寸之间的对应关系，即图像中每个像素代表世界坐标系中目标物体的米制单位尺寸。
3.1.2摄像头标定操作具体操作时，使用标准标定块在所需的物距上进行成像，并精确测量和记录多个标定点在世界坐标系中的坐标，以及在图像中的像素坐标，按下述原理和公式进行计算，最终得出精确的标定模型并保存在系统中。
3.1.3标定原理与计算摄像头成像过程，是三维空间点从世界坐标系投影到摄像头坐标系，再投影到成像平面坐标系中的过程。
3.2模板匹配技术
3.2.1概述
在视觉系统的实际应用场景中，经常需要从获取图像中找出感兴趣的待测物，此时通常会有两种情形发生：一是当前待测物的精确尺寸、形状等，与标准品之间存在一定的差异；二是待测物在拍照窗口中出现的位姿、数量各不相同。为了解决上述问题，我们在本系统中引入了模板匹配技术。
3.3软件图像训练自学习技术
3.3.1概述基于轮毂生产过程中的批次偏差以及工业生产现场的恶劣的环境的影响，同一型号的轮毂甚至同一个轮毂在图像采集的过程中都会因为各种干扰。
为了提升系统的实用性中科图灵创新性的把机器学习软件融入到型号识别系统，从而解决了传统型号识别系统的固化比对技术，赋予了型号识别系统一定的学习能力从而解决了系统对干扰的鲁棒性
3.2.2基于机器学习的软件
机器学习作为一门新兴技术目前在各个新兴的技术领域都获得一个爆发性的发展。机器学习本身是依赖软件算法通过海量数据的训练从不同路径提取更多有效信息，并通过高效的运算来规划出远超传统固定流程软件的执行能力。赋予了软件一定的智能决策能力。而正是这一点突破让我们获取了以往软件无法企及的智能。
在中科图灵的视觉系统中正是依赖海量的数据的训练让本系统对于同一型号的轮毂不再依赖单幅的建模图像的匹配来获取型号数据。对同一型号的轮毂的多角度、不同光源场景下的图片。由此可以实现对同一型号轮毂的多个识别领域的全方位综合结果，大幅度提升识别的精度。
3.2.2机器学习算法的应用
本系统中机器学习算法主要是基于深度数据挖掘和决策树机制来应对本文提到的传统机器视觉算法的核心难点。
1、针对同一型号轮毂的不同批次的产品外观差异、颜色差异、新品与反修品的差异我们对上述不同场景下的轮毂进行分别建模与学习，让软件可以智能的适应不同场景并且自动分析当前图片对应的特殊场景。
2、针对同一轮毂进入图像采集单元的姿态主要包括轮毂水平面存在的倾角问题造成的轮毂的图片差异，软件自适应的判断出当前图片中轮毂的角度姿态的差异而准确适应识别要求的问题。
3.4 智能加速算法的应用
3.3.1概述由于采用了深度学习的算法后整体运算的复杂度大大的提升，因此为了提高系统的整体运算效率需要对算法的复杂度进行优化加速，这就离不开一些硬件加速单元的优化。
3.2.2嵌入式加速硬件引擎
该架构适应性能较为简单，且不需要大规模复杂运算的方案。ARM作为整体系统的主CPU负责整体系统的人机界面等调度。DSP单元或者FPGA单元根据具体的需求可以任意的添加或者删除。具体的算法由DSP负责调度，FPGA作为DSP的硬件加速器协助DSP 完成一些并行运算量大的单元。图灵根据自身的算法IP,已经实现了所有的算法IP的已经verilog化，供系统灵活调度。
算法系统平台化，图灵对于自身的视觉算法软件以及硬件IP实现了平台化。
基于上述平台系统的强大硬件加速运算能力和图灵平台化的系统架构，我们团队可以为行业提供远超一般基于CPU的算法效率和精度的能力。FPGA作为DSP的硬件运算加速引擎，采用EMIF接口映射的方式实现与DSP之间的通信。利用FPGA实现机器视觉算法相较于传统软件实现具有先天优势，FPGA可定制实现硬件加速运算，可进行大数据的并行运算，同等的算法由FPGA实现相较于软件提升的速率在数倍至数十倍之间。图灵在研究总结大量工业自动化现场及机器视觉系统应用现状的基础上，创新的提出了智能相机+服务器端的应用模式，该服务器主机可灵活安装在企业内任何位置，使用千兆网络与多个智能相机终端进行连接；服务器可以方便灵活的管理、控制各个智能相机终端及其上传的各类信息，也可以协助智能相机对采集到的现场图片进行复杂运算，并就处理结果与各个智能相机终端进行通信，用户还可以很方便的通过服务器与图灵工程师进行在线互动，由图灵为用户提供算法升级、更新等一系列技术支持服务

6系统优势
本系统实现核心基于机器视觉技术，集精密制造、测量技术、计算机技术、光电技术、机器学习等多种技术于一体，具有以下显著优势：
1) 非接触性测量，不会对工件造成永久性损伤
2）测量速度快，单轮毂从拍照到生成加工中心程序不到2秒
3）自动适应不同型号轮毂
4）稳定性好，抗干扰能力强，在工作过程中不受外部光线、油污、碎屑等影响
5）多角度综合得出型号信息，大幅度提升识别准确度
6）类似AI的数据挖掘和机器学习提升识别的精度
7）基于FPGA的硬件加速引擎可以实现更高复杂度的算法的高效运行

7结论
该系统的研发成功，极大的满足了客户对于轮毂混型加工的生产效率要求。
自动识别轮毂型号，指导系统自动加工的智能化实现，稳定可靠地解决了客户小批量多型号的混型加工生产自动化的轮毂型号识别需求。

中科图灵视控（北京）智能科技有限公司
地址：北京市海淀区中关村东路95号自动化大厦
技术服务电话：4008-035-305
在线QQ客服：2298282530
技术服务邮箱：service.tuling@turingvision.com