机器视觉LED光源的选择及其性能优势
2015-01-11 00:14
169 查看
机器视觉LED光源的选择及其性能优势
机器视觉系统使用的光源主要有三种:高频荧光灯、光纤卤素灯、LED照明。光源的选择是为了将被测物体与背景尽量明显分别,获得高品质、高对比度的图像。而光源的正确选择,直接影响系统的成败,处理精度和速度。今天我们为大家介绍的就是LED光源的性能优势及如何选择。
LED光源的选择分为三大步骤:
一、需检测的产品信息
如:外观检查、OCR、尺寸测定、定位;想要检测什么?如异物、伤痕形状等;表面状态,如镜面、糙面等;材质、表面颜色;视野范围;动态还是静态;镜头下端到被测物表面距离;设置条件:照明的大小、照明下端到被测物表面的距离等;周围环境;相机的种类等。
二、简单的预备知识:
1.因材质和厚度不同、对光的透过特性各异。
2.根据其波长之长短、对物质的穿透能力各异。
3.光的波长越长、对物质的透过力越强,光的波长越短、在物质表面的拡散率越大。
4.透射照明、即是使光线透射对象物、并観察其透过光之照明手法。
三、选择光源:
1.要求:穏定均匀;
2.目的:将被测物与背景尽量明顕区分;
3.如何鲜明地获得被测物与背景的浓淡差;
4.二值化处理为了能够突出特征点,将特征图像突出出来,在打光手法上,常用的包括有明视野与暗视野。
其实,具体的光源选取方法还在于试验的实践经验。
机器视觉LED光源的性能优势
运行成本低,使用寿命长;可根据需要制成各种颜色,并可以随时调节亮度;散热效果更好,光亮度更稳定;可制成各种形状、尺寸及各种照射角度;反应快捷,可在10微秒或更短的时间内达到最大亮度;电源带有外触发,可以通过计算机控制,启动速度快,可以用作频闪灯;可根据客户的需要,进行特殊设计。
机器视觉系统使用的光源主要有三种:高频荧光灯、光纤卤素灯、LED照明。光源的选择是为了将被测物体与背景尽量明显分别,获得高品质、高对比度的图像。而光源的正确选择,直接影响系统的成败,处理精度和速度。今天我们为大家介绍的就是LED光源的性能优势及如何选择。
LED光源的选择分为三大步骤:
一、需检测的产品信息
如:外观检查、OCR、尺寸测定、定位;想要检测什么?如异物、伤痕形状等;表面状态,如镜面、糙面等;材质、表面颜色;视野范围;动态还是静态;镜头下端到被测物表面距离;设置条件:照明的大小、照明下端到被测物表面的距离等;周围环境;相机的种类等。
二、简单的预备知识:
1.因材质和厚度不同、对光的透过特性各异。
2.根据其波长之长短、对物质的穿透能力各异。
3.光的波长越长、对物质的透过力越强,光的波长越短、在物质表面的拡散率越大。
4.透射照明、即是使光线透射对象物、并観察其透过光之照明手法。
三、选择光源:
1.要求:穏定均匀;
2.目的:将被测物与背景尽量明顕区分;
3.如何鲜明地获得被测物与背景的浓淡差;
4.二值化处理为了能够突出特征点,将特征图像突出出来,在打光手法上,常用的包括有明视野与暗视野。
其实,具体的光源选取方法还在于试验的实践经验。
机器视觉LED光源的性能优势
运行成本低,使用寿命长;可根据需要制成各种颜色,并可以随时调节亮度;散热效果更好,光亮度更稳定;可制成各种形状、尺寸及各种照射角度;反应快捷,可在10微秒或更短的时间内达到最大亮度;电源带有外触发,可以通过计算机控制,启动速度快,可以用作频闪灯;可根据客户的需要,进行特殊设计。
相关文章推荐
- 三种初级排序算法(冒泡、选择、直接插入)java实现及其性能比较
- 机器视觉LED光源 选择
- 性能为王:选择模拟监控的10大理由!
- MySQL数据库性能优化之存储引擎选择
- 如何根据性能选择内存NoSQL数据库?
- BW:总结InfoCube的优势分析及维度选择技巧
- 针对特征词选择法的验证实验“各种特征词选择算法对文本分类性能的影响”:纸上得来终觉浅,觉知此事要躬行 (实验数据下载)
- HashMap循环遍历方式及其性能对比
- H.264的技术优势及其在H.323系统中的应用
- 多个IoC容器适配器设计及性能测试和容器选择
- 图像检索:layer选择与fine-tuning性能提升验证
- 调用.NET Serviced Component引发的性能问题及其解决
- okHttp使用及其优势
- 归并排序 & 计数排序 & 基数排序 & 冒泡排序 & 选择排序 ----> 内部排序性能比较
- 从性能的角度谈SQL Server聚集索引键的选择
- Oracle RAC的五大优势及其劣势
- 选择LOTUS做OA系统的优势
- MongoDB、HandlerSocket和MySQL性能测试及其结果分析
- java实现各种排序算法(包括冒泡排序,选择排序,插入排序,快速排序(简洁版))及性能测试
- 【Scikit-Learn 中文文档】模型选择:选择估计量及其参数 - 关于科学数据处理的统计学习教程 - scikit-learn 教程 | ApacheCN