人工智能
要想学好机器视觉,需要对机器视觉的知识体系有所了解。下面我们就来分享一下各个部分需要掌握的知识点。
图像采集:需要对镜头、光源、相机(CCD)的选型有所了解,有经验的工程师说打光是图像采集的关键。图像采集是对我们后续工作的支撑,采集不到好的图像,对图像处理就会难上好几倍甚至几百倍。
图像处理:图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。需要熟知对图像处理的原理以及方式方法。其他的通用的滤波、连通域、腐蚀膨胀等也都需要了解一下。
Halcon:编程和演示界面比较的友好,方便编程人员做二次开发,可生成C/C++文件,很容易嵌入到VC等编译环境下,对于有计算机基础或是有编程基础的同学,还是很容易就能够上手的。
OpenCV:这个软件开源资料会比较多,用C/C++编写,对于学习基础要求也不高,只需要对编程有兴趣或是会基本编程的都。
对于要学习机器视觉,会单纯的理论和编程是不够的,最好是以项目为基础,从立项开始,一步步完成自己设计的项目目标。这样才能够快速提升你的能力。
如果你是对机器视觉感兴趣或是想往这方面去发展,可以先选好一个适合自己的部分,结合实际,综合提高自己的水平。
这几年机器视觉的应用真的是风生水起。特别是在工业4.0,大数据,AI,深度学习这些高大上高科技名词的带动下,机器视觉越来越被企业老板接受。大的小的项目,旧的新的设备都在陆续应用上机器视觉。
应用有多广泛也没具体的统计,以上也只是个人从业过程中经历所得。
比如大家熟悉的PLC,十几年前市面上PLC学习资料很少,书店都买不到像样的。现在PLC相关的资料,纸质的,电子的,图文的,视频的,真的是满天飞。PLC已极度普及,想学习的人多,培训市场需求量巨大。
同样机器视觉也将会是下一个PLC,当前正处在高速推广时期。可以先人一步,学习机器视觉,相对只会PLC的,竞争力要大很多。我刚开始是搞PLC,后面工作上开始有大量视觉需求,也自学了工业视觉,现在也一直在用视觉,偶尔也可以帮别人做些项目啥的。简单二维识别,一维测量都可以开好几千。看下图视觉应用场景就高大上,怎么会没前途?
可以从应用开始学习。如果我们学习视觉只是应用,做项目开发设备,完成实际的生产任务。相对来讲还是很简单的,我们可以从熟悉一款视觉库开始。熟练应用视觉库,熟悉函数,熟悉算法,熟悉专业名词,进而触类旁通,可以使用其他库,或研究算法内部的原理。建议可以下载学习版本的HALCON。其带有大量实用例程,丰富的函数介绍,完全可以借助HALCON自带的这些资料快速上手。如下图为部分例程。
每个例程运行过程中都会有直观的效果。
全部0条评论
快来发表一下你的评论吧 !