为什么基于图像处理的视觉检查是困难的
ovit来自最近访问的用户的故事。
- 生产是自动化的，如果只输入原料，可以迅速完成。然而，由于 "每单位多少钱 "的成本问题，检查是一个挑战。当生产量增加时...
- 各种制造商的图像处理设备已经投入使用。然而，只有 "定位 "和"（零件的）尺寸测量 "是可以操作的。视觉检查 "是以视觉方式处理的，因为它最终会被泄露出去。
这些故事并不是 "一小部分"；我所接触到的大多数网站都是类似的，而且很可能 "检查工时 "在制造业的零件成本中占了很大一部分。
一个制造商声称 "25年的图像处理"，但如果它真的值得，它应该是更广泛的。然而，在现实中，情况并非如此。视觉检查 "并不那么容易。
定位 "和 "尺寸测量 "相对容易正确，而 "目视检查 "最大的区别是 "一切都必须被看到"。即使有规范中没有提到的'意外缺陷'，如果不能被发现，它们就会被'漏掉'。在视觉检查中，'检查项目'是没有意义的。一切都必须被检查。
人们一直认为标准做法是 "对每个检查项目"，"用这个做照明"，"创建一个这样的算法 "和 "将公差限制在这个水平"，这样做效果并不好。它不仅耗费时间，而且还泄漏了。
归根结底，视觉检查归结为 "如果它与好的产品相同，就可以；如果与好的产品有差异，就不可以"。
用这种方法。
- 只有 "好 "的产品才会在严格的检查后被分类出来。这些都是按原样运送的。
- 只有那些没有被归类为 "好 "的才会被目视检查，而 "好 "的则根据人类的判断被分拣出来。
这是确保质量并同时减少检查工时的唯一方法。
如果'只有好的产品'不能被分出来，或者即使能分出来，也是太少了，那么不尝试视觉检查过程的自动化是比较安全的。把钱花在改进制造工艺上会更有意义，因为可以说产品中存在很大的差异。
