Global
EN
可持续发展
可持续发展
持续创新、引领行业进步是我们不屈的使命。
新闻&资源
新闻&资源
时刻与您分享我们的一点一滴
关于我们
关于我们
音特电子集技术研发、芯片制造、封装测试、销售和服务于一体
人才发展
人才发展
一同释放潜力,塑造人类健康未来
行业方案
注重客户方案需求,量身定制解决方案,帮您提升产品核心竞争力
相机、光源、镜头等硬件产品
相机、光源、镜头等硬件产品

主要功能模块

  • 图像采集模块

相机:常见的有 CCD 相机和 CMOS 相机,将光信号转换为电信号或数字信号,根据应用场景选择不同分辨率、帧率、灵敏度的相机

镜头:根据焦距、光圈、景深等参数选择合适的镜头,确保拍摄到清晰、完整的图像,常见的有定焦镜头、变焦镜头等

光源:为拍摄提供充足的光线,包括高频荧光灯、LED 灯等,不同的光源颜色、强度和角度会影响图像质量

  • 信号处理模块

图像采集卡:将相机输出的信号转换为计算机能够处理的数字信号,同时控制相机的参数,如触发、曝光时间等

处理器:通常是计算机或专用的图像处理芯片,对采集到的图像数据进行处理、分析和识别,完成特征提取、目标定位等任务

  • 控制与通信模块

机器人控制单元:根据视觉系统的处理结果,控制工业机器人的动作,实现对目标的抓取、装配等操作

通信接口:实现视觉设备与工业机器人、上位机或其他设备之间的数据传输和通信,常见的接口有以太网、USB、RS-232 等

  • 软件算法模块

图像处理软件:对采集到的图像进行预处理、滤波、增强、分割等操作,提高图像质量,为后续的分析和识别提供基础

模式识别与深度学习算法:用于目标识别、分类、定位等任务,如基于模板匹配、特征匹配的传统模式识别算法,以及基于卷积神经网络等的深度学习算法


视觉分辨的主要技术路线

  • 传统图像处理技术路线:通过图像滤波、边缘检测、形态学处理等方法提取图像的特征,然后基于模板匹配、特征匹配等算法进行目标识别和定位,适用于简单场景和规则目标的识别
  • 深度学习技术路线:利用深度神经网络,如卷积神经网络(CNN),自动学习图像的特征,能够处理复杂场景和不规则目标,具有较高的识别准确率和鲁棒性,但需要大量的训练数据和计算资源
  • 多传感器融合技术路线:将视觉传感器与激光雷达、红外传感器等其他传感器相结合,融合多种传感器的数据进行目标识别和定位,提高系统的环境感知能力和准确性,适用于复杂环境下的应用

容易出现的问题点

  • 图像质量问题:如运动模糊、聚焦模糊、光照不足模糊、镜头污垢模糊等,影响目标识别的准确性。
  • 目标遮挡与复杂背景问题:当目标被部分遮挡或处于复杂背景中时,可能导致识别错误或无法识别。
  • 算法性能问题:传统算法在复杂场景下可能存在识别准确率低、鲁棒性差的问题,深度学习算法则可能面临训练时间长、模型过拟合等问题
  • 系统稳定性问题:工业环境中的振动、灰尘、温度变化等因素可能影响设备的稳定性,导致系统故障或性能下降
  • 通信与同步问题:视觉设备与工业机器人之间的通信可能出现延迟、数据丢失等问题,影响两者之间的协同工作

EMC 电磁兼容的常见问题及解决方法

  • 电源传导干扰
  • 问题表现:视觉设备产生的高频干扰信号通过电源线传导,影响同一电源网络中的其他设备   
  • 解决方法:在电源输入端安装电源滤波器;采用隔离变压器;合理布线,避免电源线与信号线平行敷设
  • 空间辐射干扰

问题表现:设备内部的电子元件和电路工作时产生电磁辐射,干扰周围电子设备

解决方法:将设备安装在金属屏蔽柜内并良好接地;对信号线缆采用屏蔽线并将屏蔽层两端接地;合理布置设备位置,增大与其他敏感设备的距离

  • 接地问题

问题表现:接地不良导致电位不稳定,产生接地环路电流,引入干扰信号

解决方法:确保设备有独立、可靠的接地系统,接地电阻符合要求;采用单点接地或多点接地方式,优化接地布局

  • 信号线传导干扰

问题表现:干扰信号通过输入输出信号线传导,导致信号失真、数据传输错误

解决方法:对信号线合理布线,与电源线保持距离,避免平行走线;在信号线上安装共模电感、磁珠等滤波元件

  • 静电放电(ESD)问题

问题表现:静电通过设备的输入输出接口、外壳等部位放电,损坏内部电子元件

解决方法:在输入输出接口电路中增加静电保护元件;对设备的外壳进行防静电处理;操作人员佩戴防静电手环等防护用品