¿Qué conocimientos necesita dominar para aprender visión artificial?
Si desea aprender sobre la visión artificial si nunca antes la ha conocido, puede preguntarse: ¿qué es la visión artificial? ¿Qué conocimientos se deben dominar si se quiere aprender visión artificial?
En primer lugar, déjame explicarte qué es "visión de máquina".
La visión artificial es una rama de la inteligencia artificial en rápido desarrollo. En resumen, la visión artificial es usar máquinas para reemplazar los ojos humanos para medir y juzgar. El sistema de visión artificial convierte el objeto capturado en una señal de imagen a través de productos de visión artificial (es decir, un dispositivo de captación de imágenes, dividido en CMOS y CCD), y lo transmite al sistema especial de procesamiento de imágenes para obtener la información de forma del objeto capturado, que se transforma en señal digital según la distribución de píxeles, brillo, color y otra información; El sistema de imágenes realiza varias operaciones sobre estas señales para extraer las características del objetivo, como área, cantidad, posición y longitud,y luego controla la acción del equipo en el sitio de acuerdo con los resultados de la discriminación para realizar el reconocimiento automático de acuerdo con la permisibilidad preestablecida y otras condiciones, incluido el tamaño, el resultado de salida, el ángulo, la cantidad, pasa/falla, existencia/no existencia, etc.
Y qué conocimientos necesitas dominar para aprender visión artificial. Un sitio simple del sistema de visión artificial consta de tres partes: parte de imágenes visuales, parte de procesamiento de imágenes y parte de control de movimiento.
1. Parte de imágenes visuales
La imagen visual incluye varios componentes típicos: fuente de luz, lente y cámara industrial.
Tanto la fuente de luz como la lente necesitan que dominemos el conocimiento óptico. Diferentes métodos de iluminación pueden hacer que la cámara produzca imágenes de objetos completamente diferentes; La elección del aumento de la lente, la distancia focal y el campo de visión determina directamente la fidelidad de la imagen. Para un ingeniero de visión artificial, dominar cómo seleccionar la lente, cómo seleccionar la fuente de luz y cómo determinar el método de iluminación son las habilidades más básicas.
Las cámaras industriales requieren que dominemos el conocimiento fotoeléctrico, las diferencias entre los sensores de la cámara y el conocimiento básico de la imagen, como definición, rango dinámico, ángulo de campo, etc., para que podamos seleccionar la cámara correcta según la demanda y escena. La forma más rápida de dominar este conocimiento es comprar una SLR de nivel de entrada para estudiar la relación entre estos parámetros de imagen y la imagen.
2. Parte de procesamiento de imagen
Generalmente entendemos que el procesamiento de imágenes se lleva a cabo en máquinas PC. De hecho, en el campo industrial, la mayoría de las computadoras industriales se utilizan debido a su estabilidad y ventajas económicas.
Para los principiantes, pueden dar prioridad a dominar el desarrollo de la plataforma PC y la plataforma X86, y pueden extenderse a la plataforma integrada una vez que se familiaricen con ella.
En la parte de software, la mayoría de las capas de aplicación adoptan C#Net, QT y C++, por lo que es necesario dominar alguno de los lenguajes de programación; A nivel de algoritmo de imagen, los algoritmos típicos de código abierto incluyen opencv, y los comerciales incluyen Halcon, visionpro, etc. Se sugiere comenzar con Halcon; Si desea ir más allá en el nivel del algoritmo, puede estudiar el aprendizaje automático, que puede ser la dirección principal en el futuro.
En términos de teoría, se trata más de dominar los conceptos básicos del procesamiento de imágenes. Este libro Algoritmos y aplicaciones de visión artificial vale la pena leer
3. Parte de control de movimiento
Se puede estudiar una tarjeta de control de movimiento típica, como Gugao. También se puede jugar con PLC más avanzado. La dificultad en esta parte es la corrección de precisión, porque muchas escenas y requisitos tienen requisitos muy altos de precisión.
Además de los puntos anteriores, la capacidad de construcción del esquema general es muy importante, porque el esquema necesita conectar estas partes y puede conectarse con la escena real para satisfacer las necesidades reales de automatización de la producción.
La capacidad de construcción del esquema general depende de la comprensión profunda del proceso de producción y la conexión y relación entre todos los componentes. Estos dos puntos necesitan la acumulación de experiencia de múltiples proyectos para dar una buena solución.