工业机器人是一种典型的机电一体化数字化装备，还是机械类的一种机器，不过技术附加值比较高，能替换繁琐的人工流水线操作活儿，而且效率，工作时间长，出错率少，它是由操作机,控制器,伺服驱动系统和检测传感器装置构成,是一种仿人操作自动控制,可重复编程,能在三难空间完成各种作业的机电一体化的自动化生产设备,特别适合于多品种,变批量柔性生产线。
工业机器人涉及众多领域，包括汽车制造，食品行业，五金电子，电器等行业，它又分不同的工作站：上下料，焊接，抛光打磨，装配，喷涂，码垛等工序。由原来的人工产线更迭为机器人自动化生产线，不仅管理更方便，效率也大大提高。
人工智能它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。属于宏观概念的，并不是一种运作的机器，它是计算机科学的一个分支，企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和系统等。
特征检测方法分类视觉特征与人类感知***非常相关，Gesalt心理学研究表明，人类视觉系统会将低层次图像组成聚合，利用近似度、相似度、连续性和闭环等。视觉特征检测受人类视觉感知启发，连接图像像素到视觉任务。边缘、等高线、角点和区域等低级特征与人类视觉感知相关。我们首先将特征进行分类，如下图所示。边缘是指图像强度剧烈变化的像素；等高线或边界的定义比较模糊，由于我们聚焦于低层次特征，我们将等高线定义为不同分割区域的分割线或分割曲线；角点是指两个项链的等高线的交点；区域是指相连点的集合。值得说明的是上述定义间具有天然紧密联系。等高线或边界可以通过跟踪、连接相邻的边缘获得，角点是直线边缘的交点，不同区域相交曲线构成了边界。我们遵循传统分类方式，将视觉特征分为边缘、角点和区域，相应的，视觉特征检测分类为边缘检测、角点检测和区域（blob）检测。视觉特征检测方法分类如下图所示，涉及的方法如下表所示。边缘检测分为基于梯度的方法和基于学习的方法，边缘梯度的输出常常被用于基于学习方法的输入。角点检测可分为基于梯度的方法、基于模板的方法和基于等高线的方法，其中基于等高线的角点方法是指基于等高线或边界检测。Blob检测分为感兴趣点和区域检测。我们主要关注视觉特征检测的近进展，特征检测方法发展历史如下图所示，2005年之前的传统特征检测方法只是做了简单列出，新兴的方法则给出了提取的时间。
视觉项目前期需求分析阶段，我们会得到一系列样品进行测试，那么，这些样品的测试，我们是***性的进行测试，这些样品是客户认为的缺陷，那么这些缺陷是有专人进行挑选的，那么我们在前期光学实验，进行打光测试，在实验室是可以得到较好的效果，但是一去现场调试，你会发现很多“工程问题”，那就是当前光学环境下成像会把很多OK产品误判成NG产品，或者是一些产品上带的油污或者其他影像视觉检测的外部原因，或者是当前产品上的前序工艺造成的不可避免的印记，但这些客户又不认为的缺陷的产品。NG吗，不是的，这是OK品这在前期需求评估方面，你是不知道会存在这种情况的，在实际运行中，就会出现这种问题，那么我们该如何解决呢？光学系这是靠谱的方式，改变光学系统，比如，某种缺陷，只在暗场照明（低角度）解决，另一种，只是用直射照明，比如同轴，90度光，在上面图中，如果使用漫射板环光，那么图像就是一坨黑色，但是使用同轴光，那么这个问题就可以很好地解决。
版权所有©2025 产品网
