Техническое зрение
Применение систем машинного зрения на основе отечественных камер

Сегодня камеры машинного зрения стали универсальным инструментом для визуального контроля за качеством продукции. Кроме того, их активно используют в системах видеонаблюдения, дефектоскопии и многих других областях, где требуются высокие надежность и стабильность работы. В статье рассмотрим решения для выполнения различных задач машинного зрения, основанные на камерах производства НПК «Фотоника».
Basler Blaze RGB-D: преимущества решений на основе камер машинного зрения ToF 3d

ToF 3D, или трехмерная времяпролетная камера, — это устройство для обнаружения, идентификации и определения расстояния до объектов с помощью света. Принцип работы такой камеры заключается в определении времени, за которое свет покрывает расстояние от своего источника до объекта и обратно до камеры. Чем больше расстояние, тем больше тратится времени. Срабатывание источника света и съемка кадра синхронизированы таким образом, что расстояние можно определить и рассчитать на основе данных изображения. Рассмотрим особенности камер ToF 3D и решение компании Basler, позволяющее преодолеть их некоторые недостатки.
Система предупреждения столкновений Visionary-B от Sick для спецтехники

Анализ статистики несчастных случаев с участием транспортной техники специального назначения показывает, что наиболее распространенным видом аварий, представляющих серьезную опасность для жизни и здоровья людей, является наезд крупногабаритной техники на легковой автотранспорт и людей. Большинство подобных инцидентов происходит из-за плохого обзора оператора спецтехники. В данной статье представлена система помощи водителю Visionary-B компании SICK AG (Германия), выполненная на основе разработанного компанией стереоскопического машинного зрения. Это продолжение серии статей по решениям компании SICK AG, направленным на обеспечение безопасности труда в различных отраслях промышленности, в том числе и со сложными условиями работы на открытых пространствах [1–3].
Два подхода к оснащению производства системами компьютерного зрения

В статье рассмотрим два подхода к развертыванию систем машинного зрения для решения задач видеоаналитики: централизованный, при котором все видеоданные с камер передаются в единый дата-центр, и периферийный — вычисления производятся защищенной системой, расположенной в непосредственной близости от камер наблюдения.
Видеоаналитика в задачах прослеживания продукции: новые возможности

Самые распространенные технологии для идентификации единиц товара — нанесение штрихкодов (1D, 2D), прямая маркировка деталей (DPM) и использование RFID-меток. Все эти методы удобны, надежны и вполне применимы для дискретных производств и стандартизированных технологических линий. Но как быть с задачами, в которых условия выходят за рамки типовых? В этой статье мы расскажем о нетривиальных подходах к разработке интеллектуальных систем прослеживания, поднимающих такие системы на новый уровень.
Машинное зрение – основа современных медицинских решений

В последнее время мы наблюдаем рост спроса на оптимизированные медицинские инструменты, которые независимо от местоположения или личного опыта врача могут обеспечить постановку диагноза и принять решение о применении того или иного медицинского протокола. Для полной реализации этих достижений очень важно машинное зрение.
Особенности массового внедрения систем машинного зрения на предприятии

Четвертая промышленная революция ставит перед руководителями промышленных предприятий новые глобальные задачи. Для более продуктивной работы организациям требуется внедрить в сложившиеся технологические процессы новые цифровые технологии и прийти к созданию «умных» производств. Системы машинного зрения являются ключевым инструментом на этапе цифровизации предприятия и решают широкий класс задач, связанных с контролем качества и отслеживанием продукции, сбором данных о состоянии оборудования и ходе технологических процессов, визуальным контролем соблюдения сотрудниками требований безопасности и т. д. Рекомендации по внедрению таких систем, приведенные в статье, сформированы на основе опыта компании «Малленом Системс».