特种镜头在缺陷检测中的应用

人工智能 2024-12-12 10:34www.robotxin.com人工智能专业

经过十多年的发展,国内机器视觉领域已迈入快速发展的轨道,各行业对视觉检测的需求日益高涨。常规镜头已无法满足许多项目的检测要求,特别是在一些特殊场景下,需要定制化的镜头来应对挑战。今天,我将为大家分享长步道特种镜头的一些应用场景,带您领略其独特魅力。

在高度差异较大的物体检测方面,长步道特种镜头展现出了卓越的性能。以新能源锂电池行业的卷绕段为例,极耳在卷绕过程中的位置变化是一个巨大的挑战。当极耳发生位置偏移,尤其是在最大变化达到20mm的情况下,如何准确检测极耳的翻折缺陷并判断其合格与否,成为了一个技术难题。此项目的关键在于如何在20mm的景深范围内保持倍率一致,无视差。因为一旦拍摄存在视差,前后位置的极耳翻折大小在图像上会有明显区别,这将无法满足检测需求。

说到无视差技术,很多人首先会想到远心镜头。远心镜头因其独特的平行光路设计,能够在一定程度上保持图像放大倍率的一致。远心镜头并非万能,也无法突破光学定律的限制。其景深与放大倍率、光圈及NA值密切相关。即使是景深最大的0.1x远心镜头,其景深也只能达到9.3mm,远远无法满足上述项目的需求。

我们需要考虑其他解决方案。沙姆镜头就是一个值得关注的选项。通过调整镜头和芯片间的沙姆角以及配合合适的拍摄角度,沙姆镜头能够将普通镜头的景深效果提升1/3甚至更高。普通沙姆镜头存在视差问题,无法保证倍率一致。那么,结合远心镜头和沙姆镜头的优势,是否有可能突破这一技术难题呢?这需要我们进一步探索和研究。

综合考量各方面因素,远心镜头在保持倍率一致性方面表现优秀,其景深却难以达到理想状态。沙姆镜头在特定情境下能弥补景深不足,但使用时存在视差问题。市面上虽已有液态镜头方案,通过调整液态镜片的曲率来实现对焦并保持倍率,但高昂的价格使其在成本上处于劣势。

基于当前市场现状,长步道公司精心设计了一款具有卓越性能的特种镜头——超景深电动对焦远心镜头。这款镜头内部集成了先进的超声波马达,使得在镜头位置不变的情况下,物体工作距离变化22mm都能清晰对焦,实现了景深的显著增强。在双远心镜头的基础上实现电动对焦,保证了在景深变化范围内,放大倍率恒定,为精密尺寸测量提供了可能。

超声波马达的精度远超普通步进马达,其最小精度达到0.03°,调焦角度甚至能达到0.001°,极其细微的变化都能被及时捕捉。超声波马达的转速惊人,最快每分钟能转400转,意味着镜头最快1.5秒内就能完成22mm的景深变化。而且,超声波点电机不会出现堵转烧电机的问题,响应速度极快,响应时间小于1ms。控制接口采用通用的RS232接口,镜头光圈F5.6-F22可调节。

这款镜头不仅能应用在锂电卷绕段极耳翻折检测,更能应对高度差异大的物体对焦与精准测量。对于斜面物体,通过多次拍照的图像合成也能实现精准测量。简而言之,任何需要远心镜头功能,同时又需要超大景深或多次对焦的项目,都值考虑使用这款超景深电动对焦远心镜头。它的出色性能与相对亲民的价格,使得其在市场上具有极高的竞争力。我们将电动对焦模组应用到了适用范围更广的常规FA镜头上,这一创新使得原本需要手动操作的对焦过程得以自动化。想象一下,在那些极端环境中,人为操作对焦困难重重,比如高处安装、高温、噪音、粉尘等场景,每次对焦都需要耗费大量的人力和时间。而有了电动对焦镜头,只需通过电脑控制,就能轻松完成对焦操作。

不仅如此,我们还针对一些不规则物体的测量,推出了这款镜头。它可以在一个工位实现多次对焦检测,大大节省了工位资源,简化了视觉系统。对于那些小物件的缺陷检测,比如瓶盖、螺丝等,传统的检测方案可能需要使用多组镜头和相机从不同角度进行拍摄。而我们的360°外壁检测镜头,只需一颗镜头和一颗相机,就能轻松完成拍摄。它通过折反射的原理,将物体的环外侧信息在一张图片上呈现为圆冠状成像。这一创新简化了视觉系统,使得小物件的缺陷外观检测更为便捷。

这款镜头也有其局限性。由于畸变较大,它并不适合进行精确尺寸测量。对于大多数外观检测任务来说,它已经足够出色了。我们的电动对焦模组和360°外壁检测镜头都是为了满足客户的需求而生,我们相信它们将在未来的工业检测领域中发挥重要作用。与之相对应的,还有一款能够捕捉物体内部信息的360°全方位内壁镜头。这款镜头分为左右两款,左侧专为管道等需要深入内部拍摄的场景设计,堪称工业领域的镜头。它能够清晰捕捉那些隐藏在深处的特征和缺陷,丝毫不遗漏。而右侧的镜头则适合在物体上方进行拍摄,其独特的光学结构赋予了它广阔的视角和深远的景深。这款镜头能够全面展现内壁信息,尤其适用于检测圆柱体、孔洞、瓶子以及螺纹等复杂物体的内部结构。无论是深入细微的管道检测,还是展现宽广的物体内部画面,这款镜头都能游刃有余地完成检测任务。外壁镜头的局限性与八棱镜镜头的崭新突破

在检测领域,镜头扮演着至关重要的角色。传统的外壁镜头存在明显的局限性,它主要适用于检测外径30mm以下的小尺寸物体。这无疑限制了检测范围和效率。针对这一难题,长步道推出的八棱镜镜头,为检测领域带来了革命性的变革。

八棱镜镜头如其名,通过八个角度对物体进行拍摄。这一创新设计,使得检测范围得以扩展至5mm至70mm之间,极大地拓宽了应用范围。其中,前端采用的大视野远心镜头,更是这一设计的亮点。通过特殊的折反射光路,它不仅能检测物体的外壁,还能对内壁进行精确拍摄。在物体尺寸和高度适宜的情况下,甚至可以一次拍摄就捕捉到物体内外壁的信息,这无疑极大简化了检测流程,降低了成本。

以高度较高的酒瓶盖为例,传统的360°外壁镜头至少需要两次拍摄才能完全捕捉其外貌特征。而八棱镜镜头的出现,彻底改变了这一局面。它能在一次拍摄中完成整个瓶盖的外壁捕捉,甚至能在合适条件下,捕捉到紧固件的内壁信息。这为检测领域带来了前所未有的便捷和高效。

正因为八棱镜镜头的独特结构,其拍摄的图片无法像传统360°镜头那样进行拉伸合成。但这并不影响其在检测领域的广泛应用和受欢迎程度。八棱镜镜头的推出,无疑为检测行业带来了全新的视角和可能性。

八棱镜镜头的出现,为检测领域带来了前所未有的变革。其高效、精准的拍摄能力,必将为行业带来更大的便利和发展空间。机器视觉检测的新纪元:高分辨率与高光谱成像的未来

随着技术的飞速发展,机器视觉检测领域正呈现出高分辨率、高光谱成像的明显趋势。近期,Sony推出的工作波长覆盖可见光+近红外(400-1700nm)的芯片,无疑为这一领域带来了革命性的变革,同时也对我们的镜头技术提出了更高的要求。为什么之前的普通镜头无法适应这种高端芯片的需求呢?

让我们关注镜头镀膜的问题。传统的镜头镀膜设计主要是为了应对可见光波段或红外光波段,很难做到同时兼顾400-1700nm的宽波段。这一技术难题使得普通镜头在应对如此宽泛的波长范围时显得捉襟见肘。

除此之外,焦点偏移也是一个不容忽视的问题。由于不同波长的光线折射率不同,导致镜头在可见光下对焦清晰,切换到红外光下时可能会出现模糊。若不进行适当的校正,就无法实现共焦,高光谱成像也就无从谈起。

正是这些技术上的挑战,推动了镜头技术的不断创新与升级。为了满足高端芯片的需求,我们必须超越传统的技术边界,研发出更加先进、更加精密的镜头产品。只有这样,我们才能充分利用高端芯片的性能,推动机器视觉检测技术的发展,为未来的智能制造、智能生活等领域提供更加精准、高效的解决方案。

未来,我们期待有更多的技术创新和突破,在机器视觉检测领域实现更加高分辨率、高光谱成像的目标,为智能时代带来更多的可能性。介绍安防监控镜头的卓越性能:如何实现白天可见光成像与夜间红外补光的无缝切换

安防监控镜头,无疑是现代安全监控系统的核心组件。它们如何在白天实现可见光成像,又在夜晚凭借红外补光呈现出清晰的图像?这一切的秘诀,就在于镜头内装的ICR切换器。

ICR内藏有不同的滤光片,包括可见光截止滤光片和红外截止滤光片,它们的厚度经过精心设计。在白天,镜头使用一种厚度的滤光片进行可见光成像,而当夜幕降临,红外光线成为主导时,镜头则切换到另一种厚度的滤光片进行红外光成像。这种巧妙的设计,实现了可见光和近红外双光谱共焦的功能。

为了应对不同的应用场景,我们针对IMX990/991推出了高光谱镜头。这款镜头采用了超低色散玻璃,能够在超宽的波长范围内完全校正焦点偏移,从而达到高光谱共焦的效果。这一系列镜头共有4款,涵盖了12-35mm的不同焦距,满足不同监控场景的需求。

每一款镜头都是科技与艺术的结合,无论是在白天还是夜晚,都能呈现出清晰的图像,为安全监控系统提供强有力的支持。它们的出色性能,为我们的生活增添了更多的安全保障。产品亮点与特色:

一、专为SWIR芯片IMX990/IMX991量身打造

此款产品针对SWIR芯片IMX990/IMX991的特性进行了精心设计,确保了最佳的性能表现。

二、超低色散玻璃技术的应用

采用了超低色散玻璃技术,能够在超宽的波长范围内完全校正焦点偏移,大大提高了检测精度。

三、广泛应用多个领域

该产品广泛应用于工业分选、色差检测、食品检测、医学制药等多个领域,为各种检测任务提供精准可靠的解决方案。

主要应用领域:

1. 粮食异物检测:能够准确识别粮食中的异物,确保食品安全。

2. 食品包装检测:检测食品包装中的缺陷,保障消费者利益。

3. 半导体硅片检测:对半导体硅片的外部和内部缺陷进行精准检测。

4. 材料分选:适用于食品材料、塑料、药品等材料的分选,提高生产效率和产品质量。

无论是针对外部的缺陷还是内部的隐患,该产品在各个应用领域中都能发挥出卓越的性能,为您的检测任务提供强有力的支持。

Copyright © 2016-2025 www.robotxin.com 人工智能机器人网 版权所有 Power by