精华内容
下载资源
问答
  • 梅特勒托利多食品加工中的X射线影像检测系统pdf,梅特勒托利多食品加工中的X射线影像检测系统
  • 益阳影像检测仪销售热线益阳影像检测仪销售热线三坐标丈量机由主机、应用体系、电气(掌握)体系和测头体系构成,如下内容要紧就三坐标丈量机掌握体系举行说明,掌握体系是丈量机的掌握中枢,要紧功效:1、掌握、驱动...

    益阳影像检测仪销售热线

    益阳影像检测仪销售热线三坐标丈量机由主机、应用体系、电气(掌握)体系和测头体系构成,如下内容要紧就三坐标丈量机掌握体系举行说明, 掌握体系是丈量机的掌握中枢,要紧功效:
    1、掌握、驱动丈量机的行动,三轴同步、速率、加快度掌握驾驭盒或电脑指令经历体系掌握单位,根据配置好的速率、加快度,驱动三轴直流伺服电机滚动,并经历光栅和电机的反应电路对运转速率和电机的转速举行掌握,使三轴同步安稳的按指定轨迹行动。行动轨迹有遨游丈量、点定位两种方法,遨游方法丈量服从高,行动时平息少。点定位方法适用指定截面或指定地位的丈量。能够经历语句举行配置。在进来电脑指令指定的触测的探测间隔时,掌握单位会掌握丈量机由地位行动速率转换到探测速率,使测头慢速靠近被测零件。平行度:平行度是显露零件上被测现实因素相关于基准连结等间隔的状态。也即是通常所说的连结平行的水平。平行度小吏是:被测因素的现实偏向,与基准相平行的抱负偏向之间所容许的更改量。也即是图样上所给出的,用以限定被测现实因素偏离平行偏向所容许的更改局限。垂直度:垂直度是显露零件上

    益阳影像检测仪销售热线

    被测因素相关于基准因素,连结切确的90°夹角状态。作为有着三十余年开展经历、跨越欧亚陆地的大型丈量产业团体,AEH爱德华总部位于德国,在中国、德国和法国均设有研发和制造基地。在环球化开展的同时,各研发中间经历技术同盟、资源分享,在为业界提供职业的丈量技术的同时,且可以或许大概针对差别行业需求的客户请求疾速定制合乎其应用的三坐标丈量产物,知足现在生产业加工制造中日益繁杂的丈量请求。

         2、在有触发灯号时收罗数据,对光栅读数举行处分

    当经历驾驭盒或电脑指令掌握行动的丈量机测头传感器与被测零件触碰时,测头传感器(简称“测头”)就会发出被触发的灯号。灯号传送到掌握单位后,登时令丈量机休止行动(测头护卫功效),同时锁存现在的三轴光栅读数。这即是丈量机丈量的一个点的坐标。高效的技术服无非常紧张,如爱德华确立了笼盖天下的丈量技术支撑中间,客户不消跑到爱德华总部就可以或许大约就近办理碰到的丈量疑问。从以上可以或许大约看出,用户在选定三坐标丈量仪工厂时,应答工厂的气力举行充盈调研与剖析,如许才气包管企业可以或许大约以较优惠的费用获得较高的费用。

    益阳影像检测仪销售热线

    三坐标丈量机是一个集机器、控制、电脑、丈量技术为一体的高技术含量产物国内情况趋势基本以代理商为主,购买商家在选择的时候需求验证其代理资格。购买这类品牌,会见临以下问题:1、进口三坐标价格比较昂扬

                                                                                                                      &nb

    益阳影像检测仪销售热线

    sp;                                    

    03ad349104a87b5b0952d637a7dce09d.png

         3、对丈量机兼职状况举行监测(路程掌握、气压、速率、读数、测甲第),采纳护卫错失掌握体系里面设有妨碍诊断功效,对丈量机平常兼职及平安有影响的部位举行检验,当发掘这些有非常征象时,体系就会采纳护卫错失(停机,断驱动电源),同时发出消息关照操纵职员。对称度:度是显露零件上两对称中间因素连结在统一中间平面内的状态。 对称度小吏是:现实因素的对称中间面(或中间线、轴线)对抱负对称平面所容许的更改量。该抱负对称平面是指与基准对称平面(或中间线、轴线)合营的抱负平面。同轴度:同轴度是显露零件上被测轴线相关于基准轴线,连结在统一直线上的状态。也即是通常所说的共轴水平。 同轴度小吏是切当可行的品质管理系统,是当代三坐标企业在情况趋势比赛中一个必不可少的条件。它要求三坐标企业从情况趋势调研、产品开发、购买、工艺

    益阳影像检测仪销售热线

    准备、生产生产

         4、对扫描测头的数据举行处分,并掌握扫描

    融合有扫描功效的丈量机,因为扫描测头收罗的数据量很大,必需有专用的扫描数据处分单位举行处分,并掌握丈量机根据零件外貌样式,连结扫描触碰的方法行动。

         5、与电脑举行种种消息交换

    固然掌握体系自己即是一台电脑,不过没有与外界交互动介面,其里面的数据都要经历与上位电脑的通信举行输入和配置。掌握消息和测点的数据都经历消息传输、交换。交换方法要紧是RS232 接口或网卡。计较机(又称上位机)是数据处分中间,要紧功效:

        1、对掌握体系举行参数配置;上位计较机经历“超等终端”方法,与掌握体系举行通信并完成参数配置等操纵。能够应用专用应用对体系举行调试和检验。要紧内容包含:三坐标丈量机的普通应用清净安操纵、工件的不变、建设与校订、坐标丈量的道理、应用界面、菜单及数据库经管、应用号令模式及内容;丈量操纵要紧包含判断测头、确立坐标系、根基元素手动和主动丈量、组织元素间的干系、形位小吏评定及其相关操纵。2)专项培训(分外应用培训)

    益阳影像检测仪销售热线

    专项培训的要紧是赞助用户控制响应专用丈量模块的应用。执行***战略则是三坐标企业加强品质管理,求得更大经济效益的深刻,它与三坐标企业的品质管理水平、生产技术设备水平、产品的科技含量密切关联

    益阳影像检测仪销售热线

                                     

    06b34ba72b6413ad785a62d17d9e3678.png

        2、举行测头界说和测头校订,及测针半径赔偿;差别的测头建设和差别的测头角度,丈量的坐标数值是不同样的。为使差别建设和差别测头地位丈量的后果都能够或许同一举行计较,丈量应用请求举行丈量前必需举行测头校订,以获取测头建设和测头角度的关联消息。以便在丈量时对每个测点举行测针半径赔偿,并把差别测头角度测点的坐标都转换到“基准”测头地位上。

        3、确立坐标系(零件找正)为丈量的需求,丈量应用以零件的基准确立坐标体系,称零件坐标系。零件坐标系能够凭据需求,举行平移和扭转。为利便丈量,能够确立多个零件坐标系。

        4、对丈量数据举行计较和统计、处分;丈量应用能够凭据需求举行种种投影、组织、拟和计较,也能够或许对零件图纸请求的各项形位小吏举行计较、评估,对各丈量后果应用统计

    益阳影像检测仪销售热线

    应用举行统计。借助种种专用丈量应用能够举行齿轮、曲线、曲面和繁杂零件的扫描等丈量。因为丈量历程需要人工的手动挪动,未免会有些偏差。并且这个偏差与操纵职员的谙练水平有非常大的影响。2.操纵偏差:应用丈量仪器历程中,因安置、疗养、安插、应用技巧过失而变成偏差。3.技巧偏差:因为对三坐标的丈量外貌控制不谙练,导致少许丈量技巧用的不***也大概导致偏差。4.三坐标本人偏差:因为三坐标丈量仪本人及其附件所引入,出于仪器的电气或机器机能不美满所发生的偏差。停止目前,爱德华领有涵盖了机械计划、三坐标丈量仪掌握体系研制、丈量应用开辟、印象丈量开辟等美满的职业研发团队,并在北京、天津、上海、姑苏、宁波、广州、东莞、重庆等多地设立贩卖服无机谈判多家分销同盟同伴,在知足国内三坐标丈量仪情况趋向需求的同时,向东南亚及欧洲等三十多个国度批量出口, 在德国、俄罗斯、土耳其、***、新加坡、韩国等十个国度设立了面向环球贩卖的情况趋向网页,完成了跨越式的开展。

    展开全文
  • MODIS影像检测海州

    2014-12-01 15:21:26
    MODIS影像监测海州湾叶绿素a浓度的研究
  •  目前市面上的影像检测系统大多采用面扫描(Area-scan)的摄影机进行影像的采集及分析, 但是随着产品尺寸的加大(例如:PCB, LCD面板, 晶圆), 在提高产能及精度的要求下, 面扫描摄影机的分辨率及取像速度无法满足这些...

     

     

      机械视觉应用在各种产业的生产制造及品质检测已是行之有年, 利用机械视觉可以提升检测精度或加速生产速度,因此逐渐变成许多生产检测设备必备的一环。

       目前市面上的影像检测系统大多采用面扫描(Area-scan)的摄影机进行影像的采集及分析, 但是随着产品尺寸的加大(例如:PCB, LCD面板, 晶圆), 在提高产能及精度的要求下, 面扫描摄影机的分辨率及取像速度无法满足这些要求的事实开始浮上枱面, 而系统业者也开始意识到线扫描(Line-scan)摄影机的分辨率及取像速度才能满足这些时势所驱的产业需求。

       但是线扫描的检测系统必需利用运动速度才能取得面积影像。这跟面扫描的影像检测系统只要单纯的曝光即可取得面积影像的工作原理是完全不同的。 因此对于许多原本熟知面扫描影像检测系统的设计者而言, 要跨入线扫描影像检测系统除了要了解线扫描系统的工作原理及如何选择主要组件外,最重要也是最基本的是如何得到正确且等比例的线扫描影像。

       线扫描影像检测系统架构及主要组件

      目前线扫描系统架构除了控制的主机系统及机构外, 主要组件分为视觉及运动控制两大主轴。

       视觉主要组件包括:线性扫描(Line-scan)摄影机, 镜头(Lens), 灯源(Lighting), 影像采集卡(Frame Grabber)。

       运动控制的部份则可能包括:马达, 马达驱动器, 运动控制卡或PLC, 有时会搭配传感器(Sensor)或位置比对器作对象到位侦测辅助。

       就控制主机系统来说除了运动控制外, 主要的工作内容在于影像数据的采集及运算, 而这部份已经占据系统绝大部份的资源及运算能力, 就目前市面上的线扫描影像检测系统而言, 许多大型线扫描系统甚至是一台系统机去专门处理一台高解析线扫描摄影机采集的数据量, 以满足客户对整个系统检测运算的时间及精度需求。 当然这只是其中一种应用架构上的规划方式, 在线扫描可以应用的检测范围日益广泛的趋势下, 各种应用对于系统的规划以及主要组件的挑选都会有所差异, 因此笔者针对目前市面上的线扫描主要组件以及如何取到正确且等比例的线扫描影像概略的作了些整理, 提供有兴趣或刚开始接触线性扫描系统的使用者作为参考。

       线扫描摄影机(Line-scan Camera)

       目前市面上的 Line-scan Camera 分辨率从 512, 1024,2048, 4096, 8192,至12288像素(pixels)都有,通常刚开始接触线扫描系统的使用者在挑选 Line-scan Camera 时, 大多只注意到分辨率是否能够符合系统的目标精度需求, 而忽略了Line-scan Camera 本身的接口规格会影响影像采集卡的选择性, 另外Camera的设计特性究竟适不适合系统的需求, Line-scan Camera 的扫描频率(Line-Rate)的计算方式以及为什么有些Line-scan Camera扫描的速度可以提升四倍甚至是八倍? 以下是笔者略作整理的资料

       1. 数据接口

       目前数字工业摄影机及影像采集卡的数据接口标准包括: RS-422, RS-644或称LVDS (Low Voltage Differential Signaling), Channel Link 及Camera Link 这几种。

       (1) RS-422 及RS-644(LVDS) 的接口出现的较早, 由于数据格式的特性讯号的接口接头通常是68pin 或 100pin 的高密度接头, 但因为摄影机厂商定义的讯号接脚不尽相同而影像卡厂商各家的定义也不太一样, 因此在选择好 Camera 及影像卡之后一般也不太会想要轻易去变更(想想看要去接68pin 或 100pin 的讯号线, 换个可能就代表讯号线要重作或要再作个讯号转接板才行)。

       (2) Channel Link 的接口原本是用来作数字平面显示器数据传输的标准(本身讯号格式也是LVDS), 特性在于接口接脚减少了但是仍然可以传输大量的数字数据, 而它其实也就是Camera Link 标准的前身,因此数据格式也就与Camera Link 兼容, 差异在于由于当时并未定义出标准接头形式, 因此各家厂商仍采用不同型式的接头接口, 讯号线仍然必需定制。

       (3) Camera Link 的标准是由数家工业摄影机及影像卡大厂共同制定出来的, 标准的本身是基于Channel Link 的特性, 并定义出标准的接头也就是讯号线也标准化了, 让Camera及影像卡的讯号传输更简单化了, 同时定义出基本架构(Base Configuration), 中阶架构(Medium Configuration), 及完整架构(Full Configuration) 的讯号接脚规范以及传输数据量。

       2. Line-scan Camera 的数据输出形式

       目前的Line-scan Camera 撇开分辨率不谈, 通常Line-scan Camera 本身的数据产生频率都不会大于60MHz, 也许你会怀疑那么为什么有的机种可以到80MHz,160MHz甚至是320MHz呢? 其主要的原理是利用多重输出的方式去加速取像速度,目前市面上一般的 Line-scan Camera 输出方式有单输出(Single Tap), 双输出(Dual Taps), 三输出(Triple Taps), 四输出(Quad Taps)及八输出(Octal Taps) 这几种。

    单输出 (Single Tap)
    通常是在低解析或低速的 Line-scan Camera 上的设计, 它的特性是整个线性CCD的每个光电二极管在感光后即将光转成电荷讯号通过单一输出将数据传递出去。Line Rate = Camera Data Clock / Camera Pixels
    双输出 (Dual Taps) – 奇偶输出
    通常是在高解析或为了提高Line-scan Camera 传输速度的设计, 它的特性是整个线性CCD的每个光电二极管在感光后分成奇数及偶数将光转成电荷讯号分成两组将数据传递出去。Line Rate = (Camera Data Clock / Camera Pixels) x 2要是不小心设定成单输出时的影像, 就会如同右下图所示影像会有垂直的空隙, 影像在放大时便会发现 pixel 跟 pixel 中间的黑色影像,其实数据都是空的。
    双输出 (Dual Taps) – 前后段输出
    设计目的与上面的双输出是大致相同的, 主要差异在于它是将整个线性CCD的每个光电二极管在感光后分成前半段及后半段,将光转成电荷讯号分成两组将数据传递出去。Line Rate = (Camera Data Clock / Camera Pixels) x 2要是不小心设定成单输出时的影像, 就会如同右下图所示影像只有一半, 另一半变成黑色资料都是空的
    三输出 (Triple Taps)
    通常是用在R, G, B 三CCD 的 Line-scan Camera, 棱镜会依据光谱的波长特性(红光波长最长, 再来是绿光, 再来是蓝光)而分别将光线投射至红, 绿, 蓝三组CCD, 而每个CCD 也将会各别将光转成电荷讯号作输出虽然3 CCD各别有独立的 Data Clock, 但是因为必需要R, G, B 的数据组合在一起才会变成线性的彩色影像, 所以实际速度并没有因为每个CCD 有独立的 Data Clock而加快Line Rate = 3 x Camera Data Clock / Camera Pixels / 3
    四输出 (Quad Taps)
    通常是在高解析或为了提高Line-scan Camera 传输速度的设计, 结合了双输出的奇偶输出加上前后段输出的特性分成四组, 让取像速度加快变成四倍Line Rate = (Camera Data Clock / Camera Pixels) x 4
    八输出 (Octal Taps)
    目前这类的设计是出现在超高分辨率(例如:12288pixel)的机种上, 除了分出前后段,而且各分出四组输出, 因此取像速度可以提高成八倍而不会因为分辨率很高而让线周期(Line Period) 拖太长。Line Rate = (Camera Data Clock / Camera Pixels) x 8

      另外市面上还有一种 TDI (Timing Delay Integration) 型式的Line-scan Camera, 大致工作原理如下:

    TDI Line-scan Camera
    它的CCD 结构上较为特殊, 并非是单排的光电二极管而是96排的光电二极管下去一起感光作用, 也就是同样的一次曝光时间下, 它会累积 96排光电二极管的光量去转换成电荷讯号之后再传输出去, 由于累积的亮度较一般Line-scan camera 来得高, 故较适合应用在光线较暗无法提供充足亮度的系统上。但是这种 TDI 的型式十分注重取像频率及运动速度的一致性, 要是运动速度不稳的状况下取像出来会有模糊的情形

       3. Line-scan Camera 的同步及曝光模式

       目前Line-scan Camera 具备了下列内同步及外同步的取像模式。

       Free Run Mode – 通常又称内同步(Synchronization Mode)模式, 摄影机厂商在出厂时都会设定为此模式因此又有人称之为Factory Mode, 这种同步模式是依照Camera 本身内部产生的时序去作曝光取像, 因此这种同步模式运作下影像卡无法主导Camera取像的时间点, 因此影像卡是处于被动接收数据的角色。 而内同步模式取像的曝光模式又可以分为 Edge-controlled Mode 及 Programmable Mode。

    Free Run, Edge-controlled Mode
    曝光时间与线周期时间相等, 由一组内部控制讯号产生一个上升方波作为开始曝光取像讯号, 直到下一条线周期的上升方波讯号进来时便将影像送出
    Free Run, Programmable Mode
    在内部控制讯号产生一个方波, 当方波下降时即开始作曝光取像, 此为缩短曝光时间的模式(一般可以透过Camera 设定工具达成), 但是线周期时间还是维持不变。

       ExSync. Mode – 即是所谓的外同步(External Synchronization Mode)模式, Camera 本身并不会主动产生时序去作曝光取像, 而是通过影像卡传送Reset讯号去通知Camera作曝光取像, 外同步模式取像的曝光模式又可分为Edge-controlled Mode, Level-controlled Mode及Programmable Mode。

    ExSync., Edge-controlled Mode
    由外部送来的讯号作为同步触发讯号, 主要是取上升方波作为开始曝光取像讯号, 由外同步讯号的周期时间决定曝光取像时间及线周期。
    ExSync., Level-controlled Mode
    由外部送来的讯号作为同步触发讯号, 主要是取方波下降时作为开始曝光取像, 但整个线周期时间还是由外同步讯号周期时间决定。
    ExSync., Programmable Mode
    由外部送来的讯号作为同步触发讯号, 但此上升方波仅作为开始曝光的决定讯号, 曝光时间长短可由使用者设定, 同时此设定的曝光时间也决定线周期时间。

       4. Line-scan Camera 的扫描频率计算方式

       Line-scan Camera 的扫描频率的计算方式如下, 主要是Camera 的数据产生频率(Data Clock)及分辨率的对应关系。

       扫描频率(Line Rate) = Camera数据产生频率 / Camera 分辨率
    Ex. Line Rate = 40MHz / 8192 pixels ≒ 4.8KHz (有时厂商订的规格数据会比计算量低, 但还是需以厂商订定为准)

       也就是说这台Camera 最高速度可以每秒取得大约4800条 8192 pixels 的线性影像数据

       线周期(Line Period) = 1/ Line Rate, 也就是上述规格的摄影机每扫描一条线至少需要花费 208us左右。

       5. 如何计算线性扫描(Line-scan)摄影机的可视范围(FOV, Field of View)

       可视范围(FOV) = Pixel cell size x 多少个 pixels x 工作距离 / 镜头焦距(Focal Length)
    Ex. FOV = 10um x 2048pixels x 160mm / 55mm = 59.578mm。

       Line-scan Camera 由于CCD sensor 的制程不一样或分辨率不一样, 因此每颗CCD上的光电二极管(Photodiode) 也就是所谓的每个pixel 的尺寸大小不一定相同, 也就是说就算是同样选择 2048 pixels的Line-scan Camera, 假若 A公司用的 CCD Sensor 的 Pixel cell 的尺寸为 10um, 但 B公司用的 CCD Sensor 的 pixel cell 为 7um, 那么就算是同样的工作距离及同样的 Focal Length 条件下, 两家公司的Camera FOV仍然是不相等。

       影像采集卡的选择

       Line-scan Camera 由于取像数据量大因此多为数字式, 目前影像采集卡主要就是以DSP架构跟非DSP架构两大主流。 DSP架构的影像采集卡一般价格较高,但是通常它在取得影像之后即可通过DSP先行将影像作前处理(例如:白平衡, 转换对照表(LUT, Look-up Table), 滤镜(Filter)处理, 遮光校正(Shading Correction), 甚至是扫描延迟补偿(Scan-delay compensation), 功能依据不同影像卡厂商设计提供而有所差异) 因此较为节省系统的后段计算处理时间。

       至于非DSP架构的影像卡主要以快速取像为主,大多具备DMA (Direct Memory Access) 功能以取得较大的内存避免数据遗失(当然DSP卡大部份也会具备这个功能, 但是DSP卡去执行DMA的动作时影像大多已经过前处理而非原始数据), 之后再以编程方式由CPU去计算处理, 虽然DSP架构可以作影像前处理节省系统时间, 但由于影像卡厂商大多不开放给使用者自行更改, 故在价格及功能弹性上的考虑而言国内市场使用者还是以非DSP架构居多。

       此外, 在选择影像卡时系统取像的最大可能数据量及数据接口也是考虑因素的一部份, 以资料量来说目前市面上的影像采集卡多为32-bit, 33MHz 或 64-bit,66MHz 的PCI bus 接口, 在选择影像卡时必需要先计算取像时的最大可能数据量, 同时必需考虑同一系统上其它控制卡的数据量会占多少频宽, 最常被忽略的就是网络传输端口本身也是占用PCI频宽的一份子, 因此最好保持PCI Bus 频宽的充裕性, 再不然就是选择影像采集卡本身有内建内存的规格以确保不会因为频宽不够而导致数据遗失的状况。

       前面有提到Line-scan Camera 数据接口目前有分RS-422, RS-644(LVDS), Channel Link 及Camera Link 的格式, 基本上RS-422及RS-644(LVDS) 的数据格式完全不一样故影像采集卡也各自独立 ; 但是Channel Link 及Camera Link 的数据格式则完全兼容, 故一般选用Camera Link 规格接口的影像采集卡即可。 如前面提到的 Camera Link 有区分: 基本架构(Base Configuration), 中阶架构(Medium Configuration), 及完整架构(Full Configuration), 每个架构除了传输资料量不同外, 对于可以支持的 Camera Link 摄影机输出模式也有定义如下:

    Bit Rate
    8-bit
    10-bit
    12-bit
    14-bit
    16-bit
    24-bit(RGB)
    30-bit(RGB)
    36-bit(RGB)
    Base
    1~3 taps
    1~2 taps
    1~2 taps
    1 tap
    1 tap
    1 tap
    x
    x
    Medium
    4 taps
    3~4 taps
    3~4 taps
    x
    x
    x
    1*
    1*
    Full
    8 taps
    x
    x
    x
    x
    x
    x
    x

       * 一组讯号, 但需分成两个接头输入

       因此在选择Camera Link 影像卡时需考虑其架构规格是否能支持前端的摄影机输出模式。

       光源的选择

       在选择辅助光源时, 切勿将区域扫描(Area-scan)用的交流电(AC Power)光源在线性扫描(Line-scan)上, 线性扫描应该选用交流电(DC Power)光源作为辅助, 以下是简单的介绍有关摄影机曝光成像时间与光源频率之间的互动关系。

    1. 图4-1所示为一般区域扫描 (Area-scan) 摄影机 (取像速度大约在30fps) 在一般室内日光灯源 (交流电源, 频率为60Hz) 下的示波器取像讯号。日光灯的闪烁频率对这样的摄影机的曝光时间而言, 并不会有太大影响, 使用者仍然可以取得亮度均匀的影像。
    2. 图4-2 所示为将区域扫描摄影机的快门调快, 这也就会造成曝光时间变短, 这时候摄影机明显受到日光灯的闪烁频率所影响, 在光线闪烁的亮暗之间取像出来的影像也会出现忽明忽暗的情形。
    3. 线性扫描的曝光时间通常都是在Micro-second 等级, 因此假若是使用日光灯源用在线性扫描摄影机上, 那么呈现出来的影像就会如同图4-3的影像一样, 会出现周期性的亮暗不均影像。

       除了交流电的光源闪烁频率问题外, 另外光源的选择及使用上还有下列几点注意事项:

       1. 光源的色温 – 只要是彩色取像对色纯度有绝对的要求时, 那么不论是Area-scan 还是Line-scan 的摄影机在选择灯源上都应选用白光, 偏黄或偏其它颜色的光源都会导致色偏的问题。 另外表面易有反射的待测物体应使用波长较长的偏红光源或冷光灯源, 波长较短的白光(例如:同轴落射光源或金属灯源)易让反射问题更严重。

       2. 光源的均匀度 – Line-scan Camera故名思义它的感光区域只有在那细细的一条CCD区域上, 因此较适合使用线性灯源例如:高周波荧光灯管或加光纤导管的线性灯源(建议在线性导光管前面加上聚光镜, 可以强化光的强度避免光线散开同时可以延长灯源的寿命), 至于Area-scan 常会使用的LED灯源通常会作一些外缘形状的排列(例如:环形或矩形), 同时当排列角度及安装位置或距离不一样时, LED所交错出来的光源强度及位置也会有所不同, 因此不建议使用在Line-scan Camera 取像辅助。

       3. 灯源的生命周期 – 一般的灯泡或灯管都会有生命周期从数千小时到上万小时的都有, 在使用上要注意何时应更换灯泡或灯管, 依据特性不一样例如:卤素灯源在生命周期的末期是亮度渐渐变暗, 但是有些金属灯源例如:金属卤素(Metal Halid)或氙气(Xenon)灯泡到生命周期末则可能是突然完全不亮, 因此在选择及使用上时都应注意灯源的生命周期以避免影响系统的取像运作。

       4. 光源的架设位置 – 线扫描的光源架设位置主要是以Line-scan Camera 的CCD可以感光的区域为主, 但是依据待测物体的材质特性则架设位置也会有所不同, 例如:透明的玻璃或压克力材质其光源可采用背光位置, 至于不透明材质则可以由上或侧边投射光源, 但最好在设计机构时注意一下灯源的投射角度及范围是否提供CCD足够且均匀的光线。

       镜头的选择

       一般在选择镜头时可以看到镜头规格标示例如: 55mm/f2.8, 前面的55mm 即代表了焦距(Focal Length), 而后面的f2.8则代表最大光圈(Maximum Aperture, 数字越小入光量越大), 焦距长就代表景深越深(可以看的范围也会加大)但同时入光量也会越小, 所以必需尽量选择入光量较大的规格为佳。

        目前市面上的镜头以C-Mount 及CS-Mount 接环规格的镜头种类及规格型式最齐全, 因为大多数从监控保全摄影机到工业级模拟摄影机大多设计这两种接环规格 (C-Mount跟CS-Mount的差异在于背焦距离不一样, 背焦距离是由CCD Sensor表面至镜头接环口平面之间的距离, C-Mount的背焦距离是12.52mm, CS-Mount则是17.52mm), 但是就Line-scan Camera 而言通常只要分辨率大于2048pixels(含)以上, 摄影机厂商便会将接环设计成F-Mount (背焦距离为12mm), 主要的原因在于C-Mount 跟CS-Mount 的接环内径大约只有26mm, 而接环内径再扣掉镜头的外壳实际入光的内径范围顶多20mm, 再加上光线进入到变焦镜头时CCD通常以中心地区的感光最好外缘感光最差, 有些2048pixels的摄影机虽然提供C-Mount接环让使用者更容易选购镜头, 但取像后外缘影像亮度通常会比较暗造成影像亮度不均的情形, 因此对于2048pixels以上的 Line-scan Camera 来说采用F-Mount (接环内径约43mm) 镜头较佳, 但 F-mount 规格的镜头多设计用于单眼摄影像机用途, 故规格不如C-Mount 及CS-Mount 镜头来得多样化同时价格上较高。

       另外像超高分辨率例如:8196pixels或12288pixels 的 Line-scan camera 通常除了特制接环的镜头规格外, 部份厂商仍以提供F-Mount 规格但提供软件的遮光校正(Shading Correction)功能去解决影像亮度外缘不均的问题。

       运动控制的种类与特性

       PLC vs. PC Based

       运动控制以PLC起源较早, 而PC-based 的运动控制是近十年的趋势, 但是早期使用惯PLC的系统设计者很难快速的由PLC转移到 PC-based 上, 主要的原因是硬件的控制架构及编程的逻辑与接口几乎是完全不同, 因此至今PLC仍维持一定的使用族群及市占率。 但就实务面上而言, 建立一套线性扫描的影像系统它的运动控制究竟是PC-based 还是PLC较为合适, 以下讯息可以提供作为参考。

       PLC 架构本身是透串行讯号(RS-232或RS-485)下达运动速度位置等指令, 这种架构在作Area-scan 的影像系统搭配上问题不大, 但是一旦应用在Line-scan 的影像系统时, 由于 Line-scan 对于每条 Line 的触发取像位置要求十分高, 再加上Encoder上的讯号都为相位讯号(AB phase)无法直接用来作触发讯号, 因此需要使用桥接接口的转换后再将讯号送给影像处理平台, 常见有下列几种方式。

       1. 外加一台计算机上面加一片位置比对卡接收Encoder的讯号加以编译

       2. 在Encoder外面再加一组转换模块转成TTL或LVDS讯号

       3. 外挂一台位置比对器(价格贵, 少见) 或光学尺

       4. 或其它桥接模式

       尽管有上述的方式可以去作到位置比对, 但是毕竟是透过桥接而取得, 因此遇到高速取像时讯号遗失的机会便非常高。

       PC-based 架构是利用运动控制卡送出指令脉冲(Command Pulse)去下达位置及速度, 并通过Encoder传回马达的反馈脉冲(Feedback Pulse), 同时可以在行进过程中进行位置比对功能(部份运动控制卡并不具备这类功能), 并且在到位之后送出TTL或LVDS的到位讯号作为外同步偶触发或连续触发讯号去触发Line-scan Camera 取像, 由于无需经过桥接接口的转换因此可让Line-scan的每条Line的触发取像同步且正确。

       皮带/线性滑轨/滚珠螺杆

       另外在运动控制机台的选择上, 目前常见的有皮带, 线性滑轨及滚珠螺杆这几种基本形式或龙门式综合使用。

       皮带 – 不建议使用在Line-scan 的取像主轴上, 因为通常皮带Key的间距对Line-scan 而言不够精细且容易有跳格的情形。

       线性滑轨 –在极速运动下或保养不好的状况下容易有失步的情形。

       滚珠螺杆 – 有单向背隙(Backlash)的问题, 但由于每支滚珠螺杆的背隙通常是固定的(大部份制造厂商会附上背隙规格数据), 因此是属于可计算补偿且不致于影响Line-scan 的位置比对及触发取像。

       光学尺的主要作用

       一般而言是可以透过位置比对得到马达目前的运行位置, 但是任何一组运动控制机台, 在经过长时间的运行及磨损下难免会产生机构上的变形误差, 因此不论是Area-scan 或 Line-scan 的系统平台, 通常只要是系统要求绝对的精度跟重现性时, 建议最好在上面加一个光学尺以增加精确度。

       如何得到等比例的线扫描影像

       在对线性扫描影像组件有了概念之后, 接下来要介绍的是实务面上的部份。由于Line-scan Camera 每次感光成像都是只有一条线的FOV, 因此必需要透过运动速度下的连续取像才会形成面积影像, 也就是说每套线性扫描影像系统它至少是含一轴以上的运动控制才能取像运作。 但是并不是有连续的运动就可以取到正确的影像, 通常运动速度要是跟取像频率不一致时则取像出来的结果不是变形再不然就是有些线段数据根本没扫描到而造成数据遗失, 因此如何取得正确而且等比例的线性扫描影像, 笔者在此提供包括基础测试及整合测试的参考要点。

       基础测试

       1. 马达运动控制

       PC-based的系统大多通过运动控制卡去跟马达驱动器进行沟通进而让马达运转至目标位置, 因此在运动控制的基本动作上首要确认运动控制卡所发出的指令脉冲(Command Pulse)必需要跟编码器(Encoder)的回馈脉冲(Feedback Pulse)调整一致, 再来便是确认每送出一个 Command Pulse 时实际移动多少距离。

       实作测试 -

       a. 先确定Command Pulse = Feedback Pulse

       b. 送出Command Pulse 之后再量测实际的移动距离, 例如:送出 Command Pulse =10,000 实际移动距离为10mm时, 则代表1Pulse = 1um, 有了这个数据对于后面的Line-scan 触发位置就较为准确。

       2. Line-scan Camera取像测试

       由于Line-scan Camera 并不像 Area-scan Camera 有较大的感光面积, 因此第一次使用 Line-scan Camera 的使用者都会对于几乎看不到光影成像(特别是把镜头装上去之后)而感到困惑, 进而怀疑到底是 Line-scan Camera 没设定好还是坏掉了, 有时甚至怀疑是不是影像卡的问题, 以下是几个简单的检查方法。

       a. 将Line-scan Camera 接至影像采集卡, 利用 Line-scan Camera 厂商提供的设定工具程序 (一般都可以从厂商的网站上下载), 先确定Camera 设为内同步模式之后再利用影像采集卡的取像工具程序(必需要设定选择该款Camera 的设定档案)先试取像, 取像时可以不用装镜头而直接将Line-scan Camera 的CCD Sensor 直接面对灯光, 正常取到像时可以看到光线的反应。

       b. 另一种方式是利用Line-scan Camera 内建的测试影像(Test Image, 或有的称之为Test pattern) 去测试, 首先必需要使用Camera的设定工具程序将输出模式改设定为输出Test Pattern, 则正常状况下影像采集卡那端就会接收到Test Pattern 的影像。

       c. 当上述方法皆取不到影像且影像卡的取像工具程序显示没有讯号输入时, 则有下列几种可能Camera 接到影像卡的连接端口设定错误, 例如明明接到B接头却设定成A接头

       Line-scan Camera 电源没接

       Camera 的讯号线有问题, 请换条线试试

       最糟的状况 – Camera 有问题需要换另外一台试试

       d. 当然影像卡坏掉的状况也不无可能, 但最好是先到系统的硬件管理员下先查看是否是驱动程序没装好,或者是驱动有装了但是还是认不到卡, 要是连卡都认不到时请换个PCI插槽或计算机试试, 要是还是认不到卡那么就赶快送修。

       整合测试

       1. Line-scan Camera 与灯源搭配之取像

      在确定Line-scan Camera 跟影像卡的取像功能正常之后, 接下来的动作则是要把Line-scan Camera 架起来至机台的预定工作距离的位置, 之后把辅助灯源架上去(建议机构设计上预留可以调整位置及角度的弹性), 确定光源的投射位置可以让Line-scan Camera 的CCD Sensor 感光(注意: 线性灯源的方向性应与Linear CCD 呈水平), 然后放一张白色纸张在待测区再作一次取像测试, 这个动作主要是要先确定光源的架设位置及角度是否正确, 白色纸张可以辅助确认光源的均匀度。

      关于Camera 的架设位置, 有些系统设计者会考虑让待测体固定位置不动, 反而让Line-scan Camera 固定在可以运动的轴承或机械手臂上, 关于这点笔者建议最好还是Camera 固定不动由待测体移动位置去作成像检测, 主要的原因在于当Camera 处于运动的状态下, 其加减速的震动可能会让取出来的影像模糊失焦。

      2. 马达运动与摄影机取像之频率

      确定Line-scan Camera 跟灯源的架设位置可以取到均匀的影像后, 接下来即可开始结合运动控制测试连续取像, 这个动作最重要的部份在于而确定Line-scan 的Line Rate跟运动速度之间的关系, 过快或过慢的运动速度都会造成取出来的影像变形, 因此要确定最佳移动速度才可以得到不变形的影像, 如何知道该下多少Command Pulse 是最佳移动速度可透过以下的公式计算出来。

      公式1 – 运动速度(Moving Speed) = 像素尺寸(Pixel Cell Size) / 线周期(Line Period)

      公式2 – 最佳移动速度(Command Pulse of Velocity) = 单位pulse移动距离 x Moving Speed

      假设BASLER L101k-2K Camera 的分辨率2048pixels 且Line Rate 为 9.42KHz, 每个pixel cell 的尺寸为10um。

      Line Period = 1/9.42KHz ≒ 106.2us

      则Moving Speed = 10um / 106.2us ≒ 9416.19um/s

      假设送出Command Pulse = 10,000实际移动距离为10mm时, 则代表1Pulse = 1um
    那么最佳移动速度 = 1um x 9416.19um/s ≒ 9,416pps

      最佳移动速度取像 过快移动速度取像 过快移动速度取像
      

    最佳移动速度取像
    过快移动速度取像
    过快移动速度取像

      最佳移动速度取像 过快移动速度取像 过快移动速度取像

      3. 外部触发(External Trigger)同步取像

      当然上述的运动速度数据有小数点上的差距争议, 因此就实际Line-scan 取像上还需搭配正确的位置比对作外部触发取像, 才可以达到等比例的影像, 外部触发的讯号目前主要有分为 TTL 及LVDS, 而外部触发的讯号多是来自Encoder 的到位讯号, 因此针对补偿些微差距的问题, 部份影像卡厂商会提供取像转换比例 (Rate Conversion Ratio) 功能, 提供使用者去设定Line Pitch 跟 Encoder Pitch 之间的比例对应进而达到补偿的目的。

      一般影像卡的触发取像模式包括硬件触发(Hardware Trigger), 软件触发(Software Trigger)及联合触发(Combine Trigger)三种模式, 硬件触发主要是将 Encoder 的实际到位讯号以TTL或LVDS的形式将讯号接至影像卡的触发接点去触发Camera 取像(注意: 部份影像卡接收触发的接点本身并没有作绝缘保护, 因此需要先将Encoder 到位讯号接到光耦合器(Photo Couple) 再从光耦合器接至影像卡的触发接点, 否则很容易把影像卡给烧坏掉), 而软件触发则是利用程序计算或条件式去触发取像, 联合触发则是结合硬件触发及软件触发的模式然后依据系统设计的执行需求去取决触发取像的时间点, 但是以Line-scan取像的特性而言笔者还是比较建议使用硬件触发较为准确。

      Line-scan 影像卡的取像模式分为WEB及PAGE两种, 通常Line-scan 取像可以确定水平的FOV, 假若已知待测体面积的情况下(大概可以计算扫描完一个大概是多少条Lines时) 便可使用PAGE模式取像, 但是假若无法预知待测体的尺寸面积情况下(例如:纺织品, 纸张, 胶卷/底片)则需使用WEB模式取像。

      触发取像是可以决定究竟是要使用连续触发取像(Trigger per Line),或者是要片段触发取像(Trigger per Page), 例如:每500条Lines送出一次Trigger, 每次Trigger连续抓500条Lines的数据, 然后先组成片段影像进行影像处理。

      连续触发取像 – 这种触发取像需求只能使用硬件触发的方式, 一定要把Encoder实际的到位讯号接至影像卡的触发接点才行, 另外连续触发取像还有一些限制, 例如: 当马达Encoder的分辨率不够, 或者运动控制卡送出Trigger频率不够快,或者影像卡本身接收触发的频率不够快时, 那么即使Camera 规格可以作超高频率取像(部份高速Camera取像频率每秒超过7万条Lines), 但是系统运行起来仍会因为其中某项规格无法满足而被迫降低取像频率, 因此假若系统一定要用连续触发取像时, 则在高速取像的规格搭配上还是必需注意这点。

      片段触发取像 – 这种触发取像需求对于运动速度及取像频率之间的要求度非常高, 取像的速度一定要一致才行(注意:千万别在运动加速段或减速段送出Trigger, 这会造成取到的影像变形)。

      透过上述的整合测试可以让Line-scan系统作正常的取像运行, 但是就实务上的系统检测而言系统的校调(Calibration)还是绝对必需的。 而系统的校调是可以透过一些辅助工具去达成, 但是要重现最佳的检测精度还是必需靠系统设计者的重复验证去决定最佳的校调顺序与方法。

      结语

      目前许多高科技产业的生命周期, 不外乎从先期开发制造到量产技术转移而后最终到薄利代工的成本导向, 而不论哪个周期对于检测设备的需求总是会不断的出现, 而且值得欣慰的是虽然目前并没有革命性的高科技产业是由国内业者自行作先期开发制造, 但是至少那些技术领先的国家在作量产技术转移的规划时第一个会想到可以承接的就是台湾, 因此国内的检测设备业者在这部份便有一些得天独厚的环境, 可以率先取得这些台湾承接量产技术厂商的生产检测设备需求, 但是有商机跟需求存在的同时, 提升检测系统的技术与规格与产业能够接轨也是设备业者不可怠懈的课题。此篇文章对于已开发线扫描的系统业者而言或许仍有许多不够深入的地方, 但是希望对于有意想跨入线扫描系统但却完全没经验的系统设计者而言能有所帮助。

    展开全文
  • 为了提升出厂产品良率,各类精密元件需要全检外观和尺寸,传统的人工检测逐渐被自动光学检测筛选设备取代,提高生产效率和检测精度。而最常使用的是光学检测筛选机,用来区分工件的良品和不良品,以及产线多相机检测...

    为了提升出厂产品良率,各类精密元件需要全检外观和尺寸,传统的人工检测逐渐被自动光学检测筛选设备取代,提高生产效率和检测精度。而最常使用的是光学检测筛选机,用来区分工件的良品和不良品,以及产线多相机检测,将部品依检测结果作等级的分类。

    以往若以PLC-based架构来建置光学检测筛选系统,不仅较为复杂,成本相对昂贵,且检测速度较慢。使用PC-based的架构,研华多通道光学检测分选卡PCI-1274,高达60,000pcs/min的触发频率,整合实时(Real-time)运动控制及多颗相机连接,大幅提升检测速度。

    研华解决方案

    研华推出的PC-based光学检测筛选解决方案,具有三大特点功能运动控制、位置锁存与位置触发,精准整合运动控制及高速IO,连接马达、相机及感测器,于底层进行实时(Real-time)的位置锁存与触发。

    光学筛选检测机包含振动盘、圆形转盘、感测器、相机。感测器与各相机的距离为固定的偏移量(Offset),工件经由振动盘送至转盘上,经过相机对六个表面进行外观检查,检查项目包括裂痕、缺陷、破损、剥离、异物、变色及尺寸测量等。

    经过多支相机检测出的不合格工件通过喷嘴,将不良品从转盘上剔除。工件经过感测器后,板卡会锁存当下位置,加上对应的偏移量(Offset 1~6)值后,填入板卡对应各相机的位置比较触发表,当工件经过相机时,板卡就会触发相机取像,传回电脑做视觉检测,根据6支相机的检测结果,将工件加以分类。

    fa60a6a6dfcf9f0926e02859d1f73c64.png

    研华多通道光学检测分选卡PCI-1274,也适用于产线多相机的检测与分类

    产线上的检测包含输送带、感测器、相机、吸盘。产品在皮带上会滑动,故相机和吸嘴前,均有感测器做位置锁存,各感测器与各相机及吸盘对应的距离为固定的偏移量(Offset),产品经过产线时,会经由不同的相机进行检测,进而对产品做出分类(Bin)。

    产品经过感测器时,板卡锁存当下位置,加上临近相机或吸嘴的偏移量(Offset)后,填入对应的位置比较触发。当前段产品经过相机时,板卡就会触发相机取像,相机会通过图像采集卡将图片传回电脑做视觉检测,后段根据6支相机的检测结果,触发吸盘,将工件进行分类。

    50a051d1d39660bbe9e4ab43daa7c1e3.png

    产品说明

    研华多通道光学检测分选卡PCI-1274:

    单卡整合运动控制、多通道位置锁存及触发,无需实时作业系统(RTOS);

    (PC+卡)取代传统(PC+PLC)的组合,大幅降低成本;

    最高达60,000 pcs/min的触发频率

    7d7d5cf53752634a037cb85bcca46650.png
    展开全文
  • 遥感影像变化检测方法遥感影像变化检测方法遥感影像变化检测方法
  • 遥感影像变化检测

    2020-05-05 16:03:31
    该代码实现了遥感影像的变化检测功能,另外也附上了适用图片供各位进行测试。 该代码实现了遥感影像的变化检测功能,另外也附上了适用图片供各位进行测试。
  • 提出了基于改进的深度学习全卷积神经网络的资源三号遥感影像云检测方法。将预训练后的深层卷积神经网络全...实验结果表明,该方法检测精度和速度均优于传统方法,准确率可达90.11%,单张影像检测耗时可缩短至0.46 s。
  • 一种高分辨率遥感影像的车辆检测方法,有详细的步骤讲解
  • 为充分利用FY-3-VIRR(风云三号可见光红外扫描辐射计)VIRR各个波段的影像,提高VIRR云检测效果,提出基于像元晴朗置信水平的云检测算法。对VIRR多光谱遥感影像进行图像增强,包括NDVI,RVI,NDWI等,并对水像元进行提取,...
  • 变化检测 遥感影像

    2009-04-20 22:43:18
    遥感变化检测 实现两张影像的前后变化检测
  • 多时相影像动态检测技术
  • 遥感多时相影像动态检测
  • 基于遥感影像的地物变化检测一直是土地利用、资源普查等方面的研究热点与重点。本文基于Landsat TM影像,以某地区两期不同地区的影像为研究区域,基于主成分变换设计了一种有效的快速变化检测方法。首先,本文提取...
  • 一种遥感影像核变化检测方法
  • 航空影像水域的自动检测方法,潘俊,王密,为了在航空影像色彩一致性处理时排除水域的影响,提出了一种基于纹理信息的水域自动检测方法。该方法借鉴了超分辨影像重建的思想
  • 影像视觉检测系统技术指南,是一本难得的内部培训教材,用于讲授计算机视觉(机器视觉)的基本原理,它是图像处理技术在工业领域的应用,是所有机器人的眼睛,在各类表面检测行业,如农产品,木材,瓷砖,食品,纺织...
  • SAR影像舰船目标检测

    2017-08-03 14:08:16
    针对以离散余弦变换为核心的人类视觉模型舰船检测算法受数据类型限制的问题(即 对复数类型的数据检测效果不好),该文提出了一种改进的人类视觉模型 SAR 图像舰船检测算法。该算法是以快速傅里叶变换代替离散余弦...
  • 文章目录遥感影像中变化检测数据集1. S2MTCP2. Hi-UCD3. SECOND4. CD_Data_GZ5. LEVIR-CD6. LEVIR-CD+7.SLADCD8. HRSCD9. Mts-WH10. WHU Building Change detection Dataset11. Synthetic images and read season-...

    遥感影像中变化检测数据集

    1. S2MTCP

    该数据集包含N = 1520个Sentinel-2 1C级图像对,这些图像对来源于世界各地的城市地区。
    空间分辨率小于10 m的波段将重新采样到10 m,并且图像将被裁剪为大约600x600像素。
    由于某些坐标位于Sentinel拼贴的边缘附近,因此某些图像的尺寸小于600x600像素,然后将图像裁剪到拼贴的边框。
    不执行几何或辐射校正。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3cwTwSCp-1613815876484)(pic/image-20210219114207157.png)]

    地址:https://zenodo.org/record/4280482#.YCzfITOLTax

    2. Hi-UCD

    Hi-UCD专注于城市变化,并使用超高分辨率图像构建多时态语义变化以实现精细的变化检测。 Hi-UCD的研究区域是爱沙尼亚首都塔林的一部分,面积30平方公里。 2017-2018年有359对图像,2018-2019年有386对,2017-2019年有548对,包括图像,语义图和不同时间的更改图。 每个图像的大小为1024 x 1024,空间分辨率为0.1 m。 有9种物体,包括自然物体(水,草地,林地,光秃秃的土地),人造物体(建筑物,温室,道路,桥梁)和其他(与变化有关)的物体,基本上包括爱沙尼亚的所有类型的城市土地覆盖 。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oxAMhNrv-1613815876486)(pic/image-20210218205510944.png)]在这里插入图片描述

    地址:https://arxiv.org/abs/2011.03247

    3. SECOND

    SECOND是一个语义变化检测数据集,它从多个平台和传感器收集了4662对航空图像。 这些图像对分布在杭州,成都和上海等城市。 每个图像的尺寸为512 x 512,并在像素级别进行注释。 第二个重点是6种主要的土地覆盖类别,即非植被地表,树木,低植被,水,建筑物和游乐场,它们经常涉及自然和人为的地理变化。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-abXyY4bw-1613815876488)(pic/data_samples.png)]

    地址:http://www.captain-whu.com/PROJECT/SCD/

    百度云:https://pan.baidu.com/s/1FSdlPB_EPk8SUAJZFcem9A
    提取码:RSAI

    4. CD_Data_GZ

    这些图像是在2006年至2019年期间采集的,覆盖了中国广州市的郊区。 为了促进图像对的生成,采用了BIGEMAP软件的Google Earth服务来收集19个随季节变化的VHR图像对,这些图像对具有红色,绿色和蓝色三个波段,空间分辨率为0.55 m,尺寸范围为1006×1168 像素到4936×5224像素。
    在这里插入图片描述

    地址:https://github.com/daifeng2016/Change-Detection-Dataset-for-High-Resolution-Satellite-Imagery

    百度云:https://pan.baidu.com/s/1WxkJYsQwCxgT6RzNNAl9nw
    提取码:RSAI

    5. LEVIR-CD

    LEVIR-CD包含637个超高分辨率(VHR,0.5m /像素)的Google Earth图像补丁对,大小为1024×1024像素。 这些时间跨度为5到14年的比特影像具有重大的土地利用变化,尤其是建筑的增长。 LEVIR-CD涵盖各种类型的建筑物,例如别墅,高层公寓,小型车库和大型仓库。 完整注释的LEVIR-CD总共包含31,333个单独的变更构建实例。
    在这里插入图片描述

    地址:https://justchenhao.github.io/LEVIR/

    百度云:链接:https://pan.baidu.com/s/1HlnKWToc00986jiTxhq_CA
    提取码:RSAI

    6. LEVIR-CD+

    LEVIR-CD+数据集是大规模建筑变化检测数据集,是在现有公开数据集LEVIR-CD的基础上构建的。LEVIR-CD+一共包含1970个样本,其中985个样本作为训练,后985个样本用于测试。每个样本包含前时向遥感图像,后时相遥感图像以及对应的建筑变化标签图。本数据集中的遥感图像大小为1024 X 1024,像元分辨率为0.5米。标签图与图像等大,像素值为0或255,其中0代表没有建筑变化,255代表存在建筑变化。本数据集中变化的建筑实例数量大致为80000个。

    LEVIR-CD+与LEVIR-CD的关系:LEVIR-CD中包含的637对样本数据作为LEVIR-CD+训练集的一部分。有关LEVIR-CD数据集更详尽的介绍请查看https://justchenhao.github.io/LEVIR/

    地址:http://rs.ia.ac.cn/cp/portal/dataDetail?name=LEVIR-CD%2B

    7.SLADCD

    Side Looking, All Daytime Change Detection (SLADCD) 数据集是大规模的建筑变化检测数据集。图像分辨率为0.5~1米。本数据集预计包含2万个样本,发布其中1万个训练和验证集样本(当前发布767对样本),保留1万个样本用于在线测评。

    每个样本包含前时向遥感图像,后时相遥感图像以及对应的建筑变化标签图。本数据集中的遥感图像大小为1024 X 1024,配对切片中成像时间间隔为1年以上,前后时相已进行精细化配准,并制作了对应的标签图像。

    标签图与图像等大,标签图像中为人工精细标注的前后时相中新建或拆除的建筑物轮廓。像素值为0或255,其中0代表没有建筑变化,255代表存在建筑变化。公开数据集中共包含超过8万个有变化的建筑实例,可用于变化检测深度学习方法的开发和验证。

    SLADCD与LEVIR-CD+的关系:相比于LEVIR-CD+数据集关注城市建筑区域,SLADCD包含的更多农田、森林和荒漠地区;更为重要的是,SLADCD中图像为卫星侧视成像,导致图像配准精度的降低,增加了建筑物匹配的难度。SLADCD数据集对算法在复杂地物目标和成像条件下的鲁棒性有更高的要求,但也更增加了算法的实用价值。

    值得指出的是,SLADCD数据集可用于侧视遥感图像的精细配准问题研究。

    在这里插入图片描述

    地址:http://rs.ia.ac.cn/cp/portal/dataDetail?name=SLADCD

    8. HRSCD

    该数据集包含来自IGS的BD ORTHO数据库的291个RGB航空图像的注册图像对。 提供了像素级更改和土地覆盖注释,这些注释是通过对Urban Atlas 2006,Urban Atlas 2012和Urban Atlas Change 2006-2012地图进行栅格化生成的。

    在这里插入图片描述

    地址:https://ieee-dataport.org/open-access/hrscd-high-resolution-semantic-change-detection-dataset#files

    9. Mts-WH

    Multi-temp Scene Wuhan(MtS-WH) 数据集主要用于进行场景变化检测的方法理论研究与验证。场景变化检测就是在场景语义的层次上,对一定范围区域的土地利用属性变化情况进行检测和分析。

    本数据集主要包括两张由IKONOS传感器获得的,大小为7200 x 6000的大尺寸高分辨率遥感影像。覆盖范围为中国武汉市汉阳区。影像分别获取于2002年2月和2009年6月,经过GS算法融合,分辨率为1m,包含4个波段(蓝,绿,红和近红外波段)。

    整个数据集的训练样本和测试样本都是在大尺度高分辨率遥感影像中选取产生的。每个时相训练集包括190张影像,测试集包括1920张影像。训练集和测试集的场景图片共划分为以下几个类别:

    1-parking 停车场 2-water 水体
    3-sparse houses 稀疏房屋 4-dense houses 稠密房屋
    5-residential region 居民区 6-idle region 空置地
    7-vegetation region 农田 8-industrial region 工业区
    0-undefined 未定义区域(不使用)

    在这里插入图片描述

    地址:http://sigma.whu.edu.cn/newspage.php?q=2019_03_26

    10. WHU Building Change detection Dataset

    数据集包含两个航拍图像(0.2m /像素,15354×32507),并提供了这两个航拍图像的变化矢量,变化栅格图以及两个相应的建筑物矢量。

    在这里插入图片描述

    地址:https://study.rsgis.whu.edu.cn/pages/download/building_dataset.html

    11. Synthetic images and read season-varying remote sensing images

    该数据集具有三种类型:没有对象相对偏移的合成图像,对象相对偏移较小的合成图像,随季节变化的真实遥感图像(由Google Earth获得)。 真实季节变化的遥感图像具有16000个图像集,图像尺寸为256x256像素(10000个训练集以及3000个测试和验证集),空间分辨率为3至100 cm / px

    在这里插入图片描述

    地址:https://www.int-arch-photogramm-remote-sens-spatial-inf-sci.net/XLII-2/565/2018/isprs-archives-XLII-2-565-2018.pdf

    https://drive.google.com/uc?id=1GX656JqqOyBi_Ef0w65kDGVto-nHrNs9&export=download

    百度云:链接:https://pan.baidu.com/s/1fQGYoLXjqKhb5EW2a5lpCg
    提取码:RSAI

    12. OSCD

    数据集解决了检测不同日期的卫星图像之间变化的问题。 它包含2015年至2018年之间从Sentinel-2卫星拍摄的24对多光谱图像。在世界各地(巴西,美国,欧洲,中东和亚洲)都选择了位置。 对于每个位置,均提供了Sentinel-2卫星获得的13对波段的多光谱卫星图像对。
    在这里插入图片描述

    地址:https://ieee-dataport.org/open-access/oscd-onera-satellite-change-detection#files

    13. AICD Dataset

    该数据集包含合成的航空图像,其中包含使用渲染引擎生成的人工更改。 它包含1000对800x600图像,每对包括一个参考图像和一个测试图像,以及1000个对应的800x600地面真值。

    在这里插入图片描述

    地址:https://computervisiononline.com/dataset/1105138664

    百度云:https://pan.baidu.com/s/1ojXiE-JDiRy8Q91mTAXC5g
    提取码:RSAI

    14. SZTAKI

    该数据集包含13对大小为952x640像素的航拍图像,空间分辨率为1.5m。变化内容包含(a)新建城区(b)建筑施工(c)种植大批树木(d)新的耕地(e)重建前的基础工作。 请注意,ground truth不包含变化分类,仅为每个像素标注 变化/不变化 标签。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZFY7fQhn-1613815876509)(pic/image-20210217224654906.png)]

    地址:http://web.eee.sztaki.hu/remotesensing/airchange_benchmark.html

    百度云:https://pan.baidu.com/s/1J843se8bkSTcL81Porc0Kg
    提取码:RSAI

    15. Hyperspectral Change Detection Dataset

    该数据集可用于在多时间高光谱图像中执行变化检测技术。 它包括来自AVIRIS传感器的两个不同的高光谱场景:圣塔芭芭拉场景,拍摄于2013年和2014年,使用AVIRIS传感器在圣塔芭芭拉地区(加利福尼亚州)上拍摄,其空间尺寸为984 x 740像素,包括224个光谱带。 湾区场景,拍摄于2013年和2015年,AVIRIS传感器围绕帕特森市(加利福尼亚州)拍摄,其空间尺寸为600 x 500像素,包括224个光谱带。 它还包括来自HYPERION传感器的高光谱场景:Hermiston城市场景,使用HYPERION传感器于2004年和2007年在Hermiston City地区(俄勒冈州)上拍摄,其空间尺寸为390 x 200像素,包括242个光谱带。 在此场景中,确定了与作物过渡有关的5种变化类型。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bY05dyaT-1613815876511)(pic/v2-309a83094b6367285e9c09ca6a228061_720w.jpg)]

    地址:https://citius.usc.es/investigacion/datasets/hyperspectral-change-detection-dataset

    百度云:https://pan.baidu.com/s/1EjVehntXbDq-9UyfJsTSdQ
    提取码:RSAI

    16. GETNET

    该数据集有两个高光谱图像,分别在2013年5月3日和2013年12月31日在中国江苏省获得。 它的尺寸为463×241像素,去除噪声带后可使用198个带。 在真实地图中,白色像素代表变化的部分,黑色像素代表不变的部分。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ruSxBhUx-1613815876512)(pic/image-20210217230004613.png)]

    地址:https://ieeexplore.ieee.org/document/8418840/?denied=

    17. HRCD

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-cKcNnpYc-1613815876513)(pic/image-20210219115350336.png)]

    地址:http://www.pshrcd.com/#/intro

    18. ABCD dataset

    ABCD(AIST Building Change Detection)数据集是一个标记数据集,专门用于构建和评估损坏检测系统,以识别建筑物是否已被海啸冲走。该数据集中的每个数据都是一对海啸前后的航拍图像,并包含位于图像中心的目标建筑物。 分配给每个贴片对的类别标签(即“冲走”或“幸存”)表示海啸发生前贴片中心的建筑物是否被海啸冲走。

    图像分为两种:fixed-scale and resized。 Fixed-scale patches从航拍图像中裁剪出固定的160 x 160像素的图像; 因此它们具有与原始图像相同的分辨率(40厘米)。 相反,resized patches 根据每个目标建筑的大小进行裁剪(具体来说,是目标建筑的三倍大),然后全部调整为128 x 128像素; 因此 patches 的空间比例因建筑物而异。 所得的ABCD数据集包含 8,506 pairs for fixed-scale (4,253 washed-away) and 8,444 pairs for resized (4,223 washed-away)。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HPyHBtXM-1613815876514)(pic/20200229154743123.png)]

    地址:https://github.com/gistairc/ABCDdataset

    百度云:https://pan.baidu.com/s/111dc36JWV06Qva07dFdmUw
    提取码:RSAI

    19. CDD(ChangeDetectionDataset)

    该数据集具有三种类型:没有对象相对移动的合成图像,对象相对移动较小的合成图像,随季节变化的真实遥感图像(由Google Earth获得)。 随季节变化的遥感图像具有16000个图像集,图像尺寸为256x256像素(10000个训练集以及3000个测试和验证集),空间分辨率为3至100 cm / px。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HpzxtVPa-1613815876516)(pic/image-20210218200132307.png)]

    百度云:https://pan.baidu.com/s/1Xu0kIpThW2koLcyfcJEEfA
    提取码:RSAI

    20. The River Data Set

    该数据集包含两幅高光谱影像,分别于2013年5月3日和12月31日采集自中国江苏省的某河流地区,所用传感器为Earth Observing-1 (EO-1) Hyperion,光谱范围为0.4—2.5 μm,光谱分辨率为10 nm,空间分辨率为30 m,影像大小为463×241像素,共有242个光谱波段,去除噪声后有198个波段可用。影像中的主要变化类型是河道缩减。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-408js7NY-1613815876517)(pic/image-20210217232312641.png)]

    地址:https://share.weiyun.com/5xdge4R

    21. The Urban Atlas

    Urban Atlas数据集提供了主要欧盟城市范围内可对比的土地利用和土地覆盖数据,包含5份数据:(1) 2006年319个地区的城市功能区数据“Urban Atlas 2006”; (2) 2012年785个地区的城市功能区数据“Urban Atlas 2012”; (3) “Change 2006-2012”; (4) 部分区域的行道树图层“Street Tree Layer (STL)”; (5) 部分城市(欧盟28国和欧洲自由贸易联盟国家首都)的核心城区建筑高度数据“Building Height 2012”;

    其中,“Urban Atlas 2006”和“Urban Atlas 2012”包含每个地区的城市功能区矢量图层及对应区域PDF格式的高分辨率地图,而变化图层“Change 2006-2012”统计了“Urban Atlas 2006”和“Urban Atlas 2012”中共同包含的区域的城市功能区变化情况。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-v1UDKe5l-1613815876519)(pic/image-20210217232646540.png)]

    地址:https://land.copernicus.eu/local/urban-atlas

    22. SpaceNet7: Multi-Temporal Urban Development Challenge

    多时相城市发展挑战赛的宏伟目标是通过卫星图像追踪精确的建筑地址和城市变化。该数据集由Planet卫星图像镶嵌图组成,其中包括24张图像(每月一张),覆盖约100个独特的地理位置。该数据集将包含超过40,000平方公里的图像和图像中建筑物轮廓的详尽的多边形标签,总计超过1,000万个单独注释。

    图像由4米分辨率的Planet’s Dove星座组成的RBGA(红色,绿色,蓝色,alpha)8位。对于每个感兴趣的区域(AOI),数据立方体的有效期大约为两年,尽管在AOI之间有所不同。数据立方体中的所有图像均具有相同的形状,尽管某些数据立方体的形状为1024 x 1024像素,而其他数据立方体的形状为1024 x 1023像素。因此,每个图像的范围大约为18平方公里。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-R1DLQuPk-1613815876521)(pic/image-20210218144515575.png)]

    地址:https://spacenet.ai/sn7-challenge/

    23. 商汤AI遥感解译大赛-变化检测

    数据集共包含4662组数据,每组数据中的图片边长为512,分为训练集2968组,公榜测试集847组,私榜测试集847组。其中训练集公布所有的图像及对应的标签文件,公榜测试集仅公布图像,私榜测试集不公开。变化类型为6种主要土地性质之间的相互转化:水体、地面、低矮植被、树木、建筑物、运动场。每组数据中,前后时相的两张图片各自对应一张标注图,表示发生变化的区域以及该图片变化区域内各时期的土地性质。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rdcq8QEv-1613815876522)(pic/change1.dd5f4ab9.png)]

    地址:https://rs.sensetime.com/competition/index.html#/data

    百度云:https://pan.baidu.com/s/1-zTu1TJhf3gjBmmPbcvk7A
    提取码:RSAI

    24. xView 2 building Damage Asessment Challenge

    550,000座建筑足迹和4个破坏规模类别,20个全球位置和7种灾难类型(野火,山体滑坡,大坝倒塌,火山喷发,地震/海啸,风,洪水),Worldview-3图像(0.3百万分辨率)

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ugCATTwF-1613815876523)(pic/image-20210218145612014.png)]

    地址:https://xview2.org/

    迅雷链接:magnet:?xt=urn:btih:FEF8626DF174B232CA4030CA1405420C7073C2DF

    25. 遥感图像稀疏表征与智能分析竞赛-变化检测

    本项竞赛以光学遥感图像为处理对象,参赛队伍使用主办方提供的遥感图像进行建筑物变化检测,主办方根据评分标准对变化检测结果进行综合评价。竞赛中将提供两个不同时间获取的大尺度高分辨率遥感图像(包含蓝、绿、红和近红外四个波段),以及图像中变化区域的二值化标注数据集。

    地址:http://rscup.bjxintong.com.cn/#/theme/4(已关闭)

    百度云:https://pan.baidu.com/s/1GZa_CxzWOcPOS54PM_FM2Q
    提取码:RSAI

    26. 广东政务数据创新大赛

    本次大赛覆盖广东省部分地区数百平方公里的土地,其数据共3个大文件,存储在OSS上,供所有参赛选手下载挖掘。
    卫星数据以Tiff图像文件格式储存。quickbird2015.tif是一张2015年的卫星图片,quickbird2017.tif是一张2017年的卫星图片。每个Tiff文件中有4个波段的数据:蓝、绿、红、近红外。本次比赛的卫星数据为多景数据拼接而成,这是国土资源工作中常见的实际场景。比赛数据在蓝、绿两个波段有明显的拼接痕迹,而红、近红外波段的拼接痕迹不明显。建议选手挑选波段使用数据,或者在算法中设计应对方案。每个像元以16-bit存储。

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BeJM5HPA-1613815876524)(pic/TB1Pqp2botWMKJjy0FaXXcCDpXa.tfsprivate.png)]

    地址:https://tianchi.aliyun.com/competition/entrance/231615/introduction

    百度云:https://pan.baidu.com/s/12G5VWj8Hd6RFcjKT-9eMRg
    ,这是国土资源工作中常见的实际场景。比赛数据在蓝、绿两个波段有明显的拼接痕迹,而红、近红外波段的拼接痕迹不明显。建议选手挑选波段使用数据,或者在算法中设计应对方案。每个像元以16-bit存储。

    [外链图片转存中…(img-BeJM5HPA-1613815876524)]

    地址:https://tianchi.aliyun.com/competition/entrance/231615/introduction

    百度云:https://pan.baidu.com/s/12G5VWj8Hd6RFcjKT-9eMRg
    提取码:RSAI

    展开全文
  • 基于核函数度量相似性的遥感影像变化检测
  • 基于深度学习的高分辨率遥感影像目标检测
  • 遥感影像具有周期性特点,利用这一特性就可以用于监测一个地区的地表变化情况,遥感影像是我们监测地球变化最直接和权威的数据源。从遥感影像中可以获取的变化信息包括:海岸线、森林健康、城市扩张、农业生产、自然...
  • 遥感影像变化检测技术用于检测同一地点在一段时间内所发生的变化情况,具有重要的应用价值,而基于合成孔径雷达(synthetic aperture radar,SAR)影像的变化检测由于其传感器具有不受时间段、天气情况等条件的影响的...
  • DOM产品检测-1:10000数字正射影像图产品检测与评价 DOM产品检测 数字正射影像
  • 针对虚警目标较多的复杂场景中,传统舰船检测算法检测结果精度偏低的问题,提出了一种基于多特征加权的SAR影像舰船检测优化方法。首先,采用标记分水岭算法对SAR幅度影像进行去陆操作;其次,利用基于对数正态分布的...
  • 针对资源三号卫星影像波段少、光谱范围受限的特点, 提出了基于深度学习的资源三号卫星遥感影像的云检测方法。首先, 采用主成分分析非监督预训练网络结构, 获得了待测遥感影像特征; 其次, 为减少在池化过程中影像特征...
  • 基于深度学习的资源三号遥感影像检测方法。摘要 针对资源三号卫星影像波段少、光谱范围受限的特点,本文提出了基于深度学习的资源三号遥感影像检测方法。首先,采用主成分分析非监督预训练网络结构,获得待测...
  • 针对多时相遥感影像的变化检测技术进行研究,根据图像的变化推出研究目标的变化信息,完成对研究目标的动态监测,该技术无论在理论上还是在各个领域的应用中都具有重要的研究意义和广泛的应用前景。文章根据多时相...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,072
精华内容 428
关键字:

影像检测