#01、什么是视觉检测设备？
视觉检测是指通过机器视觉产品(即图像拾取器件，分为CMOS和CCD)将捕获的物体转换成图像信号，传输到专门的图像处理系统，再根据像素分布、亮度、颜色等信息转换成数字信号；图像系统对这些信号进行各种运算，提取目标的特征，然后根据判别结果控制现场设备的动作。
随着人工智能技术的快速落地和智能机器人产业的不断发展，视觉检测机器正显示出越来越大的生命力。
视觉检测设备设计的典型结构主要由五部分组成，即：照明、镜头、摄像机、图像采集和运动控制系统。
#02、目测项目经过哪些测试阶段？
1.软件测试
重点关注功能的实现是否与客户的需求一致，保证软件过程的正确性和应用逻辑关系的正确。
通过控制软件的输入，可以得到不同的测试结果，通过输入输出的差异来比较测试是否正确准确，从而找到系统的漏洞，开始R&D、修改、测试验证的循环过程。
2.硬件测试
对硬件本身和环境进行硬件可靠性测试，如老化测试、兼容性测试和故障率测试。
需要对常用的硬件配置进行测试，确保软件可以在各种硬件配置环境下运行，比如与整机、板卡、外设的兼容性测试。
3.联合调试测试
主要测试软硬件联调功能：验证电气和软件信号的通信逻辑，光源、摄像头等硬件触发的拍摄、扫描等功能的正确性，检测情况的统计。
在外部系统对接的情况下，需要检查系统间模块的基本功能、算法检测能力和节拍是否达到客户预期的标准。
4.模型检验
针对模型测试，重点是模型的功能测试、性能测试、模型指标评估和指标结果分析。
方法：采用A/B检验、稳健性检验、离线检验和在线检验评价模型的可靠性和稳定性。
离线测试/在线测试：在离线环境下对历史数据进行训练和测试，生成离线模型版本。为了保证模型服务的稳定性，需要对模型进行线上线下一致性验证和在线稳定性验证测试。
一致性测试：使用同一批样本分别在离线和在线环境下请求模型服务，系统对模型服务的决策结果进行对比分析。
稳定性测试：采用在线新样本请求模型，根据模型的决策结果对模型进行评估。模型评价指标参考：KS、ROC等。
A/B测试：算法模型在保证稳定性的情况下会迭代产生多个版本。如果线上服务使用model A进行决策，那么在迭代模型版本时，需要在离线环境下训练model B，然后部署到线上环境，分析线上和线下A/B测试结果，通过转化率辅助决定使用哪个版本。
5.特性试验
软件模拟不同的用户来测试界面的性能。
硬件进行连续绘图，验证程序的稳定性、信号通信的稳定性和保存图纸逻辑的正确性。
软硬件联调稳定性测试：基于客户生产环境的部署场景，实施一定时间的负载运行，监测分析检测节拍和性能指标是否达到客户预期。
#03、如何测试目测设备？
1.产品需求分析
需求分析是开始测试的第一步。根据项目本身需求数据的输入，测试人员需要提取项目的测试范围、功能点、业务流程、预期输出、异常流程、所需时间和资源。
2.测试点的拆卸
测试用例是由前提条件、测试输入、执行条件和实验结果组成的一组文档
测试工程师需要根据具体项目的需要，从机械、电气、软件、算法等方面设计测试用例。
3.测试执行和缺陷管理
区分测试阶段：分别执行测试用例，使用测试工具帮助测试，提高测试效率，如摄像头调试工具、PLC调试软件、数据库工具、接口、性能测试工具等。
缺陷的定义：
(一)不符合合同或者技术协议约定的功能要求；
(2)存在产品说明书表明不会发生的错误；
(3)功能超出产品说明书的范围；
(4)产品说明书中未指出应达到的目标；
(5)被最终用户认为难以理解、难以操作、运行缓慢或认为不好。测试工程师需要明确缺陷的类型、优先级和严重程度，使用缺陷管理工具或缺陷列表来记录、反馈和验证缺陷。
4、重要检查的验证
交付前的验证需要注意以下几点：
线路的安全检查：必须先装接地线。
目测设备工作时，有高电压。为了避免安全事故，在目视检查设备频繁使用的时间内设置接地线，安全对策将大大提高。
电压稳定性检查：一般工业设备的电压为220V，包括380V.
电压不对称容易对人们的工业设备造成严重损坏，降低机械设备的使用寿命。
接口检查：如数字输入输出、用于触发的启动器、与PLC的通信、机器人、直线轴、数据库系统等。
调试和验证：使用少量工件变量进行手动和自动系统测试。
结果记录：应详细记录好的和坏的图像以及对测试结果的评估。
#04、高质量机器视觉检测系统的必要条件
1.高质量成像系统
成像系统被称为视觉检测设备的“眼睛”，因此“眼睛”的识别能力是评价成像系统最关键的指标。通常，成像系统的评价指标主要体现在三个方面：
(1)是否能发现存在的缺陷？
基于图像法检测的原始且唯一可利用的数据是采集图像的颜色(或亮度变化)，没有其他数据可供参考。
因此，一个高质量的成像系统首先应该是一个能够充分展现被检测物体表面颜色变化的成像系统。
所以除了选择高清的相机和镜头，营造成像环境的灯光设计也很重要，有时甚至会出现专门针对特殊缺陷设计的灯光系统。
经常提到的100%质检系统，其实是指对能充分显示各种缺陷的图像进行100%全检。
(2)可以发现的缺陷的最小尺寸
数字图像的最小测量单位是像素，像素本身并不代表对象的实际大小。
物体的实际大小和像素之间的关联是通过一个叫做分辨率的物理量来完成的。分辨率是指每个单位像素所代表的实际物体大小。
分辨率值越小，图像的精细度越高，检测系统能发现的缺陷尺寸越小，检测精度越高。
(3)你能足够快地拍摄图像吗？
就像人看一个运动的物体，当物体运动的速度足够快时，人眼就不再能清晰地观察到整个物体。
机器视觉检测系统的“眼睛”摄像头也有拍摄速度上限，即摄像头的主频。
当物体运行速度超过摄像机主频上限时，摄像机无法得到清晰完整的图像，检测无法正常继续。
相机主频越高，采集速度越快，探测也能保持高效。
因此，是否使用足够高主频的相机也是评价一个成像系统是否优质的关键因素。
2.成熟的图像处理和分析算法。
图像处理和分析算法相当于整个检测系统中人脑的判断思维。
因为机器视觉是一门实践性很强的学科，所以对一个算法的评价更多的是看实际应用的验证，而不是看算法中是否使用了先进或尖端的理论。
因此，一种能够充分模拟人脑判断过程和方法的稳定高效的图像处理和分析算法，才是我们所需要的，也就是所谓成熟的处理和分析算法。
因此，在设计处理算法时，需要充分分析人类的判断过程，并将其转化为计算机语言。
3.良好的操作性
良好的可操作性主要要求检测设备的应用和操作要简洁、方便、易懂。例如，该系统具有友好的人机界面和良好的指导性操作设计。
4.其他稳定的配套设施
其他配套设施是指检验系统以外的设施，如传输控制平台和缺陷处理装置(拒收、报警、标记等。).要求是运行稳定，信号响应及时快速。
审计郭婷
标签：系统图像测试