AI 驅動文件
您想了解什麼？
模板影象與對齊理論
本頁面解釋了基於模板的模式匹配的基本概念，以及 OV80i 如何使用邊緣檢測演算法定位和定向零件，以實現精確的檢查定位。
基於模板的模式匹配基礎
什麼是模板對齊？
模板對齊利用模式匹配來定位和定向零件，以進行相對檢查。系統在模板區域內檢測邊緣，並匹配相似的邊緣模式，以確定零件的位置和方向，從而即使在零件呈現不一致的情況下也能實現準確檢查。
核心概念：
- 參考模板 - 作為模式匹配基準的捕獲影象
- 邊緣模式識別 - 演算法識別獨特的邊緣特徵
- 空間變換 - 計算位置和旋轉差異
- ROI 調整 - 根據檢測到的零件位置對檢查區域進行對齊
模板影象理論
模板影象作為參考標準
捕獲模板影象是所有配方的必需步驟。模板影象作為主參考，與所有後續影象進行比較以實現對齊。
模板要求：
- 代表性樣本 - 必須顯示零件在理想狀態和位置
- 清晰的邊緣定義 - 具有足夠的對比度以實現可靠的邊緣檢測
- 一致的特徵 - 在零件變化中保持穩定的元素
- 最佳照明 - 照明條件與生產環境相匹配
影象質量對對齊的影響
關鍵質量因素：
- 邊緣對比度 - 較高的對比度可以實現更可靠的邊緣檢測
- 焦點清晰度 - 清晰的邊緣提高模式匹配的準確性
- 照明一致性 - 均勻的照明減少虛假邊緣檢測
- 影象穩定性 - 模板影象中最小的噪聲和偽影
模板影象設定與捕獲
模板影象捕獲方法
捕獲選項：
- 捕獲模板影象 - 使用當前相機檢視拍攝新的參考影象
- 重新捕獲模板影象 - 用新影象替換現有模板
- 從庫中匯入 - 從庫中選擇現有影象作為模板
預設情況下，從庫中匯入的模態將按配方過濾影象。使用下拉選單選擇其他配方或清除過濾器，然後單擊搜尋以查詢其他配方中的影象。
預覽模式
- 模板檢視 - 捕獲後，預覽窗格顯示模板影象（非實時相機）
- 實時預覽模式 - 切換到實時相機檢視以測試對齊效能
- 重新捕獲模式 - 禁用實時預覽以重新拍攝模板影象
對齊理論的邊緣檢測
針對對齊的邊緣檢測
OV80i 對齊系統依賴於專門用於零件位置和方向的邊緣檢測演算法，與基於 AI 的檢查模型分開。
對齊邊緣檢測過程：
- 邊緣識別 - 演算法檢測強度梯度以作為對齊參考
- 邊緣過濾 - 系統識別與對齊相關的邊緣，同時過濾噪聲
- 對齊模式建立 - 構建邊緣模式的數學表示以進行定位
- 位置比較 - 將檢測到的模式與模板參考進行比較以實現對齊
對齊區域策略
+ 矩形 / + 圓形區域： 模板區域定義了 OV80i 將檢測邊緣以進行對齊的特定區域，透過匹配相似的邊緣模式來確定零件的位置和方向。
對齊邊緣視覺化：
- 🟢 綠色高亮 - 在模板區域內找到的邊緣（適合對齊）
- 🔴 紅色高亮 - 找到的邊緣不足以進行有效對齊
對齊的邊緣質量
良好的對齊邊緣特徵：
- 簡單 - 清晰、定義明確的邊緣過渡，適合位置參考
- 獨特 - 可靠的零件識別的獨特模式
- 一致 - 在所有預期的零件變體中可見，確保可靠對齊
- 穩定 - 在對齊過程中不受正常生產變動的影響
差的對齊邊緣特徵：
- 複雜紋理 - 細緻的表面不適合位置參考
- 反射表面 - 造成不一致的對齊參考區域
- 可變特徵 - 在零件之間變化的元素，影響對齊一致性
- 噪聲敏感區域 - 有雜物影響對齊準確性的區域
模板區域管理
建立模板區域
+ 矩形 / + 圓形： 點選以將模板區域新增到模板影象。OV80i 將在這些模板區域內檢測邊緣，並嘗試透過匹配相似的邊緣模式來定位零件。
區域管理：
- 調整大小/形狀 - 點選模板區域以拉伸或改變大小
- 旋轉 - 根據需要調整區域方向
- 重新定位 - 點選並拖動以移動模板區域
- 刪除 - 移除不需要的區域
模板區域放置最佳實踐
在放置模板區域時，關注簡單、獨特且在所有零件中一致可見的邊緣。儘量避免被缺陷遮擋的邊緣或在零件之間變化的邊緣模式。
良好的邊緣特徵：
- ✅ 簡單 - 清晰、定義明確的邊緣
- ✅ 獨特 - 在其他地方找不到的獨特模式
- ✅ 一致 - 在所有零件變體中可見
- ✅ 穩定 - 不受正常缺陷或磨損的影響
差的邊緣特徵：
- ❌ 可變特徵 - 可能缺失或損壞的元件
- ❌ 紋理表面 - 在零件之間變化的複雜圖案
- ❌ 反射區域 - 造成可變高亮的表面
- ❌ 小細節 - 容易被雜物遮擋的特徵
漸進設定方法
多個模板區域策略：
- 從最顯著特徵的一個模板區域開始
- 如果邊緣數量不足（紅色高亮），新增額外區域
- 如有必要，增加靈敏度以找到足夠的邊緣
- 使用忽略模板區域工具去除噪聲
- 在零件變體中使用實時預覽模式進行測試
對齊引數理論
旋轉範圍容差
輸入 0-180 度的角度以定義對齊器所能容忍的旋轉量。
旋轉範圍設定：
- 180 度 - 找到以任意角度旋轉的零件（最大靈活性）
- 0 度 - 僅找到與模板影象角度匹配的零件（最大精度）
- 自定義範圍 - 在靈活性和精度之間取得平衡
權衡：
- 更寬的範圍 - 更靈活，但處理速度可能較慢
- 更窄的範圍 - 處理速度更快，但需要一致的零件方向
靈敏度演算法理論
調整滑塊以增加/減少邊緣檢測靈敏度。更高的靈敏度設定將找到更多的邊緣，而較低的靈敏度設定將找到較少的邊緣。
靈敏度影響：
- 更高靈敏度 - 檢測更多的邊緣細節，但可能包括噪聲
- 較低靈敏度 - 專注於顯著邊緣，但可能錯過細微特徵
- 最佳設定 - 仍能找到足夠邊緣的最低靈敏度
演算法行為： 對齊邊緣檢測演算法根據靈敏度設定調整其閾值，影響哪些強度梯度被分類為對齊目的的邊緣。
置信度閾值理論
使用此滑塊設定對齊被認為有效所需的最低置信度（1%表示完全匹配）。該閾值應在0.6-0.9之間，以確保一致的對齊。
置信度計算：
- 對齊模式相關性 - 模板與檢測到的對齊模式之間的數學相似性
- 幾何一致性 - 邊緣特徵之間的空間關係準確性
- 對齊邊緣質量 - 檢測到的邊緣模式的強度和清晰度，用於位置參考
閾值指南：
- 0.6-0.9 範圍 - 推薦用於一致的對齊效能
- 更高值 - 更嚴格的匹配，減少誤報
- 較低值 - 更寬鬆的匹配，可能接受較差的對齊
對齊噪聲管理理論
忽略對齊模板區域
忽略模板區域工具提供了一個畫刷介面，用於擦除任何模板區域中不需要的邊緣，旨在遮蔽不必要的邊緣噪聲，並將對齊集中在清晰、可重複的邊緣模式上。
對齊邊緣噪聲類別：
- 紋理表面 - 不適合一致對齊參考的複雜圖案
- 反射和眩光 - 影響對齊準確性的可變光照效果
- 雜物或汙染 - 不適合位置參考的臨時特徵
- 可變元件 - 可能缺失或損壞的特徵，影響對齊一致性
對齊噪聲過濾策略：
- 選擇性遮罩 - 移除可變邊緣模式，同時保留穩定的對齊特徵
- 模式簡化 - 將對齊演算法集中在最可靠的邊緣資訊上
- 一致性最佳化 - 提高不同部件變體間的對齊可靠性
對齊模式匹配效能理論
多個模板區域用於對齊
新增更多模板區域可增加對齊的邊緣數量，提高對齊模式匹配的可靠性和特異性。
多區域對齊的好處：
- 對齊冗餘 - 多個參考點提高對齊的穩健性
- 位置特異性 - 更復雜的模式減少誤報的對齊匹配
- 對齊準確性 - 附加約束提高位置和旋轉精度
- 對齊可靠性 - 如果某些區域被遮擋，系統仍然可以對齊
對齊故障模式
常見對齊故障模式：
- 對齊邊緣不足 - 缺乏足夠的模式資訊以進行可靠的位置檢測
- 錯誤的對齊正例 - 演算法匹配錯誤的特徵進行定位
- 不一致的對齊檢測 - 在某些部件上對齊有效，但在其他部件上失敗
- 低對齊置信度 - 位置匹配低於可接受閾值
對齊最佳化解決方案：
- 對齊模式最佳化 - 選擇更具辨識度和穩定性的邊緣特徵進行定位
- 區域調整 - 修改模板區域的大小和位置以獲得更好的對齊參考
- 引數調優 - 調整對齊效能的靈敏度和置信度閾值
- 對齊噪聲減少 - 使用忽略模板區域工具過濾問題邊緣
對齊與固定定位理論
何時使用模板對齊
對齊優勢：
- 部件變化容忍度 - 適應位置和旋轉差異
- 靈活展示 - 適用於非固定部件
- 相對檢測 - ROI 自動調整以適應部件位置
- 機器人整合 - 處理可變部件放置
何時跳過對齊
固定位置優勢：
- 處理速度 - 無需對齊計算
- 一致的結果 - 可預測的檢測行為
- 簡單設定 - 無需模板區域或模式匹配
- 適用於固定部件 - 當機械定位確保一致性時
選擇標準： 建議在部件被固定或非常重複地呈現給相機的應用中跳過對齊選項。