Co je strojové vidění a jak může pomoci?

Pochopení toho, jak strojové vidění funguje, vám může pomoci určit, zda strojové vidění řeší konkrétní aplikační problémy ve výrobě nebo zpracování.

Lidé často nechápou, co strojové (počítačové, umělé) vidění může a co nemůže udělat pro výrobní linku nebo proces. Pochopení toho, jak to funguje, může lidem pomoci rozhodnout se, zda to vyřeší problémy v aplikaci. Co to tedy vlastně počítačové vidění je a jak vlastně funguje?

Umělé vidění je moderní technologie, která zahrnuje nástroje pro získávání, zpracování a analýzu obrazů fyzického světa za účelem vytvoření informací, které mohou být interpretovány a používány strojem pomocí digitálních procesů.

Využití umělého vidění v průmyslu

Počítačové vidění označuje použití jedné nebo více kamer k automatické kontrole a analýze objektů, nejčastěji v průmyslovém nebo výrobním prostředí. Výsledná data pak lze použít pro řízení procesů nebo výrobních činností.

Tato technologie automatizuje širokou škálu úkolů tím, že poskytuje strojům informace, které potřebují k tomu, aby se pro každý úkol mohly správně rozhodnout.

Použití umělého vidění v průmyslu umožňuje automatizaci výrobních procesů, což vede k lepším výsledkům výroby díky použití kontroly kvality a větší flexibilitě v každé fázi.

V současné době použití průmyslového umělého vidění výrazně zlepšilo výrobní procesy. To umožnilo získat produkty vyšší kvality za nižší náklady a téměř ve všech oblastech průmyslu, od automobilového a potravinářského průmyslu až po elektroniku a logistiku.

Typickým použitím by byla montážní linka, kde se kamera spouští po provedení operace na součásti, která pořizuje a zpracovává obraz. Kamera může být naprogramována tak, aby kontrolovala polohu konkrétního objektu, jeho barvu, velikost nebo tvar a přítomnost objektu.

Strojové vidění může také vyhledávat a dekódovat standardní 2D maticové čárové kódy nebo dokonce číst tištěné znaky. Po kontrole produktu se obvykle vygeneruje signál, který určí, co s produktem dále dělat. Díl může být shozen do kontejneru, směrován na odbočný dopravník nebo předán jiným montážním operacím a výsledky kontroly jsou sledovány v systému.

V každém případě mohou systémy počítačového vidění poskytnout mnohem více informací o objektu než jednoduché snímače polohy.

Počítačové vidění se běžně používá například k:

• QA,
• ovládání robota (stroje),
• testování a kalibrace,
• řízení procesů v reálném čase,
• sběr dat,
• monitorování stroje,
• třídění a počítání.

Mnoho výrobců používá místo kontrolního personálu automatizované počítačové vidění, protože se lépe hodí pro opakované kontroly. Je rychlejší, objektivnější a funguje nepřetržitě.

Systémy počítačového vidění mohou kontrolovat stovky nebo tisíce dílů za minutu a poskytovat konzistentnější a spolehlivější výsledky kontrol než lidé. Snížením závad, zvýšením příjmů, usnadněním dodržování předpisů a sledováním dílů pomocí počítačového vidění mohou výrobci ušetřit peníze a zvýšit svou ziskovost.

Jak funguje strojové vidění

Diskrétní fotobuňka je jedním z nejjednodušších senzorů v oblasti průmyslové automatizace. Důvod, proč tomu říkáme „diskrétní“ nebo digitální, je ten, že má pouze dva stavy: zapnuto nebo vypnuto.

Princip činnosti diskrétní fotobuňky (optického senzoru) spočívá v přenosu světelného paprsku a určení, zda je světlo odraženo předmětem. Pokud zde není žádný předmět, světlo se neodráží do přijímače fotobuňky. K přijímači je připojen elektrický signál, obvykle 24 V.

Pokud je objekt přítomen, signál se zapne a lze jej použít v řídicím systému k provedení akce. Po odstranění objektu se signál opět vypne.

Takový snímač může být také analogový. Místo dvou stavů, tzn. vypnuto a zapnuto, může vrátit hodnotu udávající, kolik světla se vrací do jeho přijímače. Může vrátit 256 hodnot, od 0 (to znamená žádné světlo) do 255 (což znamená hodně světla).

Představte si tisíce malých analogových fotobuněk uspořádaných do čtvercového nebo obdélníkového pole zaměřeného na objekt.Tím se vytvoří černobílý obraz objektu na základě odrazivosti místa, na které senzor míří. Jednotlivé skenovací body na těchto snímcích se nazývají „pixely“.

K vytvoření obrazu se samozřejmě nepoužívají tisíce malých fotoelektrických senzorů. Místo toho čočka zaostří obraz na polovodičové pole světelných detektorů.

Tato matrice využívá pole světlocitlivých polovodičových zařízení, jako je CCD (Charge Coupled Device) nebo CMOS (Complementary Metal-Oxide-Semiconductor). Jednotlivé senzory v této matici jsou pixely.

Čtyři hlavní součásti systému počítačového vidění

Čtyři hlavní součásti systému počítačového vidění jsou:

• čočky a osvětlení;
• obrazový snímač nebo kamera;
• procesor;
• způsob přenosu výsledků, ať už prostřednictvím fyzického vstupu/výstupu (I/O) nebo jiné komunikační metody.

Počítačové vidění může využívat barevné skenování pixelů a často používá mnohem větší pole pixelů. Softwarové nástroje se aplikují na zachycené obrázky k určení velikosti, umístění okrajů, pohybu a vzájemné polohy prvků.

Čočky zachycují obraz a přenášejí jej na snímač ve formě světla. Pro optimalizaci systému počítačového vidění musí být kamera spárována s vhodnými objektivy.

Ačkoli existuje mnoho typů čoček, v aplikacích počítačového vidění se běžně používají čočky s pevnou ohniskovou vzdáleností. Při výběru jsou důležité tři faktory: zorné pole, pracovní vzdálenost, velikost snímače fotoaparátu.

Osvětlení lze na obrázek aplikovat různými způsoby. Směr, ze kterého světlo přichází, jeho jas a jeho barva nebo vlnová délka ve srovnání s barvou cíle jsou velmi důležité faktory, které je třeba vzít v úvahu při navrhování prostředí počítačového vidění.

Zatímco osvětlení je důležitou součástí získání dobrého obrazu, existují dva další faktory, které ovlivňují, kolik světla obraz přijímá. Objektiv obsahuje nastavení zvané clona, ​​která se otevírá nebo zavírá, aby do objektivu pronikalo více či méně světla.

V kombinaci s expozičním časem to určuje množství světla dopadajícího na pole pixelů před tím, než dojde k osvětlení. Rychlost závěrky nebo doba expozice určuje, jak dlouho se obraz promítá na matici pixelů.

V počítačovém vidění je závěrka řízena elektronicky, obvykle s přesností na milisekundy. Po pořízení snímku se použijí softwarové nástroje. Některé se používají před analýzou (předzpracováním), jiné se používají k určení vlastností studovaného objektu.

Během předběžného zpracování můžete na obrázek aplikovat efekty pro zostření hran, zvýšení kontrastu nebo vyplnění mezer. Účelem těchto úkolů je zlepšit schopnosti jiných softwarových nástrojů.

Umělé vidění je technologie, která napodobuje lidské vidění a umožňuje přijímat, zpracovávat a interpretovat obrazy získané během výrobních procesů.Stroje s umělým viděním analyzují a dekódují informace přijaté během výrobních procesů, aby se rozhodovaly a jednaly nejpohodlnějším způsobem prostřednictvím automatizovaného procesu. Zpracování těchto snímků probíhá pomocí softwaru spojeného se strojem a na základě získaných dat je možné v procesech pokračovat a identifikovat případné chyby na montážních linkách.

Cíl počítačového vidění

Zde jsou některé běžné nástroje, které můžete použít k získání informací o vašem cíli:

• Počet pixelů: Zobrazuje počet světlých nebo tmavých pixelů v objektu.
• Detekce hran: Najděte hranu objektu.
• Měření (metrologie): měření rozměrů předmětu (např. v milimetrech).
• Rozpoznávání vzorů nebo shoda vzorů: Vyhledávejte, spojujte nebo počítejte konkrétní vzory. To může zahrnovat detekci objektu, který může být otočen, částečně skrytý jiným objektem nebo má jiné objekty.
• Optické rozpoznávání znaků (OCR): Automatické čtení textů, jako jsou sériová čísla.
• Čtení čárových kódů, datové matice a 2D čárových kódů: Shromažďujte data obsažená v různých standardech čárových kódů.
• Detekce bodu: Zkontroluje, zda na obrázku nejsou skvrny propojených pixelů (jako je černá díra v šedém objektu) jako referenční bod pro obrázek.
• Barevná analýza: identifikujte díly, produkty a předměty podle barvy, vyhodnoťte kvalitu a zvýrazněte prvky podle barvy.

Účelem získávání inspekčních dat je často jejich použití k porovnání s cílovými hodnotami pro určení vyhovění/neúspěchu nebo pokračování/nepostupu.

Například při skenování kódu nebo čárového kódu se výsledná hodnota porovnává s uloženou cílovou hodnotou. V případě měření se naměřená hodnota porovnává se správnými hodnotami a tolerancemi.

Při kontrole alfanumerického kódu se textová hodnota OCR porovnává se správnou nebo cílovou hodnotou. Pro kontrolu povrchových vad lze velikost vady porovnat s maximální velikostí povolenou normami kvality.

Kontrola kvality

Strojové vidění má v průmyslu obrovský potenciál. Tyto systémy umělého vidění byly použity v robotice, nám umožňují nabízet automatické řešení pro různé fáze výroby, jako je kontrola kvality nebo detekce vadných výrobků.

Kontrola kvality je soubor metod a nástrojů, které nám umožní identifikovat chyby ve výrobním procesu, jakož i přijmout vhodná opatření k jejich odstranění. To poskytuje mnohem úplnější kontrolu nad konečným produktem a zajišťuje, že když se dostane ke spotřebiteli, bude splňovat specifické a zavedené standardy kvality.

Tímto způsobem jsou z procesu vyloučeny produkty, které nesplňují minimální požadavky na kvalitu, čímž se eliminují možné poruchy ve výrobním procesu, čehož je dosahováno neustálými kontrolami a namátkovými testy.

Použití kontroly kvality ve výrobě má řadu výhod:

• Zvyšte produktivitu;
• Snížené materiálové ztráty;
• Pokles ceny;
• Nejlepší kvalita konečného produktu.

Komunikace v počítačovém vidění

Jakmile jsou tyto informace přijaty procesorem a softwarem, mohou být přeneseny do řídicího systému prostřednictvím různých průmyslových standardních komunikačních protokolů.

Hlavní systémy počítačového vidění často podporují EtherNet/IP, Profinet a Modbus TCP. Běžné jsou také sériové protokoly RS232 a RS485.

Digitální I/O jsou často zabudovány do ovládacích systémů a zjednodušují vykazování výsledků. K dispozici jsou také komunikační standardy počítačového vidění.

Závěr

Systémy umělého vidění mají širokou škálu aplikací a lze je přizpůsobit různým průmyslovým odvětvím a různým potřebám každé výrobní linky. Dnes může každá společnost, která vyrábí produkty podle určitého standardu, využít výhody počítačového vidění jako součást svého výrobního procesu.

Pochopení fyzikálních principů a schopností systémů umělého vidění může být užitečné při určování, zda je taková technologie v konkrétním případě vhodná pro výrobní proces. Obecně platí, že cokoli lidské oko vidí, vidí kamera (někdy více, někdy méně), ale dekódování a přenos těchto informací může být poměrně složitý.