Machine Vision: nowe horyzonty kontroli jakości z wykorzystaniem analizy wizyjnej

Wizja maszynowa, jako dynamicznie rozwijająca się dziedzina technologii, odgrywa kluczową rolę w procesach kontroli jakości w wielu branżach. Aby osiągnąć optymalną wydajność systemów Machine Vision, istotne jest nie tylko zrozumienie ich elementów składowych, ale także analizy wpływu otoczenia, w którym funkcjonują.

W niniejszym artykule omówiono kluczowe parametry systemów wizyjnych oraz charakterystyczną infrastrukturę przemysłową, w której są one implementowane. Ponadto przedstawiono różnorodne zastosowania tych systemów, podkreślając ich znaczenie w nowoczesnym przemyśle.

Architektura systemu zawierająca wizję maszynową

Infrastruktura przemysłowa zawierająca system wizyjny w procesie kontroli jakości składa się zwykle z następujących komponentów:

• przenośnik taśmowy, robot  lub statyczne stanowisko kontrolne
• system mocowań kamer, czujników oraz lamp
• oświetlenie
• kamery
• komputer z oprogramowaniem Machine Vision
• czujnik optyczny lub indukcyjny
• system prezentacji wyniku (sygnalizator świetlny lub dźwiękowy)
• infrastruktura archiwizacji danych (np. dysk sieciowy NAS)

Wybór właściwych elementów systemu wizyjnego (ilustracja 1), podejmowany na początku projektu, odgrywa kluczową rolę w jego pomyślnym  zastosowaniu.

Kamery Wizyjne

Kluczowym elementem rozwiązań Machine Vision są kamery wizyjne (ilustracja 2). COIG SA oferuje w tym zakresie produkty wiodących na rynku producentów, będąc partnerem producenta HIKROBOT, posiada w ofercie produkty, które charakteryzują się wysoką jakością i są w bardzo atrakcyjnych cenach.

Wybór odpowiedniej kamery zależy od specyfiki aplikacji. Z szerokiej oferty produktów dostępnych na rynku możemy wyróżnić trzy główne grupy kamer: matrycowe, liniowe oraz inteligentne. Kamery inteligentne posiadają wbudowane oprogramowanie oraz oświetlenie i w głównej mierze wykorzystywane są do mniej skomplikowanych zadań, takich jak liczenie elementów, czy wykonywanie pomiarów.

Wybór rodzaju kamer do systemu wizyjnego uzależniony jest także od zakresu barw jaki ma zostać zarejestrowany. Kamery monochromatyczne (w skali szarości) są idealne do zadań wymagających wysokiej rozdzielczości i precyzji, podczas gdy kamery wielobarwne są bardziej zalecane do zastosowań wymagających identyfikacji kolorów.

Kamery te często wyposażone są w matryce CCD lub CMOS, które różnią się pod względem czułości światła i szybkości odczytu. W zależności od rodzaju zastosowania stosuje się kamery o różnej rozdzielczości oraz liczbie klatek na sekundę.

Parametry kamer wizyjnych

Rozdzielczość

Zasadniczo wyższa rozdzielczość pozwala uzyskać wyraźniejszy obraz. Jednak wzrost rozdzielczości powoduje wzrost potrzebnej mocy obliczeniowej i ceny kamery. Ważnym jest, aby określić optymalną rozdzielczość na etapie wyboru kamery, jak i po pierwszych uzyskanych obrazach. Zakres rozdzielczości w kamerach matrycowych dostępnych na rynku skupia się w zakresie od 1MP do 40MP. Dostępne są także kamery o wyższych rozdzielczościach. Jednak w przypadku bardzo wysokich rozdzielczości, poza ograniczeniami wymienionymi powyżej, należy pamiętać, że znacznie spada maksymalna liczba klatek na sekundę.

Interfejsy komunikacyjne

Obraz pobierany z kamery przemysłowej, przesyłany jest przy pomocy odpowiedniego interfejsu komunikacyjnego do komputera, celem przetworzenia, analizy oraz interpretacji. Obecnie w oferowanych urządzeniach, producenci stosują następujące rozwiązania:

• FireWire – standard szeregowego przesyłu danych zdefiniowany w dokumencie IEEE 1394; proponowany przez producentów kamer standard IEEE 1394a pozwala na transfer danych z szybkością do 400 Mb/s; standard IEEE 1394b pozwala na transfer danych z szybkością do 800 Mb/s;

• Gigabit Ethernet – standard umożliwiający przesył danych z prędkością do 1 Gb/s; wykorzystujący różnego rodzaju media transmisyjne: światłowód, skrętkę, kabel koncentryczny;

• USB 2.0 – standard umożliwiający przesył danych z prędkością do 480 Mb/s;

• USB 3.0 – standard umożliwiający przesył danych z prędkością do 4 Gb/s;

• Camera link – protokół komunikacji szeregowej, zaprojektowany dla systemów wizyjnych, celem standaryzacji naukowych i przemysłowych urządzeń wideo; umożliwiający przesyłanie danych z prędkością 132MB/s.

Sensor

Rozmiar matrycy światłoczułej ma znaczący wpływ na otrzymywany z kamery obraz. W przypadku korzystania z gorszej jakości obiektywów stosuje się mniejsze sensory, Sensory te, ze względu na swój ograniczony rozmiar powodują, że jakość obrazu we wszystkich stosowanych obiektywach jest najostrzejsza na środku, natomiast wraz ze zbliżaniem się do krawędzi progresywnie spada. Wraz ze wzrostem rozmiarów sensora maleje głębia ostrości dla danego obiektywu. Jest to spowodowane tym, że większe sensory wymagają znacznie mniejszej odległości pomiędzy obiektywem a obiektem lub większej ogniskowej.

Oświetlenie

Odpowiednie oświetlenie jest jednym z podstawowych elementów dla skutecznego działania systemów Machine Vision. Światło może być stosowane w różnych konfiguracjach, w zależności od specyfiki aplikacji. Światło stałe jest używane w przypadku stałych warunków oświetleniowych, podczas gdy światło pulsacyjne sprawdza się dobrze w zadaniach wymagających redukcji efektów odblasku.

Źródło światła

Wybór możliwych do zastosowania źródeł światła jest bardzo duży i nieustannie się zwiększa. Obecnie, jednym z najbardziej popularnych jest oświetlenie LED-owe, charakteryzujące się energooszczędnością i stosunkowo niewielkimi wymiarami. Dodatkowo wyróżnia się długą żywotnością, prostym sterowaniem, wytrzymałością oraz szerokimi możliwościami kształtowania lamp np. w pierścienie. Popularną alternatywą dla oświetlenia LED-owego jest zastosowanie lamp fluorescencyjnych lub halogenowych, które pozwalają emitować silne światło na dużym obszarze. Zastosowanie znajdują również lampy metalohalogenkowe, żarowe, a nawet lasery.

Doprowadzenie światła

Kąt padania oraz odbicia odgrywa kluczową rolę w procesie oświetlenia. Istnieje kilka technik ustawienia, najczęściej stosowaną jest umieszczenie źródła światła bezpośrednio przed obserwowanym obiektem pod takim kątem, aby wiązka odbita wracała do źródła. Pozwala to wykryć ewentualne niedoskonałości i zarysowania na powierzchni obserwowanego elementu.

Wprowadzenie elementu rozpraszającego ogranicza możliwość wykrywania niedoskonałości powierzchni elementu, ale ułatwia znalezienie jego krawędzi. Powoduje to, że obiekt bardziej się wyróżnia na swoim tle.

Przestawienie źródła światła tak, by padało pod nieprostopadłym kątem tylko na część interesującego nas obiektu pozwala lepiej odróżnić bardziej wystające elementy.

W zależności od potrzeb, stosuje się też podświetlenie z tyłu obiektu, dzięki czemu można wykrywać otwory lub – w przypadku przedmiotów półprzeźroczystych, nawet nierównomierną gęstość lub grubość materiału, z którego wykonany jest przedmiot.

Oprogramowanie

Na rynku istnieje wiele rozwiązań oprogramowania Machine Vision, jednak w tym artykule skupimy się na trzech, w których specjalizuje się firma COIG SA: SC MVS (od HIKROBOT), Aurora Vision oraz autorska aplikacja – MV COIG. Poniższe narzędzia są w stanie zrealizować większość potrzeb wynikających z różnych zastosowań produkcyjnych.

SC MVS oraz Vision Master to oprogramowanie producenta HIKROBOT do wizji maszynowej, które dostarcza klientom narzędzia algorytmiczne do szybkiego tworzenia aplikacji wizyjnych i rozwiązywania problemów związanych z kontrolą wzrokową. Może być wykorzystane w różnych zastosowaniach, takich jak pozycjonowanie wizualne, pomiar wielkości, wykrywanie defektów i rozpoznawanie informacji. Vision Master posiada zarówno algorytmy tradycyjne jak i moduł głębokiego uczenia, który może posłużyć do zadań typu detekcja obiektu, klasyfikacja czy segmentacja obrazu. Oprogramowanie posiada interaktywny interfejs graficzny z intuicyjnymi i łatwymi do zrozumienia ikonami funkcji, prostą i łatwą w użyciu interaktywną logiką oraz funkcją drag-and-drop do tworzenia rozwiązań wizji maszynowej.

Aurora Vision jest środowiskiem opartym na przepływie danych, zaprojektowanym do obsługi Machine Vision. W połączeniu z jej rozbudowaną biblioteką dobrze zoptymalizowanych filtrów graficznych, pozwala użytkownikowi na tworzenie zarówno prostych, jak i bardzo zaawansowanych algorytmów tradycyjnych, a także algorytmów głębokiego uczenia. Ponadto umożliwia zastosowanie logiki i obsługę sygnałów cyfrowych i analogowych. Aurora Vision posiada szereg narzędzi do prezentacji wyników w czasie rzeczywistym.

MV COIG, to autorska aplikacja przeznaczona do wizualnej kontroli jakości z użyciem sztucznej inteligencji, przede wszystkim w sektorze przemysłowym. Oprogramowanie opiera się na zaawansowanych algorytmach Deep Learning i sieciach neuronowych. Na podstawie zbioru treningowego obrazów, model uczy się produktu, a następnie wykrywa i klasyfikuje jego defekty oraz znajduje anomalie. Jedną z głównych zalet tego oprogramowania jest zaawansowane raportowanie działania systemu w postaci wykresów, macierzy wyników czy danych tekstowych.

Zastosowanie kamer wizyjnych

Kontrola jakości procesów produkcji

Systemy Machine Vision świetnie odnajdują się w procesie kontroli jakości procesów produkcji (ilustracja 3). Dzięki zaawansowanym algorytmom analizy obrazu, kamery wizyjne wykrywają nawet najmniejsze defekty produktu. Na przykład, w przemyśle motoryzacyjnym, kamery skanują powierzchnię karoserii, wyłapując wszelkie rysy, zadrapania czy inne nieprawidłowości, które mogłyby wpłynąć na estetykę i funkcjonalność pojazdu.

Systemy te pozwalają na szybkie identyfikowanie wad, eliminując konieczność manualnej inspekcji, co przekłada się na oszczędność czasu i kosztów produkcyjnych, a także zwiększa poziom satysfakcji klienta umożliwiając dostarczanie wyłącznie produktów najwyższej jakości.

Skanowanie kodów kreskowych

W logistyce i magazynowaniu, systemy Machine Vision są stosowane do szybkiego i precyzyjnego skanowania kodów kreskowych na produktach i opakowaniach. Dzięki wysokiej rozdzielczości kamer oraz zaawansowanym algorytmom odczytywania kodów, możliwe jest błyskawiczne identyfikowanie towarów, co przekłada się na szybsze i bardziej efektywne zarządzanie zapasami, sprawniejszą obsługę zamówień oraz minimalizację błędów ludzkich.

Systemy te umożliwiają także śledzenie towarów na każdym etapie łańcucha dostaw, co pozwala na lepsze planowanie i optymalizację procesów logistycznych.

Rozpoznawanie obiektów

Za pomocą zaawansowanych algorytmów uczenia maszynowego, systemy Machine Vision potrafią rozpoznawać i klasyfikować różne obiekty na podstawie ich cech charakterystycznych. Na przykład, w automatyzacji produkcji, kamery wizyjne wykorzystywane są do lokalizacji i manipulacji obiektami w środowiskach produkcyjnych.

Systemy te mogą identyfikować elementy na taśmie produkcyjnej i wykonywać na nich określone operacje, takie jak sortowanie, pakowanie czy montaż. Dzięki temu możliwe jest zautomatyzowanie procesów produkcyjnych, zwiększenie wydajności oraz redukcja kosztów operacyjnych.

Zwiększenie bezpieczeństwa w przemyśle

Systemy Machine Vision odgrywają istotną rolę w zapewnieniu bezpieczeństwa w przemyśle poprzez identyfikację potencjalnych zagrożeń i reagowanie na nie w czasie rzeczywistym. Wykorzystując zaawansowane algorytmy analizy obrazu, kamery wizyjne mogą monitorować środowisko pracy i wykrywać niebezpieczne sytuacje, takie jak obecność osób w strefach niebezpiecznych czy anomalie w zachowaniu maszyn.

Dzięki temu możliwe jest szybkie powiadamianie personelu o potencjalnych zagrożeniach oraz podejmowanie odpowiednich środków zaradczych, co przekłada się na zmniejszenie ryzyka wypadków i urazów pracowników. Ponadto, systemy Machine Vision mogą być integrowane z systemami kontroli dostępu oraz monitorowania stanu maszyn, co pozwala na jeszcze skuteczniejsze zarządzanie bezpieczeństwem w miejscu pracy.

Podsumowanie

Technologia widzenia maszynowego wyraźnie rozwinęła się w ciągu ostatnich 15 lat, stając się jednocześnie bardzo ważnym, a w wielu przypadkach niezbędnym narzędziem kontroli jakości oraz automatyzacji produkcji. Obecnie, widzenie maszynowe stosowane jest w wielu gałęziach przemysłu i w różnych branżach, m. in. elektroniczna (np. półprzewodniki), medyczna (np. urządzenia medyczne), farmaceutyczna, motoryzacyjna.

Widzenie maszynowe oferuje bezkontaktowe narzędzie do inspekcji i identyfikacji komponentów, dokładnego pomiaru wymiarów czy kierowania robotami w procesie produkcyjnym. Opisane powyżej, stosowane w systemach widzenia maszynowego rozwiązania sprzętowe oraz programowe podlegają ciągłemu rozwojowi i udoskonalaniu.

Szybsze urządzenia, bardziej inteligentne narzędzia i lepiej rozwinięte oprogramowanie pozwalają na coraz szersze rozprzestrzenianie się systemów widzenia maszynowego w przemyśle.