машинное зрение уже вносит важный вклад в производственный сектор, прежде всего, предоставляя возможности автоматизированного контроля в рамках процедур контроля качества. Однако мир автоматизации становится все более сложным. Индустрия 4.0, Интернет вещей (IoT), облачные вычисления, искусственный интеллект, машинное обучение и многие другие технологии ставят перед пользователями и разработчиками систем технического зрения большие проблемы при выборе идеальной системы для соответствующих приложений.
Проверьте это: Перспективы производства
Эффективная технология
С быстрым развитием во многих различных областях, включая методы визуализации; датчики КМОП; встроенное зрение; машинное и глубокое обучение; интерфейсы роботов; стандарты передачи данных и возможности обработки изображений, технологии машинного зрения могут принести пользу обрабатывающей промышленности на многих различных уровнях. Новые методы визуализации предоставили новые возможности применения. Например, гиперспектральная визуализация может предоставить информацию о химическом составе отображаемых материалов.
Компьютерная визуализация позволяет комбинировать серию изображений различными способами, чтобы выявить детали, которые невозможно увидеть с помощью обычных методов визуализации. Поляризационная визуализация может отображать характер напряжений в материалах. Другие разработки в области технологий машинного зрения привели к повышению производительности, интеграции и автоматизации в обрабатывающей промышленности. Степень интеграции может варьироваться от помощи при ручной сборке до полной интеграции в OEM-оборудование и в соответствии со строгими требованиями Индустрии 4.0.
«Крайне важно, что Индустрия 4.0 требует общего протокола связи для всех типов датчиков, чтобы обеспечить передачу данных и совместное использование»
Помощь в ручной сборке
По-прежнему существует огромное количество продуктов, которые собираются вручную, и для предотвращения ошибок в таких операциях можно использовать камеру «помощника человека». Оператор следует набору инструкций по сборке, загруженных в камеру и отображаемых на мониторе. После каждого действия система сравнивает результат с правильным сохраненным изображением, чтобы убедиться, что оно было выполнено правильно и полностью, прежде чем оператор сможет перейти к следующему шагу. Если действие не завершено или сделана ошибка, это отображается оператору, чтобы его можно было исправить. Каждый выполненный шаг можно проверить и записать, чтобы получить данные, которые можно использовать для анализа и отслеживания сборочных работ.
Добавление видения в производственную линию
Использование визуального контроля на производственной или упаковочной линии является хорошо зарекомендовавшей себя практикой. Системы варьируются от одноточечных автономных интеллектуальных камер, которые выполняют задачу проверки и передают результат «годен/не годен» в систему управления, до систем на базе ПК, которые могут включать несколько камер и/или несколько станций проверки. Системы технического зрения могут быть дооснащены существующими линиями или встроены в новые. Визуальный контроль также можно использовать в сочетании со статистическими методами контроля процесса не только для проверки критических измерений, но и для анализа тенденций в этих измерениях. Таким образом, можно вмешаться, чтобы отрегулировать процесс до того, как будет произведен какой-либо продукт, не соответствующий допускам. Это, вероятно, самый близкий предшественник требований Индустрии 4.0.
Роботы с визуальным управлением
Промышленные роботы уже широко используются, а с появлением коллаборативных роботов и быстрым развитием обработки 3D-изображений они все чаще используются в сочетании, особенно для робототехники с визуальным управлением. Система технического зрения определяет точное местоположение объекта, и эти координаты передаются роботу. Огромные успехи в интерфейсах роботов машинного зрения значительно упрощают этот процесс. Одно из самых популярных применений трехмерного роботизированного зрения — это приложения для захвата и перемещения.
Встроенное зрение
Доступность небольших встроенных плат обработки данных, обычно основанных на архитектуре ARM, открывает большие возможности для разработки систем машинного зрения, встроенных в другое оборудование и производственные процессы. Многие из ведущих библиотек и наборов инструментов для обработки изображений теперь могут быть перенесены на эти платформы, предлагая более широкий спектр решений машинного зрения в этом формате. Сочетание этих возможностей обработки с недорогими камерами, включая камеры на уровне платы, означает, что системы машинного зрения могут быть включены в широкий спектр продуктов и процессов со сравнительно небольшими накладными расходами.
Проверьте это: Перспективы производства
Машинное и глубокое обучение
Было много шумихи вокруг глубокого обучения в машинном зрении, которое использует сверточные нейронные сети (CNN) для выполнения задач классификации путем определения характеристик, извлеченных из набора обучающих изображений. Однако проблема остается в том, что в промышленных приложениях количество доступных обучающих изображений ограничено, в то время как инструменты, время обучения и ресурсы процессора остаются высокими. Другие подходы к машинному обучению быстро получают признание как более дешевая и простая в реализации альтернатива глубокому обучению для промышленных приложений. Это, вероятно, найдет применение в высокопроизводительных, гибких вертикальных решениях, которые будут работать даже на недорогих встраиваемых системах, что сделает возможным создание чрезвычайно рентабельных систем.
На пути к Индустрии 4.0
Суть умной фабрики будущего заключается в оптимизации процесса с помощью аналитики больших данных на основе обратной связи от множества различных типов датчиков, отслеживающих процесс. Они, конечно, будут включать в себя простые и интеллектуальные датчики зрения, а также более сложные подсистемы или системы зрения. Важно отметить, что для Индустрии 4.0 требуется общий протокол связи для всех типов датчиков, чтобы обеспечить передачу и совместное использование данных.
Одним из популярных в этой области стандартов является независимый от платформы открытый стандарт OPC UA для связи между машинами. Недавно VDMA (Ассоциация машиностроительной промышленности Германии) объявила о дополнительных спецификациях OPC UA для робототехники и машинного зрения, которые обеспечат совместимость с этим стандартом для роботов и систем машинного зрения соответственно. Строительные блоки начинают собираться вместе.
Проверьте это: Перспективы производства
Посмотрите это: Как обрабатывающая промышленность использует машинное зрение
