מערכת ראיית מכונה היא מערכת טכנית המשתמשת במכונות כדי להחליף עיניים אנושיות כדי להשלים מדידה, זיהוי ושיפוט. זהו אחד הענפים החשובים של מדעי המחשב. המערכת משלבת טכנולוגיות רב-תחומיות כמו אופטיקה, מכניקה, אלקטרוניקה ותוכנות וחומרה מחשבים, וכוללת תחומים רבים כמו עיבוד תמונה, זיהוי תבניות, בינה מלאכותית, עיבוד אותות ואינטגרציה אופטית-מכנית.
עם ההתפתחות המהירה של טכנולוגיות מפתח כגון עיבוד תמונה וזיהוי תבניות, העומק והרוחב של יישומי ראיית מכונה המשיכו להתרחב.
בשנים האחרונות, מונעת על ידי ייצור חכם ואוטומציה תעשייתית, טכנולוגיית ראיית המכונה מתפתחת לקראת דיוק ואינטליגנציה גבוהים יותר. בהשוואה לעיבוד תמונה דו מימדי מסורתי, מחקר ויישום בתחום הראייה התעשייתית עוברים בהדרגה לטכנולוגיית בדיקה חזותית תלת מימדית, ויושמו בקנה מידה גדול בתרחישים כמו בדיקת ריתוך, מיון חלקים ומדידה של יריעות מתכת.
ניתן לומר שבדיקת ראיית מכונה עוברת מ'זיהוי דו מימדי' ל'תפיסה תלת מימדית'.
מנקודת המבט של הרכב המערכת, מערכת ראיית מכונה שלמה כוללת לרוב מערכת תאורה, עדשה תעשייתית, מערכת מצלמה ומערכת עיבוד תמונה. ביישומים מעשיים, יש צורך לשקול באופן מקיף גורמי מפתח כגון מהירות פעולת המערכת ויעילות עיבוד התמונה, סוג המצלמה (צבע או שחור ולבן), האם יעד הבדיקה הוא מדידת גודל או זיהוי פגמים, טווח שדה הראייה הנדרש, רזולוציה וניגודיות הדמיה בהתאם לצרכי בדיקה ספציפיים, כדי לבנות פתרון בדיקה ויזואלי יציב ויעיל.
מערכת הראייהמבנה
עיצוב מערכת חומרה
חלק החומרה של מערכת ראיית המכונה מורכב בעיקר מעדשות תעשייתיות, מצלמות תעשייתיות, כרטיסי לכידת תמונה, יחידות קלט/פלט והתקני בקרה.
הביצועים הכוללים של מערכת הראייה לא תלויים רק באיכות הפיקסלים של המצלמה והחומרה עצמה, אלא יותר מכך, בהתאמה הסבירה ובעבודה המשותפת בין מודולי החומרה השונים. לדוגמה, ההתאמה של רזולוציית העדשה והמצלמה, והתאימות של כרטיס הלכידה וממשק הנתונים ישפיעו ישירות על איכות הדמיית המערכת ויציבות התפעול.
לכן, מערכת ראייה בעלת ביצועים גבוהים אינה ניתנת להפרדה משיקול מקיף של בחירת החומרה, מבנה המערכת ותרחישי היישום.
עיצוב מערכת תוכנה
עיצוב התוכנה של המערכת הוויזואלית הוא אחד מקישורי הליבה במערכת כולה ובעל מורכבות טכנית גבוהה. במהלך תהליך פיתוח התוכנה, אנו לא רק צריכים לשים לב לאופטימיזציה של מבנה התוכנה ויעילות התפעול, אלא גם להתמקד בדיוק, יכולת המימוש והביצועים היציבים של האלגוריתם בתרחישים בפועל.
לאחר השלמת מערכת התוכנה, יש לבדוק את החוסן שלה באופן מלא ולבצע אופטימיזציה מתמדת כדי להבטיח שהמערכת תוכל לשמור על ביצועי זיהוי יציבים ואמינים בסביבות חיצוניות מורכבות כגון שינויי תאורה, הפרעות רקע והבדלי יעדים.
ביישומי ראיית רובוט, המערכת לרוב מורכבת משני חלקים: מודול רכישת תמונה ומודול עיבוד ראייה.
ביניהם, מודול רכישת התמונה כולל מערכת תאורה, חיישן חזותי, ממיר אנלוגי לדיגיטלי (A/D), זיכרון מסגרת וכדומה, ומשמש לאיסוף מידע דו מימדי על תמונה בסביבה.
מערכת הראייה של הרובוט משיגה נתוני תמונה דרך החיישן החזותי, ולאחר מכן מנתחת, מזהה ומבינה אותם על ידי מעבד הראייה, וממירה את תוצאות העיבוד להוראות בקרה הניתנות להפעלה, כך שהרובוט יכול לזהות במדויק את אובייקט המטרה ולקבוע את מיקומו המרחבי, ובכך להשלים משימות כמו מיקום, אחיזה והרכבה.
פתרון מדידה ללא מגע ברמת דיוק גבוהה
החיישן הקונפוקל הספקטרלי פועל על בסיס העיקרון של פיזור אור לבן, ממקד אור מונוכרומטי באורכי גל שונים בעמדות מיקוד שונות באמצעות מערכת אופטית מיוחדת. המערכת יכולה לחשב במדויק את המרחק בין האובייקט לחיישן על סמך מידע אורך הגל של האור המוחזר מפני השטח של האובייקט הנמדד.
שיטת מדידה זו אינה מושפעת מעוצמת האור המוחזר, מתאימה כמעט לכל החומרים ויכולה להשיג מדידה ללא מגע ברמת דיוק גבוהה ויציבות גבוהה. סריקה בודדת יכולה להשיג את הטופוגרפיה התלת-ממדית השלמה או חלקית של פני האובייקט הנמדד, שיש לה יתרונות משמעותיים כמו דיוק גבוה, מהירות מהירה ויציבות חזקה.
בהשוואה לשיטות זיהוי לייזר מסורתיות, הטכנולוגיה הקונפוקלית הספקטרלית מתפקדת טוב במיוחד בזיהוי עצמים שקופים, מראות מחזירות אור וחומרים חזקים בולעי אור. הוא נמצא בשימוש נרחב בתרחישי זיהוי מקוונים בתעשיות כגון אלקטרוניקה 3C, מוליכים למחצה, אנרגיה חדשה של סוללת ליתיום וחומרה מדויקת.
פתרון מדידה תלת מימד בדרגה תעשייתית
טריאנגולציה בלייזר היא שיטת מדידה תלת מימדית בוגרת שנמצאת בשימוש נרחב בתעשיות כמו עץ, גומי, צמיגים, חלקי רכב, מתכת וברזל יצוק. הוא מתאים גם לתרחישי בדיקה בקנה מידה גדול כגון משטחי כביש.
טכנולוגיה זו מייצרת נתוני ענן נקודות תלת מימדיים על ידי הקרנת אור לייזר מובנה על פני השטח של אובייקט, והמצלמה אוספת את פרופיל קו הלייזר ומחשבת מידע גובה. ביישומים מעשיים, האובייקט הנמדד נע בדרך כלל מתחת לחיישן, וחלקי קווי מתאר מרובים נאספים ומחוברים באופן רציף כדי ליצור סוף סוף תמונה תלת מימדית שלמה.
לזווית ההתקנה בין הלייזר למצלמה יש השפעה חשובה על דיוק המדידה ויציבות המערכת. הגדלת הזווית עוזרת לשפר את רזולוציית הגובה, בעוד שהקטנת הזווית עוזרת לשפר את היציבות הכללית. בשילוב עם אלגוריתמי תוכנה בוגרים, טכנולוגיה זו הצליחה להשיג עיבוד וניתוח נתונים תלת מימדיים יעילים ואמינים.
פתרון מצלמת ראייה סטריאו 3D
מצלמת ראיית סטריאו תלת מימדית מבוססת על עקרון הראייה הדו-עינית הדומה לזה של העין האנושית. הוא רוכש תמונות מזוויות צפייה שונות באמצעות שתי מצלמות ומשתמש במידע פרלקס כדי לחשב את נתוני העומק של האובייקט.
ביישומים תעשייתיים בפועל, הקרנת מרקם אקראית משולבת בדרך כלל כדי לשפר את המידע האופייני של פני השטח של האובייקט הנמדד, ובכך לשפר את דיוק התאמת התמונה. טכנולוגיה זו הייתה בשימוש נרחב בתרחישים כגון הנחיית רובוט, מיקום הרכבה ואיתור באגים במערכת, והוכיחה יכולת הסתגלות טובה בזיהוי דינמי ובסביבות ייצור גמישות.
מיקום מרחבי מהיר
מצלמות ToF מחשבות את מרחק המטרה על ידי פליטת פולסים של אור אינפרא אדום ומדידת הזמן שלוקח לאור המוחזר לחזור לחיישן, בדומה לטווח מכ'ם.
טכנולוגיית ToF המוקדמת הוגבלה על ידי רזולוציה ודיוק המדידה, מה שהקשה על עמידה בדרישות הזיהוי ברמה התעשייתית. עם התקדמות הטכנולוגיה, צצו מצלמות מגה-פיקסל ToF, שמקודמות בהדרגה ביישומים כמו זיהוי אובייקטים תלת מימדיים, טעינה ופריקה של רובוטים וטעינה ופריקה של משטחים.
יש לציין כי טכנולוגיית ToF מתאימה יותר לזיהוי מטרות ומיקום מרחבי, ואינה מתאימה לתרחישי מדידה מימדים בעלי דיוק גבוה.
תפקיד התוכנה בראיית תלת מימד
לְהִתְקַיֵם במערכת ראיית מכונה תלת מימדית , תוכנת עיבוד וניתוח תמונה שוות ערך ל'מוח' של המערכת.
בדיקה חזותית מסורתית מסתמכת במידה רבה על תכנות כללים ומשלימה משימות בדיקה באמצעות השוואת תכונות ושיקול דעת סף. ככל שהמורכבות של תרחישי יישומים ממשיכה לגדול, למידה עמוקה ורשתות עצביות מלאכותיות (ANN) הופכות בהדרגה לפתרונות מיינסטרים.
רשתות עצבים מלאכותיות מורכבות ממספר רב של 'נוירונים' המחוברים ביניהם, וניתן להתאים את משקלי החיבור שלהם באופן רציף בהתאם לנתוני האימון, ובכך להשיג למידה אוטונומית וחילוץ תכונות. במסגרת מסגרת הלמידה העמוקה, המערכת אינה צריכה להגדיר ידנית תכונות תמונה מורכבות. זה רק צריך להזין נתוני תמונה מקוריים כדי להשלים אוטומטית חילוץ, סיווג ושיפוט של תכונות, תוך הצגת יכולת הסתגלות חזקה יותר וחוסן בסביבות תעשייתיות מורכבות.
עם הבשלות המתמשכת של טכנולוגיית הדמיה תלת מימדית, אלגוריתמים לעיבוד ענן נקודות ובינה מלאכותית, בדיקת ראיית מכונה מתפתחת לקראת דיוק גבוה יותר, אינטליגנציה חזקה יותר ותרחישי יישומים רחבים יותר.
השילוב של Zhixiang Vision של ראיית מכונה תלת מימדית ולמידה עמוקה ימשיך להרחיב את גבולות הבדיקה התעשייתית ולספק תמיכה טכנית אמינה יותר עבור שדרוגי ייצור ואוטומציה חכמים. תעשיית ראיית המכונה מלאה בציפיות לעתיד, בואו נחכה ונראה.
