Մեքենայական տեսողության համակարգը տեխնիկական համակարգ է, որն օգտագործում է մեքենաներ՝ փոխարինելու մարդու աչքերը՝ ամբողջական չափման, նույնականացման և դատողության համար: Համակարգչային գիտության կարևոր ճյուղերից է։ Համակարգն ինտեգրում է բազմամասնագիտական տեխնոլոգիաներ, ինչպիսիք են օպտիկան, մեխանիկա, էլեկտրոնիկան և համակարգչային ծրագրերն ու սարքավորումները, և ներառում է բազմաթիվ ոլորտներ, ինչպիսիք են պատկերի մշակումը, օրինաչափությունների ճանաչումը, արհեստական ինտելեկտը, ազդանշանի մշակումը և օպտիկա-մեխանիկական ինտեգրումը:
Հիմնական տեխնոլոգիաների արագ զարգացմամբ, ինչպիսիք են պատկերի մշակումը և օրինաչափությունների ճանաչումը, մեքենայական տեսողության կիրառությունների խորությունն ու լայնությունը նույնպես շարունակել են ընդլայնվել:
Վերջին տարիներին, խելացի արտադրության և արդյունաբերական ավտոմատացման շնորհիվ, մեքենայական տեսողության տեխնոլոգիան զարգանում է դեպի ավելի բարձր ճշգրտություն և հետախուզություն: Համեմատած ավանդական երկչափ պատկերի մշակման հետ, արդյունաբերական տեսողության ոլորտում հետազոտությունն ու կիրառումը աստիճանաբար վերածվում են 3D տեսողական ստուգման տեխնոլոգիայի և լայնածավալ կիրառություն են ստացել այնպիսի սցենարներում, ինչպիսիք են եռակցման ստուգումը, մասերի տեսակավորումը և մետաղական թիթեղների չափումը:
Կարելի է ասել, որ մեքենայական տեսողության ստուգումը «երկչափ ճանաչումից» անցնում է «եռաչափ ընկալման»։
Համակարգի կազմի տեսանկյունից՝ մեքենայական տեսողության ամբողջական համակարգը սովորաբար ներառում է լուսավորության համակարգ, արդյունաբերական ոսպնյակներ, տեսախցիկի համակարգ և պատկերի մշակման համակարգ: Գործնական կիրառություններում անհրաժեշտ է համակողմանիորեն դիտարկել հիմնական գործոնները, ինչպիսիք են համակարգի գործառնական արագությունը և պատկերի մշակման արդյունավետությունը, տեսախցիկի տեսակը (գույն կամ սև և սպիտակ), արդյոք ստուգման նպատակը չափի չափումն է կամ թերության նույնականացումը, տեսադաշտի պահանջվող տիրույթը, լուծաչափը և պատկերի հակադրությունը՝ ըստ հատուկ ստուգման կարիքների, որպեսզի ստեղծվի կայուն և արդյունավետ տեսողական ստուգման լուծում:
Տեսողական համակարգի կառուցվածքը
Սարքավորումների համակարգի նախագծում
Մեքենայի տեսողության համակարգի ապարատային մասը հիմնականում բաղկացած է արդյունաբերական ոսպնյակներից, արդյունաբերական տեսախցիկներից, պատկերի նկարահանման քարտերից, մուտքային/ելքային միավորներից և կառավարման սարքերից:
Տեսողության համակարգի ընդհանուր կատարումը կախված է ոչ միայն տեսախցիկի պիքսելների և բուն ապարատային որակից, այլ ավելի կարևոր է տարբեր ապարատային մոդուլների միջև խելամիտ համապատասխանությունից և համագործակցությունից: Օրինակ, ոսպնյակի և տեսախցիկի լուծաչափի համընկնումն ու ձայնագրման քարտի և տվյալների ինտերֆեյսի համատեղելիությունը ուղղակիորեն կազդեն համակարգի պատկերման որակի և գործառնական կայունության վրա:
Հետևաբար, բարձր արդյունավետությամբ տեսլականի համակարգը անբաժանելի է ապարատային ընտրության, համակարգի կառուցվածքի և կիրառման սցենարների համապարփակ դիտարկումից:
Ծրագրային համակարգի նախագծում
Տեսողական համակարգի ծրագրային դիզայնը ամբողջ համակարգի առանցքային օղակներից մեկն է և ունի բարձր տեխնիկական բարդություն: Ծրագրային ապահովման մշակման գործընթացում մենք ոչ միայն պետք է ուշադրություն դարձնենք ծրագրի կառուցվածքի և գործառնական արդյունավետության օպտիմալացմանը, այլև կենտրոնանանք իրական սցենարներում ալգորիթմի ճշգրտության, իրագործելիության և կայուն կատարման վրա:
Ծրագրային համակարգի ավարտից հետո դրա ամրությունը պետք է ամբողջությամբ փորձարկվի և շարունակաբար օպտիմիզացվի՝ ապահովելու համար, որ համակարգը կարող է պահպանել կայուն և հուսալի հայտնաբերման արդյունավետությունը բարդ արտաքին միջավայրերում, ինչպիսիք են լուսավորության փոփոխությունները, ֆոնային միջամտությունը և թիրախային տարբերությունները:
Ռոբոտի տեսողության հավելվածներում համակարգը սովորաբար բաղկացած է երկու մասից՝ պատկերի հավաքման մոդուլից և տեսողության մշակման մոդուլից:
Դրանցից պատկերի ձեռքբերման մոդուլը ներառում է լուսավորության համակարգ, տեսողական սենսոր, անալոգային թվային փոխարկիչ (A/D), շրջանակային հիշողություն և այլն, և օգտագործվում է շրջակա միջավայրում պատկերի երկչափ տեղեկատվություն հավաքելու համար:
Ռոբոտի տեսողության համակարգը պատկերի տվյալներ է ստանում տեսողական սենսորի միջոցով, այնուհետև վերլուծում, նույնականացնում և հասկանում է տեսողության պրոցեսորի կողմից և մշակման արդյունքները փոխակերպում է գործարկվող կառավարման հրահանգների, որպեսզի ռոբոտը կարողանա ճշգրիտ ճանաչել թիրախային օբյեկտը և որոշել դրա տարածական դիրքը՝ դրանով իսկ կատարելով այնպիսի առաջադրանքներ, ինչպիսիք են դիրքավորումը, բռնելը և հավաքելը:
Բարձր ճշգրտության ոչ կոնտակտային չափման լուծում
Սպեկտրալ կոնֆոկալ սենսորն աշխատում է սպիտակ լույսի ցրման սկզբունքի հիման վրա՝ հատուկ օպտիկական համակարգի միջոցով կենտրոնացնելով տարբեր ալիքի երկարությունների մոնոխրոմատիկ լույսը տարբեր ֆոկուսային դիրքերում։ Համակարգը կարող է ճշգրիտ հաշվարկել օբյեկտի և սենսորի միջև հեռավորությունը՝ հիմնվելով չափված օբյեկտի մակերեսից արտացոլված լույսի ալիքի երկարության տեղեկատվության վրա:
Չափման այս մեթոդը չի ազդում արտացոլված լույսի ինտենսիվության վրա, հարմար է գրեթե բոլոր նյութերի համար և կարող է հասնել բարձր ճշգրտության, բարձր կայունության ոչ կոնտակտային չափումների: Մեկ սկանավորումը կարող է ստանալ չափված օբյեկտի մակերեսի ամբողջական կամ մասնակի 3D տեղագրությունը, որն ունի զգալի առավելություններ, ինչպիսիք են բարձր ճշգրտությունը, արագ արագությունը և ուժեղ կայունությունը:
Լազերային հայտնաբերման ավանդական մեթոդների համեմատ՝ սպեկտրալ կոնֆոկալ տեխնոլոգիան հատկապես լավ է կատարում թափանցիկ առարկաների, բարձր արտացոլող հայելիների և ուժեղ լույս կլանող նյութերի հայտնաբերման գործում: Այն լայնորեն օգտագործվում է առցանց հայտնաբերման սցենարներում այնպիսի ոլորտներում, ինչպիսիք են 3C էլեկտրոնիկան, կիսահաղորդիչները, լիթիումի մարտկոցների նոր էներգիան և ճշգրիտ սարքաշարը:
Արդյունաբերական կարգի 3D չափման լուծում
Լազերային եռանկյունավորումը հասուն եռաչափ չափման մեթոդ է, որը լայնորեն կիրառվում է այնպիսի արդյունաբերություններում, ինչպիսիք են փայտը, ռետինը, անվադողերը, ավտոպահեստամասերը, մետաղը և չուգունը: Այն նաև հարմար է լայնածավալ ստուգումների սցենարների համար, ինչպիսիք են ճանապարհների մակերեսները:
Այս տեխնոլոգիան առաջացնում է 3D կետային ամպային տվյալներ՝ նախագծելով կառուցվածքային լազերային լույս օբյեկտի մակերեսի վրա, իսկ տեսախցիկը հավաքում է լազերային գծի պրոֆիլը և հաշվարկում բարձրության մասին տեղեկատվությունը: Գործնական կիրառություններում չափված առարկան սովորաբար շարժվում է սենսորի տակ, և մի քանի ուրվագծային հատվածներ շարունակաբար հավաքվում և միացվում են, որպեսզի վերջնականապես ձևավորվի ամբողջական եռաչափ պատկեր:
Լազերի և տեսախցիկի միջև տեղադրման անկյունը կարևոր ազդեցություն ունի չափումների ճշգրտության և համակարգի կայունության վրա: Անկյունի մեծացումը նպաստում է բարձրության լուծաչափի բարելավմանը, մինչդեռ անկյունի փոքրացումը նպաստում է ընդհանուր կայունության բարելավմանը: Համակցված հասուն ծրագրային ալգորիթմների հետ՝ այս տեխնոլոգիան կարողացել է հասնել արդյունավետ և հուսալի 3D տվյալների մշակման և վերլուծության:
3D ստերեո տեսողության տեսախցիկի լուծում
3D ստերեո տեսլականի տեսախցիկը հիմնված է մարդու աչքի տեսողության սկզբունքի վրա: Այն երկու տեսախցիկի միջոցով ձեռք է բերում պատկերներ տարբեր դիտանկյուններից և օգտագործում է պարալաքսի տեղեկատվությունը օբյեկտի խորության տվյալները հաշվարկելու համար:
Իրական արդյունաբերական կիրառություններում, պատահական հյուսվածքի պրոյեկցիան սովորաբար համակցվում է չափվող օբյեկտի մակերեսի բնութագրական տեղեկատվությունը մեծացնելու համար՝ դրանով իսկ բարելավելով պատկերի համապատասխանության ճշգրտությունը: Այս տեխնոլոգիան լայնորեն օգտագործվել է այնպիսի սցենարներում, ինչպիսիք են ռոբոտների ուղղորդումը, հավաքման դիրքավորումը և համակարգի կարգաբերումը, և լավ հարմարվողականություն է ցուցաբերել դինամիկ հայտնաբերման և ճկուն արտադրական միջավայրերում:
Արագ տարածական դիրքավորում
ToF տեսախցիկները հաշվարկում են թիրախային հեռավորությունը՝ արձակելով ինֆրակարմիր լույսի իմպուլսներ և չափելով արտացոլված լույսի սենսոր վերադառնալու ժամանակը, ինչը նման է ռադարային տիրույթին:
Վաղ ToF տեխնոլոգիան սահմանափակված էր լուծաչափով և չափման ճշգրտությամբ, ինչը դժվարացնում էր արդյունաբերական մակարդակի հայտնաբերման պահանջների բավարարումը: Տեխնոլոգիաների առաջխաղացման հետ մեկտեղ ի հայտ են եկել մեգապիքսել ToF տեսախցիկներ, որոնք աստիճանաբար առաջ են մղվում այնպիսի ծրագրերում, ինչպիսիք են 3D օբյեկտների հայտնաբերումը, ռոբոտների բեռնումն ու բեռնաթափումը և ծղոտե ներքնակների բեռնումն ու բեռնաթափումը:
Պետք է նշել, որ ToF տեխնոլոգիան ավելի հարմար է թիրախների ճանաչման և տարածական դիրքավորման համար և հարմար չէ չափումների չափման բարձր ճշգրտության սցենարների համար:
Ծրագրային ապահովման դերը 3D տեսլականում
գոյություն ունենալ Մեքենայական տեսողության 3D համակարգում պատկերի մշակման և վերլուծության ծրագրակազմը համարժեք է համակարգի «ուղեղին»:
Ավանդական տեսողական ստուգումը մեծապես հիմնված է կանոնների ծրագրավորման վրա և ավարտում է ստուգման առաջադրանքները՝ հնարավորությունների համեմատության և շեմերի դատողության միջոցով: Քանի որ կիրառական սցենարների բարդությունը շարունակում է աճել, խորը ուսուցումը և արհեստական նեյրոնային ցանցերը (ANN) աստիճանաբար դառնում են հիմնական լուծումներ:
Արհեստական նեյրոնային ցանցերը կազմված են մեծ թվով փոխկապակցված «նեյրոններից», և դրանց կապի կշիռները կարող են շարունակաբար ճշգրտվել՝ ըստ ուսուցման տվյալների՝ դրանով իսկ հասնելով ինքնավար ուսուցման և առանձնահատկությունների արդյունահանման: Խորը ուսուցման շրջանակի ներքո համակարգը կարիք չունի ձեռքով սահմանել պատկերի բարդ առանձնահատկությունները: Այն պետք է մուտքագրի միայն բնօրինակ պատկերի տվյալներ, որպեսզի ավտոմատ կերպով ավարտի առանձնահատկությունների արդյունահանումը, դասակարգումը և դատողությունը՝ ցույց տալով ավելի ուժեղ հարմարվողականություն և ամրություն բարդ արդյունաբերական միջավայրերում:
Եռաչափ պատկերների տեխնոլոգիայի, կետային ամպերի մշակման ալգորիթմների և արհեստական ինտելեկտի շարունակական հասունության շնորհիվ մեքենայական տեսողության ստուգումը զարգանում է դեպի ավելի բարձր ճշգրտություն, ավելի ուժեղ ինտելեկտ և ավելի լայն կիրառական սցենարներ:
Smart Vision-ի 3D մեքենայական տեսողության և խորը ուսուցման համադրությունը կշարունակի ընդլայնել արդյունաբերական ստուգման սահմանները և ապահովել ավելի հուսալի տեխնիկական աջակցություն խելացի արտադրության և ավտոմատացման արդիականացման համար: Մեքենայական տեսողության արդյունաբերությունը լի է ապագայի ակնկալիքներով, սպասենք և տեսնենք:
