Sistem visi mesin adalah sistem teknis yang menggunakan mesin untuk menggantikan mata manusia untuk menyelesaikan pengukuran, identifikasi, dan penilaian. Ini adalah salah satu cabang penting ilmu komputer. Sistem ini mengintegrasikan teknologi multidisiplin seperti optik, mekanik, elektronik, serta perangkat lunak dan perangkat keras komputer, dan melibatkan banyak bidang seperti pemrosesan gambar, pengenalan pola, kecerdasan buatan, pemrosesan sinyal, dan integrasi optik-mekanis.
Dengan pesatnya perkembangan teknologi utama seperti pemrosesan gambar dan pengenalan pola, kedalaman dan luasnya aplikasi visi mesin juga terus berkembang.
Dalam beberapa tahun terakhir, didorong oleh manufaktur cerdas dan otomasi industri, teknologi visi mesin telah berkembang menuju presisi dan kecerdasan yang lebih tinggi. Dibandingkan dengan pemrosesan gambar dua dimensi tradisional, penelitian dan penerapan di bidang visi industri secara bertahap berubah menjadi teknologi inspeksi visual 3D, dan telah diterapkan dalam skala besar dalam skenario seperti inspeksi las, penyortiran komponen, dan pengukuran lembaran logam.
Dapat dikatakan bahwa inspeksi visi mesin beralih dari 'pengenalan dua dimensi' ke 'persepsi tiga dimensi'.
Dari perspektif komposisi sistem, sistem visi mesin yang lengkap biasanya mencakup sistem pencahayaan, lensa industri, sistem kamera, dan sistem pemrosesan gambar. Dalam aplikasi praktis, perlu untuk mempertimbangkan secara komprehensif faktor-faktor utama seperti kecepatan pengoperasian sistem dan efisiensi pemrosesan gambar, jenis kamera (berwarna atau hitam putih), apakah target inspeksi adalah pengukuran ukuran atau identifikasi cacat, rentang bidang pandang yang diperlukan, resolusi, dan kontras gambar sesuai dengan kebutuhan inspeksi spesifik, sehingga dapat membangun solusi inspeksi visual yang stabil dan efisien.
sistem visualStruktur
Desain sistem perangkat keras
Bagian perangkat keras dari sistem visi mesin terutama terdiri dari lensa industri, kamera industri, kartu pengambilan gambar, unit input/output, dan perangkat kontrol.
Kinerja keseluruhan sistem penglihatan tidak hanya bergantung pada kualitas piksel kamera dan perangkat keras itu sendiri, namun yang lebih penting, pencocokan yang wajar dan kerja kolaboratif antara berbagai modul perangkat keras. Misalnya, kesesuaian lensa dan resolusi kamera, serta kompatibilitas kartu pengambilan dan antarmuka data akan secara langsung mempengaruhi kualitas pencitraan sistem dan stabilitas operasional.
Oleh karena itu, sistem visi berkinerja tinggi tidak dapat dipisahkan dari pertimbangan komprehensif pemilihan perangkat keras, struktur sistem, dan skenario aplikasi.
Desain sistem perangkat lunak
Perancangan perangkat lunak sistem visual merupakan salah satu penghubung inti dalam keseluruhan sistem dan memiliki kompleksitas teknis yang tinggi. Selama proses pengembangan perangkat lunak, kita tidak hanya perlu memperhatikan optimalisasi struktur program dan efisiensi pengoperasian, tetapi juga fokus pada keakuratan, realisasi, dan kinerja algoritma yang stabil dalam skenario aktual.
Setelah sistem perangkat lunak selesai dibangun, ketahanannya harus diuji sepenuhnya dan terus dioptimalkan untuk memastikan bahwa sistem dapat mempertahankan kinerja deteksi yang stabil dan andal di lingkungan eksternal yang kompleks seperti perubahan pencahayaan, gangguan latar belakang, dan perbedaan target.
Dalam aplikasi robot vision, sistem biasanya terdiri dari dua bagian: modul akuisisi gambar dan modul pemrosesan visi.
Diantaranya, modul akuisisi gambar mencakup sistem pencahayaan, sensor visual, konverter analog-ke-digital (A/D), memori bingkai, dll., dan digunakan untuk mengumpulkan informasi gambar dua dimensi di lingkungan.
Sistem penglihatan robot memperoleh data gambar melalui sensor visual, kemudian menganalisis, mengidentifikasi, dan memahaminya oleh pemroses penglihatan, dan mengubah hasil pemrosesan menjadi instruksi kontrol yang dapat dieksekusi, sehingga robot dapat secara akurat mengidentifikasi objek target dan menentukan posisi spasialnya, sehingga menyelesaikan tugas-tugas seperti penentuan posisi, pengambilan, dan perakitan.
Solusi pengukuran non-kontak presisi tinggi
Sensor confocal spektral bekerja berdasarkan prinsip dispersi cahaya putih, memfokuskan cahaya monokromatik dengan panjang gelombang berbeda pada posisi fokus berbeda melalui sistem optik khusus. Sistem dapat menghitung jarak antara benda dengan sensor secara akurat berdasarkan informasi panjang gelombang cahaya yang dipantulkan dari permukaan benda yang diukur.
Metode pengukuran ini tidak terpengaruh oleh intensitas cahaya yang dipantulkan, cocok untuk hampir semua material, dan dapat mencapai pengukuran non-kontak dengan presisi tinggi dan stabilitas tinggi. Pemindaian tunggal dapat memperoleh topografi 3D lengkap atau sebagian dari permukaan objek yang diukur, yang memiliki keunggulan signifikan seperti presisi tinggi, kecepatan tinggi, dan stabilitas yang kuat.
Dibandingkan dengan metode deteksi laser tradisional, teknologi confocal spektral berkinerja sangat baik dalam mendeteksi objek transparan, cermin yang sangat reflektif, dan bahan penyerap cahaya yang kuat. Ini banyak digunakan dalam skenario deteksi online di industri seperti elektronik 3C, semikonduktor, baterai lithium energi baru, dan perangkat keras presisi.
Solusi pengukuran 3D kelas industri
Triangulasi laser adalah metode pengukuran tiga dimensi matang yang banyak digunakan di industri seperti kayu, karet, ban, suku cadang mobil, logam, dan besi tuang. Ini juga cocok untuk skenario inspeksi skala besar seperti permukaan jalan.
Teknologi ini menghasilkan data titik awan 3D dengan memproyeksikan sinar laser terstruktur ke permukaan suatu objek, dan kamera mengumpulkan profil garis laser dan menghitung informasi ketinggian. Dalam aplikasi praktis, objek yang diukur biasanya bergerak di bawah sensor, dan beberapa bagian kontur dikumpulkan dan disambung secara terus menerus hingga akhirnya membentuk gambar tiga dimensi yang lengkap.
Sudut pemasangan antara laser dan kamera mempunyai dampak penting terhadap akurasi pengukuran dan stabilitas sistem. Meningkatkan sudut membantu meningkatkan resolusi ketinggian, sementara menurunkan sudut membantu meningkatkan stabilitas secara keseluruhan. Dikombinasikan dengan algoritma perangkat lunak yang matang, teknologi ini telah mampu mencapai pemrosesan dan analisis data 3D yang efisien dan andal.
Solusi kamera visi stereo 3D
Kamera penglihatan stereo 3D didasarkan pada prinsip penglihatan binokular yang mirip dengan mata manusia. Ia memperoleh gambar dari sudut pandang berbeda melalui dua kamera dan menggunakan informasi paralaks untuk menghitung data kedalaman objek.
Dalam aplikasi industri sebenarnya, proyeksi tekstur acak biasanya digabungkan untuk meningkatkan informasi karakteristik permukaan objek yang diukur, sehingga meningkatkan akurasi pencocokan gambar. Teknologi ini telah banyak digunakan dalam skenario seperti panduan robot, penentuan posisi perakitan, dan debugging sistem, serta telah menunjukkan kemampuan beradaptasi yang baik dalam deteksi dinamis dan lingkungan produksi yang fleksibel.
Penentuan posisi spasial yang cepat
Kamera ToF menghitung jarak target dengan memancarkan pulsa cahaya inframerah dan mengukur waktu yang dibutuhkan cahaya yang dipantulkan untuk kembali ke sensor, mirip dengan jangkauan radar.
Teknologi ToF awal dibatasi oleh resolusi dan akurasi pengukuran, sehingga sulit memenuhi persyaratan deteksi tingkat industri. Dengan kemajuan teknologi, kamera ToF megapiksel telah bermunculan, yang secara bertahap dipromosikan dalam aplikasi seperti deteksi objek 3D, bongkar muat robot, dan bongkar muat palet.
Perlu dicatat bahwa teknologi ToF lebih cocok untuk pengenalan target dan penentuan posisi spasial, dan tidak cocok untuk skenario pengukuran dimensi presisi tinggi.
Peran perangkat lunak dalam visi 3D
ada Dalam sistem visi mesin 3D , perangkat lunak pemrosesan dan analisis gambar setara dengan 'otak' sistem.
Inspeksi visual tradisional sangat bergantung pada pemrograman aturan dan menyelesaikan tugas inspeksi melalui perbandingan fitur dan penilaian ambang batas. Ketika kompleksitas skenario aplikasi terus meningkat, pembelajaran mendalam dan jaringan syaraf tiruan (JST) secara bertahap menjadi solusi utama.
Jaringan saraf tiruan terdiri dari sejumlah besar 'neuron' yang saling berhubungan, dan bobot koneksinya dapat terus disesuaikan berdasarkan data pelatihan, sehingga mencapai pembelajaran otonom dan ekstraksi fitur. Dalam kerangka pembelajaran mendalam, sistem tidak perlu mendefinisikan fitur gambar yang rumit secara manual. Ia hanya perlu memasukkan data gambar asli untuk menyelesaikan ekstraksi fitur, klasifikasi, dan penilaian secara otomatis, sehingga menunjukkan kemampuan beradaptasi dan ketahanan yang lebih kuat dalam lingkungan industri yang kompleks.
Dengan kematangan teknologi pencitraan 3D, algoritme pemrosesan point cloud, dan kecerdasan buatan yang berkelanjutan, inspeksi visi mesin berkembang menuju presisi yang lebih tinggi, kecerdasan yang lebih kuat, dan skenario aplikasi yang lebih luas.
Kombinasi visi mesin 3D dan pembelajaran mendalam Zhixiang Vision akan terus memperluas batasan inspeksi industri dan memberikan dukungan teknis yang lebih andal untuk manufaktur cerdas dan peningkatan otomasi. Industri visi mesin penuh dengan ekspektasi untuk masa depan, mari kita tunggu dan lihat.
