Systém strojového videnia je technický systém, ktorý využíva stroje na nahradenie ľudských očí na dokončenie merania, identifikácie a posudzovania. Je to jeden z dôležitých odborov informatiky. Systém integruje multidisciplinárne technológie, ako je optika, mechanika, elektronika a počítačový softvér a hardvér, a zahŕňa mnoho oblastí, ako je spracovanie obrazu, rozpoznávanie vzorov, umelá inteligencia, spracovanie signálov a opticko-mechanická integrácia.
S rýchlym vývojom kľúčových technológií, ako je spracovanie obrazu a rozpoznávanie vzorov, sa hĺbka a šírka aplikácií strojového videnia tiež neustále rozširovali.
V posledných rokoch, poháňané inteligentnou výrobou a priemyselnou automatizáciou, sa technológia strojového videnia vyvíja smerom k vyššej presnosti a inteligencii. V porovnaní s tradičným spracovaním dvojrozmerného obrazu sa výskum a aplikácia v oblasti priemyselného videnia postupne transformuje na technológiu 3D vizuálnej kontroly a vo veľkom rozsahu sa uplatňuje v scenároch, ako je kontrola zvarov, triedenie dielov a meranie plechu.
Dá sa povedať, že inšpekcia strojového videnia prechádza od „dvojrozmerného rozpoznávania“ k „trojrozmernému vnímaniu“.
Kompletný systém strojového videnia z pohľadu zloženia systému zvyčajne zahŕňa osvetľovací systém, priemyselný objektív, kamerový systém a systém spracovania obrazu. V praktických aplikáciách je potrebné komplexne zvážiť kľúčové faktory, ako je prevádzková rýchlosť systému a efektivita spracovania obrazu, typ kamery (farebná alebo čiernobiela), či je cieľom inšpekcie meranie veľkosti alebo identifikácia defektov, požadovaný rozsah zorného poľa, rozlíšenie a kontrast obrazu podľa špecifických potrieb inšpekcie, aby bolo možné vybudovať stabilné a efektívne riešenie vizuálnej kontroly.
vizuálneho systémuŠtruktúra
Návrh hardvérového systému
Hardvérovú časť systému strojového videnia tvoria najmä priemyselné šošovky, priemyselné kamery, karty na snímanie obrazu, vstupno/výstupné jednotky a ovládacie zariadenia.
Celkový výkon systému videnia nezávisí len od kvality pixelov fotoaparátu a samotného hardvéru, ale čo je dôležitejšie, od primeranej zhody a spolupráce medzi rôznymi hardvérovými modulmi. Napríklad prispôsobenie rozlíšenia objektívu a fotoaparátu a kompatibilita snímacej karty a dátového rozhrania priamo ovplyvní kvalitu zobrazenia systému a prevádzkovú stabilitu.
Preto je vysokovýkonný systém videnia neoddeliteľný od komplexného zváženia výberu hardvéru, štruktúry systému a aplikačných scenárov.
Návrh softvérového systému
Softvérový dizajn vizuálneho systému je jedným zo základných článkov celého systému a má vysokú technickú náročnosť. Počas procesu vývoja softvéru musíme venovať pozornosť nielen optimalizácii štruktúry programu a prevádzkovej efektívnosti, ale zamerať sa aj na presnosť, realizovateľnosť a stabilný výkon algoritmu v skutočných scenároch.
Po dokončení softvérového systému musí byť jeho robustnosť plne testovaná a neustále optimalizovaná, aby sa zabezpečilo, že systém dokáže udržať stabilný a spoľahlivý výkon detekcie v zložitých vonkajších prostrediach, ako sú zmeny osvetlenia, rušenie pozadia a rozdiely medzi cieľmi.
V aplikáciách robotického videnia sa systém zvyčajne skladá z dvoch častí: modulu snímania obrazu a modulu spracovania obrazu.
Medzi nimi modul na získavanie obrazu zahŕňa osvetľovací systém, vizuálny senzor, analógovo-digitálny prevodník (A/D), rámcovú pamäť atď., a používa sa na zhromažďovanie dvojrozmerných obrazových informácií v prostredí.
Systém videnia robota získava obrazové údaje prostredníctvom vizuálneho snímača a potom ich analyzuje, identifikuje a chápe ich pomocou procesora videnia a konvertuje výsledky spracovania na vykonateľné riadiace pokyny, aby robot mohol presne identifikovať cieľový objekt a určiť jeho priestorovú polohu, a tým dokončiť úlohy, ako je umiestnenie, uchopenie a montáž.
Vysoko presné riešenie bezkontaktného merania
Spektrálny konfokálny snímač funguje na princípe rozptylu bieleho svetla, pričom prostredníctvom špeciálneho optického systému sústreďuje monochromatické svetlo rôznych vlnových dĺžok v rôznych polohách zaostrenia. Systém dokáže presne vypočítať vzdialenosť medzi objektom a senzorom na základe informácie o vlnovej dĺžke svetla odrazeného od povrchu meraného objektu.
Táto metóda merania nie je ovplyvnená intenzitou odrazeného svetla, je vhodná pre takmer všetky materiály a môže dosiahnuť vysokú presnosť a stabilitu bezkontaktného merania. Jediným skenovaním je možné získať úplnú alebo čiastočnú 3D topografiu povrchu meraného objektu, čo má významné výhody, ako je vysoká presnosť, vysoká rýchlosť a silná stabilita.
V porovnaní s tradičnými metódami laserovej detekcie funguje spektrálna konfokálna technológia obzvlášť dobre pri detekcii priehľadných predmetov, vysoko reflexných zrkadiel a silných materiálov absorbujúcich svetlo. Je široko používaný v scenároch online detekcie v odvetviach, ako je elektronika 3C, polovodiče, nová energia lítiových batérií a presný hardvér.
Priemyselné riešenie 3D merania
Laserová triangulácia je vyspelá trojrozmerná metóda merania, ktorá sa široko používa v odvetviach ako drevo, guma, pneumatiky, automobilové diely, kov a liatina. Je tiež vhodný pre scenáre rozsiahlych kontrol, ako sú povrchy ciest.
Táto technológia generuje údaje 3D mračna bodov premietaním štruktúrovaného laserového svetla na povrch objektu a kamera zbiera profil laserovej čiary a vypočítava informácie o výške. V praktických aplikáciách sa meraný objekt zvyčajne pohybuje pod snímačom a nepretržite sa zhromažďujú a spájajú viaceré obrysové časti, aby sa nakoniec vytvoril úplný trojrozmerný obraz.
Uhol inštalácie medzi laserom a kamerou má dôležitý vplyv na presnosť merania a stabilitu systému. Zväčšenie uhla pomáha zlepšiť rozlíšenie výšky, zatiaľ čo zníženie uhla pomáha zlepšiť celkovú stabilitu. V kombinácii s vyspelými softvérovými algoritmami bola táto technológia schopná dosiahnuť efektívne a spoľahlivé 3D spracovanie a analýzu údajov.
Riešenie 3D stereo kamery
3D stereovízna kamera je založená na princípe binokulárneho videnia podobnom ľudskému oku. Prostredníctvom dvoch kamier získava obrázky z rôznych uhlov pohľadu a využíva informácie o paralaxe na výpočet údajov o hĺbke objektu.
V skutočných priemyselných aplikáciách sa náhodná projekcia textúry zvyčajne kombinuje na zlepšenie charakteristických informácií o povrchu meraného objektu, čím sa zlepší presnosť zhody obrazu. Táto technológia bola široko používaná v scenároch, ako je navádzanie robotov, polohovanie zostavy a ladenie systému, a preukázala dobrú prispôsobivosť v dynamickej detekcii a flexibilných výrobných prostrediach.
Rýchle priestorové polohovanie
Kamery ToF vypočítavajú vzdialenosť cieľa vyžarovaním impulzov infračerveného svetla a meraním času, ktorý trvá, kým sa odrazené svetlo vráti do senzora, podobne ako pri radarovom meraní.
Skorá technológia ToF bola obmedzená rozlíšením a presnosťou merania, čo sťažovalo splnenie požiadaviek detekcie na priemyselnej úrovni. S pokrokom technológie sa objavili megapixelové kamery ToF, ktoré sa postupne presadzujú v aplikáciách, ako je detekcia 3D objektov, nakladanie a vykladanie robotov a nakladanie a vykladanie paliet.
Je potrebné poznamenať, že technológia ToF je vhodnejšia na rozpoznávanie cieľov a priestorové určovanie polohy a nie je vhodná pre scenáre vysoko presného merania rozmerov.
Úloha softvéru v 3D videní
existujú V systéme 3D strojového videnia je softvér na spracovanie a analýzu obrazu ekvivalentný „mozgu“ systému.
Tradičná vizuálna kontrola sa vo veľkej miere opiera o programovanie pravidiel a dokončuje úlohy kontroly prostredníctvom porovnávania funkcií a hodnotenia prahových hodnôt. Ako sa zložitosť aplikačných scenárov neustále zvyšuje, hlboké učenie a umelé neurónové siete (ANN) sa postupne stávajú hlavnými riešeniami.
Umelé neurónové siete sa skladajú z veľkého počtu vzájomne prepojených „neurónov“ a ich váhy pripojenia je možné priebežne upravovať podľa trénovacích údajov, čím sa dosiahne autonómne učenie a extrakcia funkcií. V rámci hlbokého učenia systém nemusí manuálne definovať zložité obrazové prvky. Potrebuje iba vložiť pôvodné obrazové údaje, aby sa automaticky dokončila extrakcia prvkov, klasifikácia a posúdenie, čím sa prejaví silnejšia adaptabilita a robustnosť v zložitých priemyselných prostrediach.
Vďaka neustálej vyspelosti technológie 3D zobrazovania, algoritmov spracovania mračna bodov a umelej inteligencie sa kontrola strojového videnia vyvíja smerom k vyššej presnosti, silnejšej inteligencii a širším aplikačným scenárom.
Kombinácia 3D strojového videnia a hlbokého učenia od Smart Vision bude naďalej rozširovať hranice priemyselnej inšpekcie a poskytovať spoľahlivejšiu technickú podporu pre modernizáciu inteligentnej výroby a automatizácie. Odvetvie strojového videnia je plné očakávaní do budúcnosti, počkajme a uvidíme.
