Sistem strojnega vida je tehnični sistem, ki uporablja stroje za zamenjavo človeških oči za popolno merjenje, identifikacijo in presojo. Je ena izmed pomembnih vej računalništva. Sistem združuje večdisciplinarne tehnologije, kot so optika, mehanika, elektronika ter računalniška programska in strojna oprema, in vključuje številna področja, kot so obdelava slik, prepoznavanje vzorcev, umetna inteligenca, obdelava signalov in optično-mehanska integracija.
S hitrim razvojem ključnih tehnologij, kot sta obdelava slik in prepoznavanje vzorcev, sta se širili tudi globina in širina aplikacij strojnega vida.
V zadnjih letih se tehnologija strojnega vida, ki jo poganjata pametna proizvodnja in industrijska avtomatizacija, razvija v smeri višje natančnosti in inteligence. V primerjavi s tradicionalno dvodimenzionalno obdelavo slik se raziskave in uporaba na področju industrijskega vida postopoma spreminjajo v tehnologijo 3D vizualnega nadzora in se uporabljajo v velikem obsegu v scenarijih, kot so pregled zvarov, razvrščanje delov in merjenje pločevine.
Lahko rečemo, da se pregled strojnega vida premika od 'dvodimenzionalnega prepoznavanja' k 'tridimenzionalnemu zaznavanju'.
Z vidika sestave sistema celoten sistem strojnega vida običajno vključuje sistem osvetlitve, industrijsko lečo, sistem kamere in sistem za obdelavo slike. V praktičnih aplikacijah je treba celovito upoštevati ključne dejavnike, kot so hitrost delovanja sistema in učinkovitost obdelave slike, vrsta kamere (barvna ali črno-bela), ali je cilj pregleda merjenje velikosti ali prepoznavanje napake, zahtevano območje vidnega polja, ločljivost in kontrast slike v skladu s posebnimi potrebami pregleda, tako da zgradimo stabilno in učinkovito rešitev vizualnega pregleda.
vidnega sistemaZgradba
Oblikovanje strojne opreme
Strojni del sistema strojnega vida v glavnem sestavljajo industrijske leče, industrijske kamere, kartice za zajem slike, vhodno/izhodne enote in krmilne naprave.
Celotna zmogljivost sistema vida ni odvisna le od kakovosti slikovnih pik kamere in same strojne opreme, ampak kar je še pomembneje, razumnega ujemanja in sodelovanja med različnimi moduli strojne opreme. Na primer, ujemanje ločljivosti objektiva in kamere ter združljivost kartice za zajemanje in podatkovnega vmesnika bo neposredno vplivalo na kakovost slike sistema in stabilnost delovanja.
Zato je visoko zmogljiv vizijski sistem neločljivo povezan s celovitim upoštevanjem izbire strojne opreme, strukture sistema in scenarijev uporabe.
Oblikovanje programskega sistema
Programska zasnova vizualnega sistema je eden izmed osrednjih členov v celotnem sistemu in ima visoko tehnično zahtevnost. Med procesom razvoja programske opreme ne moramo biti pozorni le na optimizacijo programske strukture in učinkovitosti delovanja, temveč se osredotočiti tudi na točnost, izvedljivost in stabilno delovanje algoritma v dejanskih scenarijih.
Ko je sistem programske opreme dokončan, je treba njegovo robustnost v celoti testirati in nenehno optimizirati, da se zagotovi, da lahko sistem vzdržuje stabilno in zanesljivo delovanje zaznavanja v kompleksnih zunanjih okoljih, kot so spremembe osvetlitve, motnje v ozadju in ciljne razlike.
V aplikacijah robotskega vida je sistem običajno sestavljen iz dveh delov: modula za zajemanje slike in modula za obdelavo vida.
Med njimi modul za zajemanje slik vključuje sistem osvetlitve, vizualni senzor, analogno-digitalni pretvornik (A/D), okvirni pomnilnik itd., in se uporablja za zbiranje dvodimenzionalnih slikovnih informacij v okolju.
Robotski vidni sistem pridobi slikovne podatke prek vizualnega senzorja, nato pa jih analizira, prepozna in razume vizualni procesor ter pretvori rezultate obdelave v izvršljiva krmilna navodila, tako da lahko robot natančno identificira ciljni objekt in določi njegov prostorski položaj, s čimer dokonča naloge, kot so pozicioniranje, prijemanje in sestavljanje.
Visoko natančna rešitev za brezkontaktno merjenje
Spektralni konfokalni senzor deluje na principu disperzije bele svetlobe, s posebnim optičnim sistemom fokusira monokromatsko svetlobo različnih valovnih dolžin na različnih položajih ostrenja. Sistem lahko natančno izračuna razdaljo med predmetom in senzorjem na podlagi informacije o valovni dolžini svetlobe, ki se odbija od površine merjenega predmeta.
Na to merilno metodo ne vpliva intenzivnost odbite svetlobe, primerna je za skoraj vse materiale in lahko doseže visoko natančno brezkontaktno merjenje visoke stabilnosti. Z enim samim skeniranjem lahko pridobite popolno ali delno 3D topografijo površine merjenega predmeta, kar ima pomembne prednosti, kot so visoka natančnost, visoka hitrost in velika stabilnost.
V primerjavi s tradicionalnimi laserskimi metodami zaznavanja se spektralna konfokalna tehnologija še posebej dobro obnese pri zaznavanju prozornih predmetov, visoko odbojnih ogledal in materialov, ki močno absorbirajo svetlobo. Široko se uporablja v scenarijih spletnega zaznavanja v panogah, kot so elektronika 3C, polprevodniki, nova energija z litijevo baterijo in natančna strojna oprema.
3D merilna rešitev industrijskega razreda
Laserska triangulacija je zrela tridimenzionalna merilna metoda, ki se pogosto uporablja v industriji lesa, gume, pnevmatik, avtomobilskih delov, kovine in litega železa. Primeren je tudi za scenarije obsežnih pregledov, kot so cestne površine.
Ta tehnologija generira podatke 3D oblaka točk s projiciranjem strukturirane laserske svetlobe na površino predmeta, kamera pa zbere profil laserske črte in izračuna informacije o višini. V praktičnih aplikacijah se merjeni predmet običajno premika pod senzorjem, več konturnih odsekov pa se nenehno zbira in spaja, da se končno oblikuje popolna tridimenzionalna slika.
Namestitveni kot med laserjem in kamero pomembno vpliva na natančnost meritev in stabilnost sistema. Povečanje kota pomaga izboljšati ločljivost višine, medtem ko zmanjšanje kota pomaga izboljšati splošno stabilnost. V kombinaciji z zrelimi algoritmi programske opreme je ta tehnologija uspela doseči učinkovito in zanesljivo obdelavo in analizo 3D podatkov.
Rešitev kamere za 3D stereo vid
3D stereo kamera temelji na principu binokularnega vida, podobnega človeškemu očesu. Prek dveh kamer pridobiva slike iz različnih zornih kotov in uporablja podatke o paralaksi za izračun podatkov o globini predmeta.
V dejanskih industrijskih aplikacijah se naključna projekcija teksture običajno kombinira za izboljšanje značilnih informacij o površini merjenega predmeta, s čimer se izboljša natančnost ujemanja slike. Ta tehnologija se pogosto uporablja v scenarijih, kot so vodenje robota, pozicioniranje sestavov in odpravljanje napak v sistemu, in je pokazala dobro prilagodljivost pri dinamičnem zaznavanju in prilagodljivih proizvodnih okoljih.
Hitro prostorsko pozicioniranje
Kamere ToF izračunajo ciljno razdaljo z oddajanjem impulzov infrardeče svetlobe in merjenjem časa, ki je potreben, da se odbita svetloba vrne na senzor, podobno kot pri radarskem določanju razdalje.
Zgodnja tehnologija ToF je bila omejena z ločljivostjo in natančnostjo meritev, zaradi česar je bilo težko izpolnjevati zahteve za zaznavanje na industrijski ravni. Z napredkom tehnologije so se pojavile megapikselne ToF kamere, ki se postopoma promovirajo v aplikacijah, kot so 3D zaznavanje predmetov, robotsko nakladanje in razkladanje ter nakladanje in razkladanje palet.
Opozoriti je treba, da je tehnologija ToF bolj primerna za prepoznavanje ciljev in prostorsko pozicioniranje ter ni primerna za scenarije visokonatančnih dimenzijskih meritev.
Vloga programske opreme v 3D viziji
obstajajo V sistemu strojnega vida 3D je programska oprema za obdelavo in analizo slike enakovredna 'možganom' sistema.
Tradicionalni vizualni pregled se v veliki meri opira na programiranje pravil in dokonča naloge pregleda s primerjavo funkcij in presojo praga. Ker se kompleksnost aplikacijskih scenarijev še naprej povečuje, globoko učenje in umetne nevronske mreže (ANN) postopoma postajajo glavne rešitve.
Umetne nevronske mreže so sestavljene iz velikega števila medsebojno povezanih 'nevronov', njihove uteži povezav pa se lahko nenehno prilagajajo glede na podatke o usposabljanju, s čimer se doseže avtonomno učenje in ekstrakcija funkcij. V okviru globokega učenja sistemu ni treba ročno definirati kompleksnih funkcij slike. Vnesti mora le izvirne slikovne podatke, da samodejno dokonča ekstrakcijo funkcij, klasifikacijo in presojo, kar kaže večjo prilagodljivost in robustnost v kompleksnih industrijskih okoljih.
Z nenehnim napredovanjem tehnologije 3D-slikovanja, algoritmov za obdelavo oblakov točk in umetne inteligence se pregled strojnega vida razvija v smeri višje natančnosti, močnejše inteligence in širših scenarijev uporabe.
Zhixiang Vision kombinacija 3D strojnega vida in globokega učenja bo še naprej širila meje industrijskega nadzora in zagotavljala zanesljivejšo tehnično podporo za inteligentno proizvodnjo in nadgradnje avtomatizacije. Industrija strojnega vida je polna pričakovanj za prihodnost, počakajmo in bomo videli.
