Систем машинског вида је технички систем који користи машине да замене људске очи за комплетно мерење, идентификацију и расуђивање. То је једна од важних грана рачунарства. Систем интегрише мултидисциплинарне технологије као што су оптика, механика, електроника и компјутерски софтвер и хардвер, и укључује многа поља као што су обрада слика, препознавање образаца, вештачка интелигенција, обрада сигнала и оптичко-механичка интеграција.
Са брзим развојем кључних технологија као што су обрада слика и препознавање узорака, дубина и ширина апликација машинског вида такође су наставили да се шире.
Последњих година, вођена паметном производњом и индустријском аутоматизацијом, технологија машинског вида еволуирала је ка већој прецизности и интелигенцији. У поређењу са традиционалном обрадом дводимензионалних слика, истраживање и примена у области индустријског вида постепено се трансформише у технологију 3Д визуелне инспекције и примењује се у великом обиму у сценаријима као што су контрола завара, сортирање делова и мерење лимова.
Може се рећи да инспекција машинског вида прелази са „дводимензионалног препознавања“ на „тродимензионалну перцепцију“.
Из перспективе састава система, комплетан систем машинског вида обично укључује систем осветљења, индустријско сочиво, систем камере и систем за обраду слике. У практичним применама, неопходно је свеобухватно размотрити кључне факторе као што су брзина рада система и ефикасност обраде слике, тип камере (у боји или црно-бела), да ли је циљ инспекције мерење величине или идентификација дефекта, потребан опсег видног поља, резолуција и контраст слике у складу са специфичним потребама инспекције, како би се изградило стабилно и ефикасно решење за визуелну инспекцију.
визуелног системаСтруктура
Дизајн хардверског система
Хардверски део система машинског вида углавном се састоји од индустријских сочива, индустријских камера, картица за снимање слике, улазно/излазних јединица и контролних уређаја.
Укупне перформансе система визије не зависе само од квалитета пиксела камере и самог хардвера, већ, што је још важније, разумног усклађивања и колаборативног рада између различитих хардверских модула. На пример, усклађивање резолуције сочива и камере, као и компатибилност картице за снимање и интерфејса података директно ће утицати на квалитет слике система и стабилност рада.
Стога је систем визије високих перформанси неодвојив од свеобухватног разматрања избора хардвера, структуре система и сценарија примене.
Дизајн софтверског система
Дизајн софтвера визуелног система је једна од кључних карика у целом систему и има високу техничку сложеност. Током процеса развоја софтвера, не само да треба да обратимо пажњу на оптимизацију структуре програма и оперативне ефикасности, већ и да се фокусирамо на тачност, остваривост и стабилне перформансе алгоритма у стварним сценаријима.
Након што је софтверски систем завршен, његова робусност мора бити у потпуности тестирана и континуирано оптимизована како би се осигурало да систем може да одржи стабилне и поуздане перформансе детекције у сложеним спољним окружењима као што су промене осветљења, сметње у позадини и разлике у циљевима.
У апликацијама за вид робота, систем се обично састоји од два дела: модула за аквизицију слике и модула за обраду вида.
Међу њима, модул за аквизицију слике укључује систем осветљења, визуелни сензор, аналогно-дигитални претварач (А/Д), меморију оквира, итд., и користи се за прикупљање дводимензионалних информација о слици у окружењу.
Систем за вид робота добија податке о слици преко визуелног сензора, а затим их анализира, идентификује и разуме од стране процесора визије, и конвертује резултате обраде у извршне контролне инструкције, тако да робот може тачно да идентификује циљни објекат и одреди његову просторну позицију, чиме испуњава задатке као што су позиционирање, хватање и склапање.
Решење за бесконтактно мерење високе прецизности
Спектрални конфокални сензор ради на принципу дисперзије беле светлости, фокусирајући монохроматско светло различитих таласних дужина на различите позиције фокуса кроз посебан оптички систем. Систем може прецизно израчунати растојање између објекта и сензора на основу информација о таласној дужини светлости која се рефлектује од површине мереног објекта.
На овај метод мерења не утиче интензитет рефлектоване светлости, погодан је за скоро све материјале и може постићи високо прецизно, високо стабилно мерење без контакта. Једно скенирање може да добије потпуну или делимичну 3Д топографију површине мереног објекта, која има значајне предности као што су висока прецизност, велика брзина и јака стабилност.
У поређењу са традиционалним методама ласерске детекције, спектрална конфокална технологија делује посебно добро у детекцији провидних објеката, огледала са високом рефлексијом и јаких материјала који апсорбују светлост. Широко се користи у сценаријима онлајн детекције у индустријама као што су 3Ц електроника, полупроводници, нова енергија литијумских батерија и прецизни хардвер.
Индустријско решење за 3Д мерење
Ласерска триангулација је зрела тродимензионална метода мерења која се широко користи у индустријама као што су дрво, гума, гуме, ауто делови, метал и ливено гвожђе. Такође је погодан за сценарије инспекције великих размера као што су површине пута.
Ова технологија генерише 3Д податке облака тачака пројектовањем структурисане ласерске светлости на површину објекта, а камера прикупља профил ласерске линије и израчунава информације о висини. У практичним применама, мерени објекат се обично помера испод сензора, а вишеструки контурни делови се континуирано прикупљају и спајају да би се коначно формирала комплетна тродимензионална слика.
Угао инсталације између ласера и камере има важан утицај на тачност мерења и стабилност система. Повећање угла помаже у побољшању резолуције висине, док смањење угла помаже у побољшању укупне стабилности. У комбинацији са зрелим софтверским алгоритмима, ова технологија је успела да постигне ефикасну и поуздану обраду и анализу 3Д података.
Решење 3Д стерео камере
3Д стерео камера за вид је заснована на принципу бинокуларног вида сличног оном код људског ока. Он добија слике из различитих углова гледања преко две камере и користи информације о паралакси за израчунавање података о дубини објекта.
У стварним индустријским применама, насумична пројекција текстуре се обично комбинује да би се побољшале карактеристичне информације о површини мереног објекта, чиме се побољшава тачност подударања слике. Ова технологија се широко користи у сценаријима као што су навођење робота, позиционирање склопа и отклањање грешака у систему, и показала је добру прилагодљивост у динамичком откривању и флексибилним производним окружењима.
Брзо просторно позиционирање
ТоФ камере израчунавају циљну удаљеност емитујући импулсе инфрацрвене светлости и мере време потребно да се рефлектована светлост врати до сензора, слично радару.
Рана ТоФ технологија била је ограничена резолуцијом и прецизношћу мерења, што је отежавало испуњавање захтева за откривање на индустријском нивоу. Са напретком технологије, појавиле су се мегапикселне ТоФ камере, које се постепено промовишу у апликацијама као што су детекција 3Д објеката, утовар и истовар робота и утовар и истовар палета.
Треба напоменути да је ТоФ технологија погоднија за препознавање циљева и просторно позиционирање, а није погодна за сценарије мерења димензија високе прецизности.
Улога софтвера у 3Д визији
постоје У систему 3Д машинског вида , софтвер за обраду и анализу слике је еквивалентан „мозгу“ система.
Традиционална визуелна инспекција се у великој мери ослања на програмирање правила и довршава задатке инспекције кроз поређење карактеристика и процену прага. Како сложеност сценарија примене наставља да расте, дубоко учење и вештачке неуронске мреже (АНН) постепено постају главна решења.
Вештачке неуронске мреже се састоје од великог броја међусобно повезаних „неурона“, а њихове тежине везе могу се континуирано прилагођавати према подацима обуке, чиме се постиже аутономно учење и издвајање карактеристика. Под оквиром дубоког учења, систем не мора ручно да дефинише сложене карактеристике слике. Потребно је само да унесе оригиналне податке о слици да би аутоматски довршио екстракцију карактеристика, класификацију и процену, показујући већу прилагодљивост и робусност у сложеним индустријским окружењима.
Уз континуирану зрелост технологије 3Д снимања, алгоритама за обраду облака тачака и вештачке интелигенције, инспекција машинског вида се развија ка већој прецизности, јачој интелигенцији и ширим сценаријима примене.
Зхикианг Висион-ова комбинација 3Д машинског вида и дубоког учења наставиће да шири границе индустријске инспекције и пружа поузданију техничку подршку за интелигентну производњу и надоградњу аутоматизације. Индустрија машинске визије пуна је очекивања за будућност, сачекајмо и видимо.
