Makine görme sistemi, ölçüm, tanımlama ve değerlendirmeyi tamamlamak için insan gözünün yerine makineleri kullanan teknik bir sistemdir. Bilgisayar biliminin önemli dallarından biridir. Sistem, optik, mekanik, elektronik, bilgisayar yazılım ve donanımı gibi multidisipliner teknolojileri entegre etmekte ve görüntü işleme, örüntü tanıma, yapay zeka, sinyal işleme, optik-mekanik entegrasyon gibi birçok alanı içermektedir.
Görüntü işleme ve örüntü tanıma gibi temel teknolojilerin hızla gelişmesiyle birlikte, makine görüşü uygulamalarının derinliği ve kapsamı da genişlemeye devam etti.
Son yıllarda akıllı üretim ve endüstriyel otomasyonun yönlendirdiği yapay görme teknolojisi, daha yüksek hassasiyet ve zekaya doğru evriliyor. Geleneksel iki boyutlu görüntü işleme ile karşılaştırıldığında, endüstriyel görüntüleme alanındaki araştırma ve uygulamalar giderek 3 boyutlu görsel denetim teknolojisine dönüşmekte ve kaynak denetimi, parça sıralama ve metal levha ölçümü gibi senaryolarda geniş ölçekte uygulanmaktadır.
Yapay görme denetiminin 'iki boyutlu tanıma'dan 'üç boyutlu algılama'ya doğru ilerlediği söylenebilir.
Sistem bileşimi açısından bakıldığında, eksiksiz bir yapay görme sistemi genellikle bir aydınlatma sistemi, endüstriyel lens, kamera sistemi ve görüntü işleme sistemi içerir. Pratik uygulamalarda, istikrarlı ve etkili bir görsel denetim çözümü oluşturmak için sistemin çalışma hızı ve görüntü işleme verimliliği, kamera tipi (renkli veya siyah beyaz), denetim hedefinin boyut ölçümü veya kusur tanımlama olup olmadığı, gerekli görüş alanı aralığı, çözünürlük ve belirli denetim ihtiyaçlarına göre görüntüleme kontrastı gibi temel faktörlerin kapsamlı bir şekilde dikkate alınması gerekir.
Görme sisteminin yapısı
Donanım sistemi tasarımı
Yapay görme sisteminin donanım kısmı temel olarak endüstriyel lensler, endüstriyel kameralar, görüntü yakalama kartları, giriş/çıkış birimleri ve kontrol cihazlarından oluşur.
Görüş sisteminin genel performansı yalnızca kamera piksellerinin ve donanımın kalitesine değil, daha da önemlisi çeşitli donanım modülleri arasındaki makul eşleştirme ve işbirliğine dayalı çalışmaya bağlıdır. Örneğin, lens ve kamera çözünürlüğünün eşleştirilmesi ve yakalama kartı ile veri arayüzünün uyumluluğu, sistemin görüntüleme kalitesini ve operasyonel kararlılığını doğrudan etkileyecektir.
Bu nedenle yüksek performanslı bir görüntü sistemi, donanım seçiminin, sistem yapısının ve uygulama senaryolarının kapsamlı bir şekilde değerlendirilmesinden ayrılamaz.
Yazılım sistemi tasarımı
Görsel sistemin yazılım tasarımı, tüm sistemdeki temel bağlantılardan biridir ve yüksek teknik karmaşıklığa sahiptir. Yazılım geliştirme sürecinde sadece program yapısının optimizasyonuna ve işletim verimliliğine dikkat etmemiz değil, aynı zamanda algoritmanın gerçek senaryolardaki doğruluğuna, gerçekleştirilebilirliğine ve istikrarlı performansına da odaklanmamız gerekiyor.
Yazılım sistemi tamamlandıktan sonra, sistemin aydınlatma değişiklikleri, arka plan paraziti ve hedef farklılıkları gibi karmaşık dış ortamlarda istikrarlı ve güvenilir algılama performansını sürdürebilmesini sağlamak için sağlamlığının tamamen test edilmesi ve sürekli olarak optimize edilmesi gerekir.
Robot görme uygulamalarında sistem genellikle iki bölümden oluşur: görüntü toplama modülü ve görüntü işleme modülü.
Bunların arasında görüntü edinme modülü bir aydınlatma sistemi, bir görsel sensör, bir analogdan dijitale dönüştürücü (A/D), bir çerçeve belleği vb. içerir ve ortamdaki iki boyutlu görüntü bilgilerini toplamak için kullanılır.
Robot görüş sistemi, görsel sensör aracılığıyla görüntü verilerini alır ve ardından bunu görüntü işlemcisi tarafından analiz eder, tanımlar ve anlar ve işleme sonuçlarını yürütülebilir kontrol talimatlarına dönüştürür; böylece robot, hedef nesneyi doğru bir şekilde tanımlayabilir ve mekansal konumunu belirleyebilir, böylece konumlandırma, kavrama ve montaj gibi görevleri tamamlayabilir.
Yüksek hassasiyetli temassız ölçüm çözümü
Spektral eş odaklı sensör, beyaz ışığın dağılması prensibine göre çalışarak, farklı dalga boylarındaki monokromatik ışığı özel bir optik sistem aracılığıyla farklı odak konumlarına odaklar. Sistem, ölçülen nesnenin yüzeyinden yansıyan ışığın dalga boyu bilgisine dayanarak nesne ile sensör arasındaki mesafeyi doğru bir şekilde hesaplayabilmektedir.
Bu ölçüm yöntemi, yansıyan ışığın yoğunluğundan etkilenmez, hemen hemen tüm malzemeler için uygundur ve yüksek hassasiyetli, yüksek stabiliteye sahip temassız ölçüm sağlayabilir. Tek bir tarama, ölçülen nesnenin yüzeyinin tam veya kısmi 3 boyutlu topografyasını elde edebilir; bu, yüksek hassasiyet, hızlı hız ve güçlü stabilite gibi önemli avantajlara sahiptir.
Geleneksel lazer algılama yöntemleriyle karşılaştırıldığında, spektral eş odaklı teknoloji özellikle şeffaf nesnelerin, yüksek düzeyde yansıtıcı aynaların ve güçlü ışık emici malzemelerin algılanmasında iyi performans gösterir. 3C elektronik, yarı iletkenler, lityum pil yeni enerjisi ve hassas donanım gibi sektörlerde çevrimiçi algılama senaryolarında yaygın olarak kullanılmaktadır.
Endüstriyel sınıf 3D ölçüm çözümü
Lazer üçgenleme, ahşap, kauçuk, lastik, otomobil parçaları, metal ve dökme demir gibi endüstrilerde yaygın olarak kullanılan, olgunlaşmış bir üç boyutlu ölçüm yöntemidir. Ayrıca yol yüzeyleri gibi büyük ölçekli denetim senaryoları için de uygundur.
Bu teknoloji, yapılandırılmış lazer ışığını bir nesnenin yüzeyine yansıtarak 3 boyutlu nokta bulutu verileri üretir ve kamera, lazer çizgisi profilini toplayarak yükseklik bilgisini hesaplar. Pratik uygulamalarda, ölçülen nesne genellikle sensörün altında hareket eder ve birden fazla kontur kesiti sürekli olarak toplanır ve birleştirilir ve sonuçta tam bir üç boyutlu görüntü oluşturulur.
Lazer ile kamera arasındaki kurulum açısının ölçüm doğruluğu ve sistem kararlılığı üzerinde önemli bir etkisi vardır. Açının arttırılması yükseklik çözünürlüğünün iyileştirilmesine yardımcı olurken, açının azaltılması genel stabilitenin iyileştirilmesine yardımcı olur. Olgun yazılım algoritmalarıyla birleştirilen bu teknoloji, verimli ve güvenilir 3D veri işleme ve analizini gerçekleştirmeyi başardı.
3D stereo görüş kamerası çözümü
3D stereo görüş kamerası, insan gözününkine benzer binoküler görme prensibine dayanmaktadır. İki kamera aracılığıyla farklı görüş açılarından görüntüler elde eder ve paralaks bilgisini kullanarak nesnenin derinlik verilerini hesaplar.
Gerçek endüstriyel uygulamalarda, rastgele doku projeksiyonu genellikle ölçülen nesnenin yüzeyinin karakteristik bilgisini geliştirmek ve böylece görüntü eşleştirme doğruluğunu iyileştirmek için birleştirilir. Bu teknoloji, robot yönlendirme, montaj konumlandırma ve sistem hata ayıklama gibi senaryolarda yaygın olarak kullanılmış ve dinamik algılama ve esnek üretim ortamlarında iyi uyarlanabilirlik göstermiştir.
Hızlı uzaysal konumlandırma
ToF kameraları, radar menziline benzer şekilde kızılötesi ışık darbeleri yayarak ve yansıyan ışığın sensöre geri dönmesi için geçen süreyi ölçerek hedef mesafeyi hesaplar.
İlk ToF teknolojisi çözünürlük ve ölçüm doğruluğu açısından sınırlıydı, bu da endüstriyel seviyedeki algılama gereksinimlerini karşılamayı zorlaştırıyordu. Teknolojinin ilerlemesiyle birlikte 3 boyutlu nesne algılama, robot yükleme boşaltma, palet yükleme boşaltma gibi uygulamalarda kullanımı giderek artan megapiksel ToF kameralar ortaya çıktı.
ToF teknolojisinin hedef tanıma ve mekansal konumlandırma için daha uygun olduğunu, yüksek hassasiyetli boyutsal ölçüm senaryoları için uygun olmadığını belirtmek gerekir.
Yazılımın 3 boyutlu görmedeki rolü
var olmak Bir 3 boyutlu yapay görme sisteminde görüntü işleme ve analiz yazılımı, sistemin 'beyni' ile eşdeğerdir.
Geleneksel görsel denetim büyük ölçüde kural programlamaya dayanır ve denetim görevlerini özellik karşılaştırması ve eşik kararı yoluyla tamamlar. Uygulama senaryolarının karmaşıklığı artmaya devam ettikçe, derin öğrenme ve yapay sinir ağları (YSA) giderek ana akım çözümler haline geliyor.
Yapay sinir ağları, birbirine bağlı çok sayıda 'nöron'dan oluşur ve bunların bağlantı ağırlıkları, eğitim verilerine göre sürekli olarak ayarlanabilmekte, böylece otonom öğrenme ve özellik çıkarımı gerçekleştirilebilmektedir. Derin öğrenme çerçevesi altında sistemin karmaşık görüntü özelliklerini manuel olarak tanımlamasına gerek yoktur. Özellik çıkarma, sınıflandırma ve değerlendirmeyi otomatik olarak tamamlamak için yalnızca orijinal görüntü verilerinin girilmesi yeterlidir; karmaşık endüstriyel ortamlarda daha güçlü uyarlanabilirlik ve sağlamlık gösterir.
3D görüntüleme teknolojisinin, nokta bulutu işleme algoritmalarının ve yapay zekanın sürekli olgunlaşmasıyla birlikte, makine görme denetimi daha yüksek hassasiyete, daha güçlü zekaya ve daha geniş uygulama senaryolarına doğru gelişmektedir.
Smart Vision'ın 3D makine görüşü ve derin öğrenme kombinasyonu, endüstriyel denetimin sınırlarını genişletmeye ve akıllı üretim ve otomasyon yükseltmeleri için daha güvenilir teknik destek sağlamaya devam edecek. Yapay görme sektörü geleceğe dair beklentilerle dolu, bekleyip görelim.
