با توجه به اینکه هر روز تولیدکنندگان بیشتری از سیستمهای بینایی ماشین برای بازرسی تأسیسات تولیدی خود استفاده میکنند، دیگر فقط این سوال مطرح نیست که آیا شما یک راهحل بازرسی بینایی ماشین دارید یا خیر. شما همچنین باید مطمئن شوید که سیستم بازرسی شما تا حد امکان دقیق و کارآمد است.
چگونه دقت پایین میتواند بر خط تولید شما تأثیر بگذارد
بازرسی بینایی ماشین، کارایی و توان عملیاتی را برای تولیدکنندگان بیشماری افزایش داده است. به جای تکیه بر بازرسان انسانی، بازرسی بینایی ماشین از یک دوربین برای ضبط تصاویر استفاده میکند و به سرعت تصمیم میگیرد که آیا محصولات نهایی و بستهبندی، محصول نهایی را تایید میکنند یا خیر. به جای بازرسی فقط یک نمونه، سیستمهای بینایی ماشین اغلب میتوانند هر محصول و بستهبندی را بررسی کنند.
سیستمهای بینایی ماشین در صورت عملکرد صحیح، میتوانند بازرسیها را گاهی صدها برابر سریعتر از انسانها انجام دهند. اما اگر سیستم بازرسی به درستی کالیبره نشده باشد یا نقص دیگری وجود داشته باشد، دقت پایین میتواند منجر به مشکلات بزرگی شود. نرخ بازرسی پایینتر یا نتایج نادرست میتواند منجر به کاهش توان عملیاتی و ضررهای هنگفت برای تولیدکننده شود. imagingsource یک تامین کننده قابل اعتماد دوربین های صنعتی، دوربین پردازش تصویر، دوربین بینایی ماشین است. همین حالا تماس بگیرید و مدیران ما به شما در انتخاب کمک خواهند کرد!
۷ نکته برای بهبود دقت بازرسی با بینایی ماشین
۱. نورپردازی مناسب را انتخاب کنید
حتی بهترین دوربینها هم بدون نورپردازی مناسب نمیتوانند تصویر واضحی ثبت کنند. برای برخی از کاربردها، نورپردازی از پشت ممکن است بهترین نتایج را ایجاد کند. در برخی دیگر، ممکن است به نورپردازی میدانی روشن یا آرایه خطی با زاویه کم نیاز داشته باشید. متخصص سیستم شما میتواند به شما در انتخاب صحیح کمک کند.
۲. نورپردازی خود را کالیبره کنید
وقتی فهمیدید کدام نوع نورپردازی بهتر است، ممکن است هنوز به کالیبراسیون بیشتری نیاز باشد. فرکانس و طول موج سیستم نورپردازی خود را تنظیم کنید تا نویز ناشی از محیط تولید یا پوششهایی که ممکن است روی قطعات و موادی که استفاده میکنید وجود داشته باشد را کاهش دهید.
۳. نور را فیلتر کنید
بینایی ماشین در محیطهایی که ثابت میمانند، بهترین عملکرد را دارد. اما تضمین این موضوع در طول روز دشوار است. نور محیط، خطوط تولید تغییر چیدمان داده شده و تغییر محصولات میتواند بر روشنایی تأثیر بگذارد. یک فیلتر لنز میتواند به حذف نور نامطلوب کمک کند.
۴. عملکرد محدوده تریگ
ممکن است موقعیتهایی وجود داشته باشد که نویز الکتریکی در محیط تولید باعث فعال شدن نادرست سیستم بازرسی شود. این میتواند تجزیه و تحلیل را مختل کند و منجر به خرابی محصولاتی شود که نباید این اتفاق میافتاد. یک تابع محدوده فعالسازی میتواند به شما در جلوگیری از این امر کمک کند.
۵. فناوری هوش مصنوعی را اضافه کنید.
هوش مصنوعی و سیستمهای تعبیهشده برای انواع تولیدکنندگان در دسترستر میشوند. هوش مصنوعی میتواند با تصمیمگیریهای هوشمندانهتر بر اساس یک مجموعه داده قوی، مناطق را کاهش دهد.
۶. بهبود موقعیتیابی قطعه
برخی از قطعات قابل قبول به دلیل موقعیت نامناسب، در بازرسی رد میشوند. افزودن ابزارهای دقیقتر برای نگه داشتن قطعات برای بازرسی میتواند دقت بازرسی با بینایی ماشین را افزایش دهد.
۷. افزایش ثبات
تجهیزات در محیطهای تولیدی اغلب در معرض نویز و لرزش هستند که میتواند منجر به تاری تصاویر شود. این امر میتواند منجر به خرابیهای غیرضروری و بازرسیهای مکرر شود.
راه برای بهبود دقت بازرسی بصری
نورپردازی مناسب را انتخاب کنید
حتی بهترین دوربین هم بدون نورپردازی مناسب قادر به ثبت تصویر واضح نخواهد بود. برای برخی از کاربردها، نورپردازی از پشت ممکن است بهترین نتایج را ایجاد کند. در موارد دیگر، ممکن است به نورپردازی میدان روشن یا آرایه خطی با زاویه کم نیاز داشته باشید. یکپارچهساز سیستم شما میتواند به شما در انتخاب صحیح کمک کند.
کالیبراسیون نورپردازی
هنگامی که فهمیدید کدام نوع نورپردازی بهترین است، ممکن است هنوز به کالیبراسیون بیشتری نیاز باشد. فرکانس و طول موج سیستم نورپردازی را تنظیم کنید تا نویز ناشی از محیط تولید یا پوششهای احتمالی روی قطعات و موادی که با آنها کار میکنید کاهش یابد.
نورپردازی را فیلتر کنید
بینایی ماشین در یک محیط ثابت بهترین عملکرد را دارد. اما تضمین این امر در تمام طول روز میتواند دشوار باشد. نور محیط، خطوط تولید بازآرایی شده و تغییر محصولات، همگی میتوانند بر نورپردازی تأثیر بگذارند. فیلترهای لنز میتوانند به حذف نور ناخواسته کمک کنند.
فعالسازی
در برخی موارد، نویز الکتریکی در محیط تولید میتواند باعث فعالسازی کاذب سیستم بازرسی شود. این امر میتواند باعث خرابی تجزیه و تحلیل و در نتیجه تولید محصولی شود که نباید خراب شود. فعالسازی میتواند به شما در جلوگیری از این امر کمک کند.
افزودن فناوری هوش مصنوعی
هوش مصنوعی و سیستمهای تعبیهشده برای تولیدکنندگان از هر نوع، در دسترستر میشوند و هوش مصنوعی میتواند با تصمیمگیریهای هوشمندانهتر بر اساس مجموعه دادههای قدرتمند، مساحت را کاهش دهد.
بهبود موقعیتیابی قطعات
برخی از قطعات واجد شرایط به دلیل موقعیتیابی نامناسب، در بازرسی شکست میخورند. افزودن ابزارهای دقیقتر برای نگهداشتن قطعات برای بازرسی میتواند دقت بازرسیهای بینایی ماشین را بهبود بخشد.
افزایش پایداری
تجهیزات در محیطهای تولیدی اغلب در معرض نویز و لرزش هستند که میتواند باعث تاری تصاویر شود و در نهایت منجر به خرابیهای غیرضروری و بازرسیهای مکرر شود.
1. کاربرد فناوری پردازش تصویر
سیستم پردازش تصویر بینایی ماشین، سیگنالهای تصویر دیجیتال را در محل مطابق با الزامات کاربردی خاص محاسبه و تجزیه و تحلیل میکند و بر اساس نتایج پردازش، اقدامات تجهیزات در محل را کنترل میکند. کاربردهای رایج آن به شرح زیر است:
اخذ تصویر اخذ تصویر فرآیند اخذ تصاویر صحنه از محل کار است. این اولین قدم در بینایی ماشین است. اکثر ابزارهای اخذ تصویر، دوربینهای CCD یا CMOS یا دوربینهای فیلمبرداری هستند.
دوربینها تصاویر تکی را جمعآوری میکنند، در حالی که دوربینهای فیلمبرداری میتوانند تصاویر زنده پیوسته را جمعآوری کنند. تا جایی که به یک تصویر مربوط میشود، در واقع تصویری از یک صحنه سهبعدی بر روی یک صفحه تصویر دوبعدی است. رنگ (روشنایی و رنگپذیری) یک نقطه خاص در تصویر، بازتابی از رنگ نقطه مربوطه در صحنه است. این اساس اساسی برای استفاده ما از تصاویر جمعآوریشده برای جایگزینی صحنههای واقعی است.
اگر دوربین سیگنالهای آنالوگ را خروجی میدهد، سیگنالهای تصویر آنالوگ باید دیجیتالی شده و برای پردازش به رایانهها (از جمله سیستمهای تعبیهشده) ارسال شوند. اکنون اکثر دوربینها میتوانند مستقیماً سیگنالهای تصویر دیجیتال را خروجی دهند و نیاز به تبدیل آنالوگ به دیجیتال را از بین ببرند. علاوه بر این، رابطهای خروجی دیجیتال دوربینها اکنون استاندارد شدهاند، مانند رابطهای USB، VGA، 1394، HDMI، WiFi و Blue Tooth که میتوانند مستقیماً برای پردازش به رایانهها ارسال شوند و نیاز به اضافه کردن کارت دریافت تصویر بین خروجی تصویر و رایانه را از بین ببرند. پردازش تصویر بعدی اغلب توسط رایانهها یا سیستمهای تعبیهشده در نرمافزار انجام میشود.
پیشپردازش تصویر
تصاویر میدانی دیجیتال جمعآوریشده اغلب تحت تأثیر تجهیزات و عوامل محیطی قرار میگیرند و اغلب با درجات مختلفی مانند نویز، تغییر شکل هندسی، اعوجاج رنگ و غیره تداخل دارند که مانع پردازش بعدی میشود. بنابراین، تصاویر جمعآوریشده باید پیشپردازش شوند. پیشپردازشهای رایج شامل حذف نویز، اصلاح هندسی، یکسانسازی هیستوگرام و غیره است.
معمولاً از روشهای فیلترینگ حوزه زمان یا حوزه فرکانس برای حذف نویز از تصاویر استفاده میشود؛ از روشهای تبدیل هندسی برای اصلاح اعوجاج هندسی تصاویر استفاده میشود؛ از برابرسازی هیستوگرام، فیلتر همومورفیک و سایر روشها برای کاهش انحراف رنگ تصاویر استفاده میشود.
به طور خلاصه، از طریق این سری از فناوریهای پیشپردازش تصویر، تصاویر گرفته شده “پردازش” میشوند تا تصاویر “بهتر” و “مفیدتر” برای کاربردهای بینایی ماشین ارائه شوند.
قطعهبندی تصویر
قطعهبندی تصویر به معنای تقسیم تصویر به مناطقی با ویژگیهای مختلف بر اساس الزامات برنامه و استخراج هدف مورد نظر از آن است. ویژگیهای رایج در تصاویر شامل مقیاس خاکستری، رنگ، بافت، لبه، نقطه گوشه و غیره است. به عنوان مثال، تصویر خط مونتاژ خودرو به ناحیه پسزمینه و ناحیه قطعه کار قطعهبندی میشود که برای پردازش قسمت نصب قطعه کار در اختیار واحد پردازش بعدی قرار میگیرند.
قطعهبندی تصویر سالهاست که یک مشکل دشوار در پردازش تصویر بوده است. انواع مختلفی از الگوریتمهای قطعهبندی وجود دارد، اما نتایج اغلب ایدهآل نیستند. اخیراً، افراد از روشهای یادگیری عمیق مبتنی بر شبکههای عصبی برای قطعهبندی تصویر استفاده میکنند و عملکرد آنها از الگوریتمهای سنتی بهتر است.
تشخیص و طبقهبندی هدف
در صنایعی مانند تولید و امنیت، بینایی ماشین نمیتواند بدون تشخیص و طبقهبندی اهداف در تصاویر ورودی، به منظور تکمیل قضاوتها و عملیات بعدی بر این اساس، کار کند. فناوریهای تشخیص و طبقهبندی شباهتهای زیادی دارند. اغلب، پس از تکمیل تشخیص هدف، دسته هدف نیز مشخص است. فناوری تشخیص تصویر اخیر، از روشهای سنتی فراتر رفته و روشهای تشخیص تصویر هوشمند را با شبکههای عصبی به عنوان جریان اصلی، مانند شبکههای عصبی کانولوشن (CNN)، شبکههای عصبی بازگشتی (RNN) و سایر روشهای با عملکرد برتر، شکل میدهد.
موقعیتیابی و اندازهگیری هدف
در تولید هوشمند، رایجترین کار نصب قطعه کار هدف است، اما هدف اغلب قبل از نصب باید موقعیتیابی شود و هدف باید پس از نصب اندازهگیری شود. هم نصب و هم اندازهگیری نیاز به دقت و سرعت بالایی دارند، مانند دقت در سطح میلیمتر (یا حتی کوچکتر) و سرعت در سطح میلیثانیه.
دستیابی به این موقعیتیابی و اندازهگیری با دقت و سرعت بالا با روشهای مکانیکی یا دستی مرسوم دشوار است. در بینایی ماشین، از پردازش تصویر برای پردازش تصاویر محل نصب بر اساس رابطه پیچیده نگاشت بین هدف و تصویر استفاده میشود تا وظایف موقعیتیابی و اندازهگیری به سرعت و با دقت انجام شود.