วิธีใช้ระบบภาพเครื่องจักรสำหรับการทำงานอัตโนมัติขั้นสูง

Apr 07, 2024 ฝากข้อความ

กระบวนการผลิตจำนวนมากดำเนินการโดยใช้เครื่องจักรอัตโนมัติแบบคงที่หรือแบบแข็งที่ดำเนินการผลิตโดยมีอินพุตจากเซ็นเซอร์ที่จำกัด สำหรับการใช้งานที่ซับซ้อนมากขึ้น กล้องหรือเซ็นเซอร์ที่เรียบง่ายสามารถตรวจจับการมีอยู่ ตำแหน่ง ขนาด หรือความหนาของวัตถุได้ เมื่อวัตถุมีความซับซ้อนมากขึ้น มีข้อจำกัดน้อยลง หรือต้องได้รับการประเมินลักษณะที่ปรากฏ ก็สามารถใช้โซลูชันระบบการมองเห็นของเครื่องจักรได้ โพสต์บล็อกนี้จะทบทวนการใช้งานสามรายการเพื่อให้เข้าใจอย่างลึกซึ้งถึงบทบาทของระบบการมองเห็นของเครื่องจักรในระบบอัตโนมัติขั้นสูง

 

ในกระบวนการผลิตหลายๆ ขั้นตอน การนับวัตถุหรือคุณลักษณะต่างๆ มักมีความสำคัญต่อการรับประกันคุณภาพของชิ้นส่วนหรือการจัดการสินค้าคงคลัง แม้ว่าจะฟังดูไม่สำคัญ แต่ก็ไม่ใช่ภารกิจที่ปฏิบัติได้จริงสำหรับมนุษย์เมื่อต้องเกี่ยวข้องกับข้อมูลจำนวนมาก หากต้องการให้งานดังกล่าวเป็นระบบอัตโนมัติผ่านระบบการมองเห็นของเครื่องจักร การแบ่งส่วนวัตถุถือเป็นขั้นตอนแรก และสามารถทำได้ง่ายขึ้นด้วยการใช้เทคนิคการจัดแสงและการสร้างภาพที่เหมาะสม
 

เป้าหมายของการถ่ายภาพคือการทำให้วัตถุสว่างและจับภาพได้ในลักษณะที่ช่วยเพิ่มความแตกต่างระหว่างคุณลักษณะที่ต้องการตรวจจับกับพื้นหลัง จากนั้นซอฟต์แวร์ระบบภาพสำหรับเครื่องจักรจะถูกใช้เพื่อแบ่งส่วนและตรวจจับคุณลักษณะหรือวัตถุที่สนใจ จากนั้นจึงสามารถใช้คุณลักษณะที่วัดได้ของวัตถุที่ตรวจจับแต่ละชิ้นเพื่อกำหนดคุณภาพหรือเอกลักษณ์ของวัตถุนั้นๆ ได้

 

การกำหนดลักษณะของรูพรุนของรอยเชื่อม


การตรวจจับและการประเมินรูพรุนของรอยเชื่อมเป็นตัวอย่าง รูปร่างของชิ้นส่วน รูปทรงที่แปรผันของช่องเชื่อม และพื้นผิวโลหะที่สะท้อนแสงทำให้การส่องสว่างที่สม่ำเสมอกลายเป็นเรื่องท้าทาย โชคดีที่รูพรุนไม่สะท้อนแสงมากนัก จึงดูมืด


รอยเชื่อมมีพื้นที่มืดหลากหลายประเภทที่สามารถแบ่งส่วนได้ด้วยระบบการมองเห็นของเครื่องจักร รูพรุนในรอยเชื่อมจะมีขนาดและรูปร่างที่เป็นลักษณะเฉพาะซึ่งสามารถใช้เพื่อละเว้นพื้นที่มืดที่ไม่ตรงกับลักษณะของรูพรุนได้ เมื่อตรวจพบรูพรุนแล้ว จำนวนและความหนาแน่นของรูพรุน (จำนวนต่อนิ้ว) ในรอยเชื่อมสามารถใช้เพื่อระบุว่ากระบวนการเชื่อมเป็นที่ยอมรับได้หรือไม่ หรือจำเป็นต้องมีการแทรกแซงจากผู้ปฏิบัติงานหรือระบบควบคุม

 

การนับหลอด

 

ตัวอย่างที่เกี่ยวข้องคือการนับจำนวนท่อในภาพที่ถ่ายจากปลายลัง การควบคุมสินค้าคงคลังต้องใช้การนับที่แม่นยำ ความท้าทาย ได้แก่ แสงสว่างที่เปลี่ยนแปลงและมุมมองที่เปลี่ยนแปลงของปลายท่อในภาพ ปลายท่อมีลักษณะเฉพาะคือภายในที่มืดล้อมรอบด้วยพื้นผิววงกลมที่สว่างของผนังท่อ

 

การแบ่งพื้นที่มืดด้วยวงกลมที่มีเส้นผ่านศูนย์กลางที่คาดไว้จะตรวจจับหลอดได้เกือบทั้งหมด อย่างไรก็ตาม โปรดทราบว่าแสงสะท้อนที่สว่างของส่วนภายในหลอดบางส่วนใกล้ด้านล่างของลังนั้นสามารถรวมคุณลักษณะเล็กๆ เหล่านี้เข้ากับส่วนภายในหลอดเพื่อให้ตรวจจับและนับได้อย่างมีประสิทธิภาพ

 

การตรวจจับความเสียหายของรูปร่างที่ซับซ้อน


ควรพิจารณาตรวจหาความเสียหายที่พื้นผิวของใบพัด ความเสียหายอาจมีตั้งแต่รอยขีดข่วนเล็กๆ ไปจนถึงจุดสึกหรอขนาดใหญ่ ไม่มีมาตรฐานในการกำหนดขนาดหรือรูปร่างที่คาดว่าจะเกิดขึ้นของบริเวณที่เสียหาย นอกจากนี้ รูปร่างที่ซับซ้อนของใบพัดยังเป็นความท้าทายต่อการใช้แสงที่เหมาะสมเพื่อเพิ่มความคมชัดของความเสียหาย

 

ในการกำหนดค่าการส่องสว่างที่ใช้กับภาพซ้ายสุด (มืดที่สุด) ความเสียหายแทบจะมองไม่เห็น ทิศทางการส่องสว่างสลับกันสองทิศทางทำให้เกิดความแตกต่างที่ดีระหว่างบริเวณใบพัดที่เสียหายและไม่ได้รับความเสียหาย แต่ความแตกต่างจะสลับไปมาระหว่างการกำหนดค่าทั้งสองแบบ เนื่องจากพื้นผิวเฉพาะที่และทิศทางของความเสียหายที่สัมพันธ์กับระบบถ่ายภาพ บริเวณต่างๆ ของใบพัดจะแสดงการตอบสนองที่แตกต่างกันดังที่แสดงไว้ ซึ่งหมายความว่าไม่มีการกำหนดค่าการส่องสว่างที่เหมาะสมที่สุดเพียงแบบเดียว

 

ความแปรปรวนในระดับสูงระหว่างรูปร่าง ขนาด และความคมชัดของความเสียหายทำให้การตรวจจับอัตโนมัติโดยใช้วิธีการที่ตั้งโปรแกรมไว้เป็นเรื่องท้าทาย เช่น ใช้ในตัวอย่างรูพรุนของรอยเชื่อมและการนับท่อ สถาบันได้พัฒนาระบบการตรวจสอบโดยใช้เทคนิคการเรียนรู้ของเครื่องจักร เครือข่ายประสาทเทียมแบบคอนโวลูชั่น (CNN) จะจดจำพื้นที่ที่อาจได้รับความเสียหายในภาพ เครือข่ายประสาทเทียมเชิงลึกรองจะจัดประเภทภาพว่ามี (หรือไม่มี) ความเสียหายตามค่าลักษณะเฉพาะที่สร้างโดย CNN เครือข่ายเหล่านี้ได้รับการฝึกอบรมโดยใช้ภาพจำนวนมาก โดยพื้นที่ที่ได้รับความเสียหายได้รับการระบุด้วยตนเอง

 

เหนือกว่าวิสัยทัศน์ขาวดำ

 

ตัวอย่างทั้งสามตัวอย่างด้านบนนี้แสดงให้เห็นการใช้งานระบบภาพขาวดำบางส่วน สิ่งต่างๆ จะน่าสนใจยิ่งขึ้นเมื่อใช้คอนทราสต์สีหรือใช้ส่วนที่มองไม่เห็นของสเปกตรัม ตัวอย่างเช่น กล้องขาวดำมีความไวต่อความยาวคลื่นอินฟราเรดใกล้ (NIR) ทำให้สามารถใช้ประโยชน์หรือลบคุณลักษณะที่ปกติแล้วจะมองไม่เห็นหรือรบกวนสายตาได้โดยใช้หรือปฏิเสธแบนด์นั้นด้วยฟิลเตอร์สเปกตรัม

 

กล้องสีมาตรฐานใช้ฟิลเตอร์สีแดง เขียว และน้ำเงินแบบแบนด์วิดท์กว้างที่ทับซ้อนกัน การใช้ไฟ LED RGB แบบแบนด์วิดท์แคบแทนไฟ LED แบบแบนด์วิดท์กว้างสีขาวจะช่วยปรับปรุงการแยกแยะสี กล้องมัลติสเปกตรัมให้การแยกแยะสีที่มีความไวสูงเมื่อเทียบกับกล้องสี และสามารถรวมแถบ NIR ไว้ด้วย คุณสมบัติเรืองแสงของหมึก สีย้อม และกาวบางชนิดสามารถใช้ประโยชน์ได้โดยใช้รังสี UV กับฟิลเตอร์สเปกตรัมที่เหมาะสม และอย่าลืมโพลาไรเซชันด้วย! การถ่ายภาพอินฟราเรด (คลื่นยาว คลื่นกลาง คลื่นสั้น) สามารถใช้วัดอุณหภูมิพื้นผิว ตรวจจับคุณสมบัติ/ข้อบกพร่องใต้ผิวดิน ตรวจจับก๊าซไฮโดรคาร์บอน และอื่นๆ อีกมากมาย

ส่งคำถาม

whatsapp

โทรศัพท์

อีเมล

สอบถาม