Molts processos de fabricació funcionen amb equips automatitzats fixos o durs que realitzen tasques de producció amb una entrada sensorial limitada. Per a aplicacions més complexes, càmeres o sensors simples poden detectar la presència, la posició, la mida o el gruix d'un objecte. Quan l'objecte és més complex, té menys restriccions o cal avaluar el seu aspecte, es pot aplicar una solució de visió artificial. Aquesta publicació del bloc revisarà tres aplicacions per conèixer el paper de la visió artificial en l'automatització avançada.
En molts processos de fabricació, comptar objectes o característiques sovint és important per garantir la qualitat de les peces o gestionar l'inventari. Tot i que això pot semblar trivial, no és una tasca pràctica per als humans quan hi ha grans quantitats de dades. Perquè aquestes tasques siguin automatitzades mitjançant la visió artificial, la segmentació d'objectes és el primer pas, i això es pot facilitar amb l'aplicació adequada de tècniques d'il·luminació i imatge.
L'objectiu de l'adquisició d'imatges és il·luminar i capturar una imatge de l'objecte de manera que millori el contrast entre les característiques a detectar i el fons. Després s'utilitza el programari de visió artificial per segmentar i detectar les característiques o objectes d'interès. Els atributs mesurats de cada objecte detectat es poden utilitzar per determinar la seva qualitat o identitat.
Caracterització de la porositat de la soldadura
Prengui com a exemple la detecció i avaluació de la porositat de la soldadura. La forma de la peça, els contorns variables del canal de soldadura i les superfícies metàl·liques reflectants fan que la il·luminació uniforme sigui un repte. Afortunadament, els porus no reflecteixen gaire llum: semblen foscos.
Les soldadures tenen una varietat d'àrees fosques que es poden segmentar per visió artificial. Els porus de la soldadura tenen un rang de mida i una forma característics que es poden utilitzar per ignorar les zones fosques que no coincideixen amb les característiques dels porus. Un cop detectada la porositat, es pot utilitzar el nombre i la densitat de porus (nombre per polzada) de la soldadura per indicar si el procés de soldadura és acceptable o si cal la intervenció de l'operador o del sistema de control.
Tubs de recompte
Un exemple relacionat és comptar el nombre de tubs d'una imatge capturada des de l'extrem d'una caixa; El control d'inventari requereix un recompte precís. Els reptes inclouen la il·luminació variable i la perspectiva variable dels extrems del tub a la imatge. L'extrem del tub es caracteritza pel seu interior fosc envoltat per la brillant superfície circular de la paret del tub.
Dividir la zona fosca amb un cercle del diàmetre esperat detectarà la majoria dels tubs. Tingueu en compte, però, els reflexos brillants d'alguns dels interiors del tub a prop de la part inferior de la caixa: les operacions de processament d'imatges poden combinar aquestes petites característiques amb les regions interiors del tub per a una detecció i un recompte robusts.
Detecció de danys de forma complexa
Considereu la possibilitat de detectar danys a la superfície a les pales de l'hèlix. Els danys poden anar des de rascades estretes fins a grans taques de desgast; no hi ha estàndards per caracteritzar la mida o la forma esperades de la zona danyada. A més, les formes complexes de les pales de l'hèlix presenten un repte per a la il·luminació òptima utilitzada per millorar el contrast de danys.
A la configuració d'il·luminació utilitzada per a la imatge més esquerra (més fosca), els danys gairebé no eren perceptibles. Les dues direccions d'il·luminació alternades van proporcionar un bon contrast entre les àrees de fulla danyades i no danyades, però el contrast va canviar entre les dues configuracions. A causa de les superfícies localitzades i de la direcció del dany en relació amb el sistema d'imatge, les diferents regions de la pala de l'hèlix presentaran respostes diferents, tal com es mostra, el que significa que no hi ha una configuració única d'il·luminació òptima.
L'alt grau de variabilitat entre la forma del dany, la mida i el contrast fa que la detecció automatitzada mitjançant mètodes programats per programa sigui un repte, tal com s'utilitza en els exemples de porositat de soldadura i recompte de tubs. L'Institut va desenvolupar el sistema d'inspecció mitjançant tècniques d'aprenentatge automàtic. Una xarxa neuronal convolucional (CNN) reconeix àrees potencialment danyades en una imatge. Una xarxa neuronal profunda secundària classifica la imatge com a que conté (o no conté) danys en funció dels valors propis generats per la CNN. Aquestes xarxes s'entrenen mitjançant un gran nombre d'imatges on s'han identificat manualment les zones danyades.
Més enllà de la visió monocroma
Els tres exemples anteriors il·lustren algunes aplicacions de visió artificial monocroma. Les coses es tornen encara més interessants quan s'utilitza el contrast de color o s'utilitza la part invisible de l'espectre. Per exemple, les càmeres monocromes són sensibles a les longituds d'ona de l'infraroig proper (NIR), la qual cosa permet explotar o eliminar funcions que normalment serien invisibles o distreuen utilitzant o rebutjant aquesta banda amb un filtre espectral.
Les càmeres de color estàndard utilitzen filtres de banda ampla superposats vermells, verds i blaus; L'ús d'il·luminadors LED RGB de banda estreta en lloc de la il·luminació blanca de banda ampla millora la discriminació del color. Les càmeres multiespectrals ofereixen una discriminació de color molt sensible en comparació amb les càmeres de color i poden incloure bandes NIR. Les propietats fluorescents de determinades tintes, colorants i adhesius es poden explotar utilitzant la irradiació UV amb filtres espectrals adequats. I no oblideu la polarització! Les imatges d'infrarojos (ona llarga, ona mitjana, ona curta) es poden utilitzar per mesurar temperatures superficials, detectar característiques/defectes subterrània, detectar gasos d'hidrocarburs i molt més.