Machine Vision is een grote stap in het streven naar volledige industriële automatisering. Eenvoudig gezegd stelt het machinesystemen in staat om hun omgeving te "zien" zoals mensen dat doen. Door robots in staat te stellen fysieke objecten waar te nemen door middel van vision, stellen we ze in staat autonome taken uit te voeren. Sinds de jaren 1980 heeft machine vision moderne productieprocessen snel veranderd. Machines kunnen nu kritieke functies uitvoeren, zoals productinspectie, meten, positioneren en sorteren.
Definitie van Machine Vision
Machine vision is een combinatie van beeldvorming en automatische inspectietechnologieën. Beeldgegevens worden in real-time vastgelegd en verwerkt. Machines kunnen dan werkstukken analyseren, controleren, meten en verwerken. Als vision-systeem bevat het verschillende beeldvormingscomponenten. Machine vision systemen bevatten optische lenzen, verlichtingssystemen, camera's, controllers en software. Met deze componenten houdt een machine vision systeem meestal continu de omgeving in de gaten. Assemblagelijnautomatisering en gerobotiseerde productinspectie hebben de industrie getransformeerd.
Hoe machine vision werkt
Een vision systeem heeft zowel hardware- als softwarecomponenten. Ze komen samen om visuals te verwerken. Machine vision werkt volgens het volgende schema:
Het beeld vastleggen
Het vision-systeem kan een of meer digitale camera's of sensoren bevatten. Ze zijn gemonteerd op de beweegbare arm, transportband of een ander onderdeel. Camera's nemen beelden op van het werkgebied vanuit verschillende hoeken.
Afbeelding voorbewerken
In dit stadium wordt ruis verwijderd, de belichting aangepast en vervorming gecorrigeerd. Het onbewerkte beeld kan allerlei onregelmatigheden bevatten, waardoor beeldverwerking moeilijk wordt. Het schoont het beeld op en verbetert interessante kenmerken. Pre-processing maakt beeldanalyse efficiënter.
Attribuut extractie
Het voorbewerkte beeld wordt geleverd aan de machine vision-software. Deze gebruikt algoritmen voor machinaal leren om significante kenmerken te extraheren. Randen, hoeken en hoeken worden geïdentificeerd en gecategoriseerd. Dit wordt allemaal mogelijk gemaakt door algoritmen voor randdetectie en segmentatie.
Patronen identificeren
Machine learning werkt volgens het principe van patroonherkenning. De geanalyseerde afbeelding wordt gelabeld op basis van miljoenen vergelijkbare invoergegevens uit de trainingsset.
Categorisering en bevestiging
ML-algoritmen classificeren en evalueren objecten op basis van trainingsgegevens. Als het voor alle tests slaagt, wordt het goedgekeurd voor verdere verwerking. Als het algoritme een fout ontdekt, wordt het teruggestuurd voor aanpassing of weggegooid.
Belangrijkste onderdelen van een Machine Vision-systeem
Machinevisiesystemen bestaan uit verschillende belangrijke componenten. Elk onderdeel vervult een belangrijke rol.
Verlichtingsgereedschap
Verlichting is belangrijk voor vision-systemen omdat beelden van hoge kwaliteit verlichting vereisen. Fabrikanten specificeren het wattage en de lumen van het licht dat nodig is voor een goede verzadiging van de camera.
Optische lens
Een optische lens verkrijgt het beeld van het werkstuk. Het beeld wordt als licht overgebracht naar de camerasensor.
Camerasensor/kaart voor opnemen
Camerasensoren ontvangen het vastgelegde beeld in de vorm van licht. Ze zetten dit beeld om in een digitale vorm via halfgeleiders of ladingskoppelelementen. Het fysieke beeld wordt vertaald naar een digitale vorm, voorgesteld door pixels.
Processor
De digitale afbeelding wordt geanalyseerd door deep learning software. De processor voert deze stap uit. De processor, of de computer, haalt de belangrijkste kenmerken van het object uit de afbeelding.
Communicatie
De onderdelen van het vision-systeem communiceren met elkaar via dit kanaal. De communicatiecomponent omvat over het algemeen i/o-signalen, seriële verbindingen en draadloze verbindingen.
Soorten vision-systemen
2D vision-systemen
Wie over machine vision hoort, gaat er vaak van uit dat het om 3D vision gaat. 2D vision-systemen zijn echter de meest gebruikte hulpmiddelen voor inspectie en patroonherkenning. De software van 2D vision systemen analyseert beelden in twee dimensies. Een van de populairste toepassingen van 2D vision is het scannen van streepjescodes en QR-codes. 2D vision systemen zijn kosteneffectief, dynamisch en eenvoudig.
3D Vision-systemen
3D-machinevisiesystemen analyseren diepte via meerdere sensoren. Ze interpreteren de vastgelegde informatie als een 3D-puntenwolk. Terugkerende technieken: gestructureerd licht, stereovisie, lasertriangulatie en time-of-flight. 3D-visie heeft enorme toepassingen in robotica, oppervlakteanalyse, automatisering en productinspectie.
Slimme vision-systemen op basis van camera's
Intelligente vision-systemen op basis van camera's kunnen voldoen aan uw fundamentele meet- en inspectie-eisen. Ze zijn eenvoudig, betaalbaar en gemakkelijk verkrijgbaar. Intelligente camera's bestaan meestal uit een optische lens met een vaste brandpuntsafstand en verlichting. Ze zijn compact en kunnen naadloos worden geïntegreerd in bestaande meetinfrastructuur.
Compacte vision-systemen
Zoals je uit de naam kunt opmaken, zijn compacte vision-systemen een kleinere versie van PC-gebaseerde systemen. Ze bevatten een grafische verwerkingseenheid die naar een randapparaat leidt voor weergave. Compacte vision-systemen zijn ideaal voor lichte toepassingen en scenario's. In deze gevallen is draagbaarheid essentieel. In deze gevallen is draagbaarheid essentieel.
PC-gebaseerde vision-systemen
De meeste machinevisiesystemen gebruiken een computer als centrale processor voor alle componenten. Een industriële pc is verantwoordelijk voor de communicatie met randapparatuur. Hij verwerkt beelden en beheert de automatisering. PC-gebaseerde systemen zijn betrouwbare oplossingen voor fabrieken met hoge automatiserings- en outputvereisten.
Multispectrale beeldvorming
Machinevisiesystemen met multispectrale beeldvorming kunnen een enorme hoeveelheid informatie vastleggen. Ze gaan verder dan de typische RGB-lichtpatronen en vangen licht op buiten het zichtbare spectrum. Als je nabij-infrarood of ultraviolet licht moet analyseren, is dit een uitstekende oplossing.
Hyperspectrale beeldvorming
Hyperspectrale beeldvormende vision-systemen verkrijgen golflengten in honderden smalle, aangrenzende banden. Het is een geavanceerde versie van multispectrale beeldvorming. Visionsystemen met deze technologie kunnen materiaaleigenschappen en kenmerken identificeren.
Lenzen met variabele vergroting
Heb je ooit te maken gehad met het probleem dat je verschillende zoomniveaus nodig hebt voor je producten? Lenzen met variabele vergroting lossen dit probleem op. Door aanpasbare vergrotingswaarden te bieden, kunnen ze de reeks producten die u analyseert vergroten.
Machine vision in AI
Het samenspel van machine vision en kunstmatige intelligentie heeft industriële activiteiten een nieuwe wending gegeven. Je kent waarschijnlijk de toepassingen van deep learning-algoritmen in grote taalmodellen. AI brengt de kracht van neurale netwerken naar machine vision. Dit betekent dat fabrieken geavanceerde verwerking ter plekke kunnen uitvoeren. Met de ontwikkeling van edge computing kunnen vision-systemen ter plekke autonome beslissingen nemen. Detectie van dode pixels is een toepassing. Machine vision systemen kunnen ook lasfouten identificeren. Een andere verwerkingsintensieve toepassing is weefselanalyse.
Machine Vision in Robotica
Pick-and-place robots en geautomatiseerde prestatiearmen zijn tegenwoordig essentiële onderdelen van moderne fabrieken. Automatisering van assemblagelijnen zou niet mogelijk zijn zonder machine vision. Het toont de impact van vision-systemen in de robotica. Intelligente visionrobots kunnen taken uitvoeren die normaal gesproken door menselijke werknemers worden uitgevoerd. Dit betekent minder menselijke inspanning, minder risico op letsel en minder inefficiëntie. Robots kunnen vormen sorteren, defecten identificeren en zelfstandig voorraden beheren. Ze stuwen de productiviteit van fabrieken naar nieuwe hoogten, allemaal dankzij machine vision.
Toepassingen van Machine Vision
Kwaliteitscontrole
Het opsporen van fabricagefouten in elektronica, auto's en farmaceutische producten is een tijdrovend proces. In het verleden hebben bedrijven miljoenen dollars geïnvesteerd in lonen voor productinspectie. Dankzij geautomatiseerde assemblagelijnen en robotarbeiders zijn de kosten gedaald. Aan de andere kant is de productiviteit enorm gestegen. Inspectiesystemen worden ondersteund door machine vision. Ze blinken uit in pass/fail controles, metingen en tracking. Ze zorgen ervoor dat assemblagelijnen zonder onderbrekingen kunnen functioneren.
Meting
2D- en 3D-visiesystemen meten nauwkeurig de afmetingen van objecten, en dat vrijwel onmiddellijk. Fabrieksoperaties zijn hierdoor gestroomlijnder geworden. In veel gevallen betekent dit dat werkplaatsen hele meetstations kunnen verwijderen!
Automatisering
Een van de grote voordelen van machine vision is de mogelijkheid tot automatisering. Ze kunnen repetitieve taken uitvoeren, zoals assembleren en inspecteren. Deze kostten voorheen tijd en moeite. Nu kunnen ze eenvoudig worden uitgevoerd door intelligente robots. Dit verhoogt niet alleen de productiviteit, maar maakt ook menselijke werknemers vrij voor waardevolle besluitvormingstaken.
Erkenning
Machine vision vereenvoudigt productidentificatie aanzienlijk. Industrieën maken gebruik van edge computing en clouddatabases. Een 2D vision-systeem kan een eenvoudige barcode scannen om productdetails te onthullen. Met behulp van technologieën als OCR kunnen vision systemen productdetails op de verpakking lezen. Bovendien kunnen machine vision systemen deze taken tegelijkertijd uitvoeren voor meerdere werkstukken.
Opkomende gebruikssituaties
Vanwege de immense waarde die machine vision-systemen bieden, worden ze in steeds meer industrieën gebruikt. In de afgelopen jaren hebben we een verschuiving gezien in cruciale sectoren zoals landbouw, geneeskunde en de auto-industrie. Machine vision vormt de ruggengraat van geautomatiseerde irrigatie-, gewasinspectie- en oogstsystemen. Medische robots vertrouwen op machine vision voor operationele en chirurgische taken. De opkomst van zelfrijdende auto's is een andere belangrijke toepassing van machine vision.
Voordelen van machine vision
In het snel ontwikkelende industriële landschap is machine vision een belangrijke motor voor vooruitgang. Fabrikanten profiteren ervan door de productkwaliteit, productiviteit en effectiviteit van apparatuur te verbeteren. Het verandert de toeleveringsketen door het introduceren van high-speed tracking. Overal waar het wordt toegepast, vermindert het verspilling, ondervangt het tekort aan arbeidskrachten en verbetert het processen. Het verminderen van de afhankelijkheid van handmatige arbeid voegt niet alleen waarde toe aan levens, maar verbetert ook de veiligheid van werknemers.
Conclusie
Machine vision is niet voor niets een onmisbare technologie in de industrie geworden. De immense voordelen die het biedt, zijn vergelijkbaar met die van een paar andere technologieën. Het is echter cruciaal om te onthouden dat het geen wondermiddel is om slechte administratieve praktijken op te lossen. Het is noodzakelijk om de belangrijkste bedrijfsdoelstellingen in gedachten te houden. Fabrieksinfrastructuur en operationele procedures zijn even belangrijk. Machine vision brengt al deze componenten van een goed bedrijf samen. Het levert enorme voordelen op als het op de juiste manier wordt geïmplementeerd. Voor meer vragen over machine vision en hoe u het kunt toepassen in uw bedrijf, kunt u contact opnemen met ons professionele team.