Inspeksi Visi Mesin:Alat Perdagangan

Pemeriksaan suku cadang dan produk dalam proses otomatis telah berhasil dilaksanakan dengan menggunakan teknologi visi mesin selama beberapa dekade dalam banyak aplikasi yang beragam untuk hampir setiap proses industri dan manufaktur. Meskipun tidak ada angka pasti, masuk akal untuk membuat klaim bahwa tugas inspeksi kemungkinan mendominasi lanskap aplikasi machine vision. Namun, teknologi dan perangkat lunak visi mesin baru terus bermunculan yang semakin meningkatkan proposisi nilai dan kemudahan penerapan inspeksi otomatis. Kunci sukses bagi pengguna akhir adalah memahami alat perdagangan yang matang dan baru dan cara terbaik untuk menerapkan alat ini.

Ikhtisar pemeriksaan

Berbagai tugas terkait inspeksi dalam proses otomasi mempersulit pelabelan setiap kasus penggunaan yang mungkin. Secara umum, beberapa kategori penting termasuk verifikasi perakitan, kehadiran/ketidakhadiran fitur, deteksi cacat (dalam banyak bentuk), dan identifikasi dan diferensiasi produk. Dalam semua kasus, penting untuk diingat bahwa visi mesin dapat menjadi komponen penting dari konsep big data dan Industri 4.0.

Saat menerapkan pemeriksaan penglihatan mesin untuk otomasi industri, mungkin proposisi nilai yang paling signifikan terletak pada bagaimana hasil pemeriksaan dapat digunakan. Lebih dari sekadar memeriksa kualitas, informasi yang diperoleh melalui pemeriksaan penglihatan alat berat dapat menjadi vital untuk meningkatkan efisiensi proses yang lebih luas dan dengan demikian membantu mengurangi biaya produksi dan otomatisasi secara keseluruhan.

Pencitraan — Dasar dari Setiap Aplikasi yang Berhasil

Selalu diulangi bahwa apa pun kasus penggunaan atau metode analisisnya, gambar berkualitas adalah fondasi penting dari proyek visi mesin apa pun. Gambar berkualitas didefinisikan sebagai gambar yang memiliki resolusi dan kontras yang benar untuk menonjolkan fitur (objek, bagian, cacat) yang diinginkan dalam bidang pandang yang diinginkan. Spesifikasi desain yang tepat melibatkan komponen pencitraan itu sendiri serta komponen terkait dan diperlukan termasuk penerangan dan optik.

Untuk banyak aplikasi inspeksi yang menggunakan desain pencitraan yang tepat, skala abu-abu 2D terus menjadi teknologi yang paling banyak digunakan. Kemajuan dalam kecepatan dan resolusi pada sensor dan kamera memungkinkan lebih banyak kasus penggunaan yang sebelumnya mungkin tidak dapat dicapai atau terlalu rumit untuk dipraktikkan. Dengan ketersediaan kamera dengan resolusi sensor 12 MPixels hingga 50 MPixels dan lebih tinggi, mendeteksi fitur yang lebih kecil di bidang pandang yang lebih besar menjadi lebih mudah dan lebih murah. Segera, akuisisi gambar pada 5-10 MPixels dapat dianggap standar, bukan resolusi tinggi.

Kamera pintar, teknologi visi mesin inti, terus menikmati pertumbuhan dalam tugas inspeksi dan secara teratur menampilkan resolusi yang lebih tinggi dan pemrosesan yang lebih cepat. Selain itu, ada perkembangan signifikan dalam arsitektur kamera standar, yang menggabungkan pemrosesan tertanam menggunakan FPGA dan platform komputasi lainnya. Komponen ini sangat cocok untuk aplikasi inspeksi yang dapat diskalakan untuk beberapa penginstalan duplikat untuk memanfaatkan pengurangan biaya terkait untuk beberapa jenis komponen ini.

Melampaui Gambar 2D dan Skala Abu-abu

Komponen visi mesin yang menangkap informasi 3D dari suatu pemandangan sangat tersedia dengan berbagai metodologi pencitraan dan teknik implementasi. Gambar 3D memberikan representasi topografi dari geometri permukaan objek sedangkan pencitraan 2D menangkap gambar kontras (skala abu-abu atau warna) yang ditemukan pada permukaan planar suatu objek. Data 3D memungkinkan atau meningkatkan tugas pemeriksaan yang melibatkan fitur atau cacat dengan struktur geometris yang lebih banyak daripada kontras. Menggunakan sistem 3D menjadi lebih mudah secara dramatis, dan seperti halnya sistem 2D, resolusi, kecepatan, dan akurasi terus berkembang.

Seperti disebutkan, banyak aplikasi pemeriksaan penglihatan mesin menggunakan kamera yang menyediakan gambar skala abu-abu dari suatu objek (juga disebut monokromatik, karena itu adalah gambar tanpa warna, atau pada dasarnya satu warna ). Beberapa aplikasi, bagaimanapun, bisa mendapatkan keuntungan dari, atau harus bergantung pada, gambar berwarna untuk memberikan informasi yang dibutuhkan untuk analisis. Kamera standar sudah tersedia untuk penglihatan mesin yang menangkap gambar RGB (merah, hijau, biru). Jika terintegrasi dengan baik, komponen ini dapat meningkatkan keandalan analisis fitur di mana warna merupakan bagian dari karakteristik yang menentukan objek atau cacat. Sementara sebagian besar kamera warna di pasar menggunakan sistem pemfilteran pada sensor (filter Bayer), tersedia juga komponen kamera canggih yang secara optik membagi gambar yang masuk menjadi tiga saluran bingkai penuh (biasanya RGB) untuk resolusi dan diferensiasi warna yang lebih baik.

Imaging Beyond the Visible

Meskipun bukan hal baru tetapi tersedia lebih luas dalam beberapa tahun terakhir, teknik pencitraan warna yang lebih kuat yang disebut pencitraan hiperspektral, dan pencitraan multispektral relatif dekat, dapat menghasilkan warna yang lebih diskrit dan granular analisis. Kamera ini mengumpulkan beberapa — terkadang ratusan — gambar dari satu adegan, masing-masing dengan bandwidth sempit yang berbeda dari informasi spektral dari adegan. Jenis komponen ini, dengan perangkat lunak klasifikasi khusus, dapat melakukan inspeksi spektral bahan atau bahkan mendeteksi komposisi kimia. Banyak industri seperti makanan, farmasi, dan daur ulang mendapat manfaat dari jenis kemampuan pemeriksaan ini.

Memperluas pencitraan warna lebih jauh, kami menemukan komponen yang dapat membuat gambar menggunakan iluminasi tak terlihat dan bahkan energi panas. Secara umum, ini dapat digambarkan sebagai pencitraan inframerah (IR). Aplikasi citra inframerah dekat (NIR), inframerah gelombang pendek (SWIR), dan inframerah gelombang panjang (pencitraan termal) memberikan pandangan objek yang tidak terlihat dalam panjang gelombang tampak. Kemampuan ini dapat digunakan untuk keuntungan besar dalam banyak aplikasi inspeksi mulai dari deteksi pembusukan pada makanan hingga melihat melalui wadah plastik buram hingga memastikan tingkat pengisian.

Implementasi Pemeriksaan Lebih Mudah

Algoritme dan alat perangkat lunak yang digunakan dengan tugas pemeriksaan penglihatan mesin cukup matang dan dapat diandalkan. Secara keseluruhan, saat bekerja dengan citra yang andal, banyak tugas inspeksi yang mudah diterapkan. Teknologi baru telah muncul yang memiliki potensi untuk ditambahkan ke alat visi mesin yang ada untuk memberikan kemampuan lebih lanjut dan pendekatan pemrosesan yang berbeda.

Teknologi ini yang paling dipublikasikan adalah pembelajaran mendalam. Pembelajaran mendalam untuk visi mesin secara khusus ditargetkan dan sangat cocok untuk aplikasi inspeksi dan berhasil diterapkan ke semakin banyak aplikasi inspeksi dalam visi mesin industri. Namun desain, konfigurasi, dan integrasi aplikasi yang menggunakan pembelajaran mendalam memerlukan pendekatan implementasi yang sama sekali berbeda dari yang digunakan untuk proyek visi mesin tradisional.

Yang disebut teknik implementasi visi mesin tradisional melibatkan pembuatan seperangkat aturan tentang objek target yang dieksekusi menggunakan algoritme yang mengembalikan informasi spesifik tentang objek atau pemandangan. Pembelajaran mendalam dilatih dengan banyak gambar representatif yang berisi contoh bagian atau benda yang baik dan cacat. Namun, ini bukan peluru perak untuk semua aplikasi inspeksi. Kebutuhan untuk mengumpulkan banyak gambar sebelum dapat memprediksi tingkat keberhasilan yang mungkin dicapai mungkin rumit untuk beberapa aplikasi, dan pemeliharaan berkelanjutan dari sistem dan klasifikasinya mungkin tidak sesuai untuk kasus penggunaan tertentu.

Masa Depan Pemeriksaan Penglihatan Alat Berat

Dengan meningkatnya permintaan akan kualitas, manufaktur cerdas, dan pengumpulan data, penerapan teknologi machine vision untuk aplikasi inspeksi terus berkembang. Kemampuan komponen dan perangkat lunak canggih untuk pemeriksaan tentu akan mendorong kasus penggunaan tambahan dan memberikan nilai tambah di masa mendatang.