Dalam blog hari ini kita akan berbicara tentang salah satu teknologi yang paling banyak diterapkan di bidang industri terkait dengan Industri 4.0:Computer Vision. Ini adalah teknologi dengan banyak kemungkinan dan, dengan menerapkannya, dimungkinkan untuk memecahkan berbagai masalah yang biasa muncul di pabrik produksi.
Teknik Computer Vision terus berkembang dan berkembang berkat sensor baru dan lebih kuat yang digabungkan dan teknik pemrosesan gambar baru.
Selanjutnya kami jelaskan lebih detail, apa itu Computer Vision, aplikasinya, jenis Computer Vision, Deep learning, apa itu image processing, pentingnya pencahayaan dan manfaat yang bisa dibawanya bagi suatu proses atau perusahaan.
Computer Vision adalah salah satu teknologi yang semakin banyak digunakan di pabrik . Sistem Computer Vision memperoleh informasi dari lingkungan dalam bentuk gambar , yang dapat terdiri dari banyak jenis, memproses dan menganalisisnya . Untuk memahaminya, Anda dapat memikirkan bagaimana kita memahami lingkungan kita berkat indera kita. Dalam hal ini, mata membantu kita memperoleh informasi dari dunia di sekitar kita, dan sistem penglihatan melakukan tugas yang sama untuk mendigitalkan informasi tersebut sehingga dapat diproses oleh mesin.
Untuk mendapatkan gambar tersebut, sensor ditempatkan. Jenisnya dapat berbeda:kamera 2D, kamera hiperspektral, kamera 3D, dll. Semuanya memberi kita informasi tentang lingkungan yang selanjutnya diproses untuk mendapatkan informasi yang kita butuhkan.
Sistem Computer Vision tidak dipahami sebagai sistem terisolasi yang tidak memiliki hubungan dengan elemen pabrik lainnya, melainkan terintegrasi dengan proses penerimaan dan pengiriman informasi lainnya.
(Anda mungkin juga tertarik dengan postingan kami “Tujuh Aplikasi Computer Vision“ )
Anda dapat memikirkan banyak sektor di mana Computer Vision dapat digunakan, dalam aplikasi yang sangat beragam dan untuk tujuan yang berbeda. Hal ini disebabkan fakta bahwa ada banyak jenis sensor yang digunakan dalam Computer Vision dan yang memungkinkan mencakup banyak area kerja dan banyak sektor industri. Beberapa aplikasi paling menonjol yang menggunakan sistem Computer Vision adalah:metrologi, deteksi cacat dalam potongan, deteksi elemen intrusi, pembacaan kode dari berbagai jenis atau sebagai sistem kualitas.
Ini adalah salah satu aplikasi Computer Vision yang paling terkenal. Sistem Computer Vision mampu, setelah dilatih, untuk mendeteksi cacat. Cacat dapat berkisar dari retakan logam, cacat cat, gerinda, cetakan yang salah, dan banyak pilihan lainnya. Cacat yang mampu mereka deteksi bisa mencapai kurang dari 0,05 mm. Pelatihan dilakukan dengan memberi makan citra sistem dengan cacat dan tanpa cacat.
Melakukan pengukuran dengan presisi hingga mikron dimungkinkan berkat Computer Vision. Ini adalah aplikasi yang dibuat menggunakan peralatan atau probe metrologi laser.
Kemajuan yang dibuat dalam peralatan dan sensor Computer Vision memungkinkan untuk mendapatkan, setiap kali, gambar dengan kualitas yang lebih baik. Oleh karena itu, jenis sistem ini digunakan untuk presisi tinggi metrologi . Dengan sistem penglihatan, hingga mikron dapat diukur untuk mendeteksi cacat pada bagian tertentu.
Di sisi lain, keragaman sensor juga memungkinkan penggunaan jenis gambar lain, yang bukan gambar RGB biasa. Misalnya, dengan kamera hiperspektral, Anda dapat membedakan komposisi bahan, yang, dalam banyak kasus, memberikan informasi yang relevan. Teknik ini banyak digunakan di sektor pertanian pangan, sebagai sistem mutu. Berkat mereka, kita dapat membedakan antara buah dan batu, atau mendeteksi sisa-sisa plastik atau penyusup lain yang tidak diinginkan misalnya.
Salah satu aplikasi sistem penglihatan yang paling terkenal adalah pengenalan atau pembacaan kode .
Saat ini, ada banyak sistem yang mengenali semua jenis kode yang memungkinkan, misalnya, memiliki ketertelusuran dalam banyak proses.
Setiap hari semakin banyak perakitan kompleks dibuat, dengan lebih banyak potongan atau koneksi. Computer Vision memungkinkan kita untuk memeriksa, langkah demi langkah, bahwa setiap bagian sudah terpasang, atau di akhir proses, apakah perakitan akhir sudah benar. Aplikasi ini sangat berguna untuk perakitan mesin, peralatan, papan elektronik atau pra-rakitan dengan kompleksitas besar. Sistem ini sangat mengurangi waktu siklus operasi dan waktu operasi ulang yang sangat kompleks.
Dan terakhir, salah satu aplikasi yang paling banyak diminta kepada kami, adalah menggabungkan robotika kolaboratif dengan Computer Vision untuk dapat melakukan pengambilan sampah secara acak. Potongannya rusak dan oleh karena itu kita perlu mengoptimalkan lintasan dan mendeteksi koordinat pegangan. Robot membutuhkan bantuan untuk memberi tahu Anda apa bagian itu dan di mana letaknya, sehingga ia dapat memutuskan cara terbaik untuk mendapatkan bagian itu.
Mengenai robotika, kita akan berbicara tentang robotika adaptif, yang beradaptasi dengan lingkungannya dan mampu bertindak secara cerdas. Hal ini dicapai dengan menambahkan sensor, yang berkomunikasi dengan robot dan memberikan informasi tentang lingkungannya untuk dapat bertindak dalam kasus yang berbeda. Sistem penglihatan memberikan jenis informasi ini kepada robot untuk bertindak, misalnya, jika terjadi perubahan posisi, rintangan, pengambilan potongan dalam keadaan kacau, dll.
Seperti yang Anda lihat, kemungkinan Computer Vision tidak terbatas, dan dari ATRIA kami telah berhasil melakukan banyak Proyek di area ini.
Terakhir, kami ingin berbicara tentang beberapa manfaat yang dibawa Computer Vision pada proses produksi.
Computer Vision bersama dengan Deep learning, memungkinkan pengembangan aplikasi yang jauh lebih cerdas, bertindak dalam situasi yang sangat bervariasi dan belajar dari lingkungan. Algoritma pembelajaran mendalam belajar dari data yang diperoleh dari lingkungannya dan mempelajari karakteristiknya untuk dapat bertindak dalam situasi yang berbeda, membuat klasifikasi atau mendeteksi objek. Pada banyak kesempatan, data ini adalah gambar yang diperoleh dengan kamera. Jangan lupa bahwa untuk membuat kumpulan data, algoritma ini perlu dilatih. Sensor yang digunakan untuk membuat sampel data ini sangat penting. Data, dalam hal ini, akan berupa gambar dan pengambilan kualitasnya serta pelabelan dan pemfilterannya sangat penting untuk berfungsinya aplikasi dengan Deep learning.
Kami telah maju bahwa ada berbagai jenis sensor yang digunakan dalam sistem Computer Vision. Di sini kami ingin berbicara tentang yang paling penting:
Pertama, kami menemukan kamera matriks 2D yang memperoleh gambar baik dalam RGB, yang kita kenal sebagai gambar berwarna atau gambar skala abu-abu. Kamera-kamera ini memperoleh gambar yang, diterjemahkan, adalah matriks yang dibagi menjadi piksel, yang berisi informasi warna. Kamera ini memiliki banyak kemungkinan dan digunakan untuk berbagai aplikasi seperti pengenalan karakter, metrologi, pembacaan kode, atau pemeriksaan cacat.
Di sisi lain, ada kamera hiperspektral , memungkinkan untuk mengetahui komposisi bahan melalui pengukuran panjang gelombang. Dengan cara ini, dimungkinkan untuk mendeteksi penyusup seperti batu, plastik, dll. Mereka banyak digunakan di sektor makanan.
Teknik Computer Vision lainnya yang ada adalah thermography . Dari sensor tersebut diperoleh informasi suhu sampel atau benda dalam bentuk gambar. Mereka diwakili oleh skala warna yang memberikan informasi tentang suhu. Ini digunakan dalam aplikasi seperti deteksi kebocoran atau ketidakseimbangan beban.
Terakhir, kita akan berbicara tentang kamera 3D . Jenis sensor ini memberikan informasi kedalaman. Ada juga berbagai jenis kamera 3D yang memungkinkan cakupan spektrum aplikasi yang sangat luas. Mereka digunakan untuk mengambil potongan atau mendeteksi cacat di antara aplikasi lain.
Pemrosesan gambar yang diperoleh dari sensor yang telah kita bicarakan adalah mekanisme untuk mengekstrak informasi yang diperlukan dari gambar digital. Untuk ini, perlu menggunakan perangkat lunak khusus yang melakukan proses yang diperlukan untuk setiap jenis aplikasi ke gambar.
Saat ini ada sistem komersial yang berbeda, atau kamera pintar, yang memiliki alat untuk pemrosesan gambar. Sering kali, alat ini cukup untuk aplikasi tertentu, namun, di lain waktu, perlu untuk mengembangkan perangkat lunak khusus yang menyediakan keserbagunaan yang diperlukan.
Setelah memproses gambar dan setelah hasil atau informasi yang diperlukan telah diperoleh, informasi ini dikembalikan ke luar sebagai output dari sistem (untuk memperingatkan cacat, mengembalikan hasil pengukuran atau memberikan koordinat kepada robot untuk bertindak).
Selain sensor yang menangkap data, dalam sistem penglihatan, elemen tambahan digunakan untuk meningkatkan kualitas data yang diperoleh dan yang seringkali sangat penting untuk berfungsi dengan baik.
Salah satu elemen eksternal terpenting adalah pencahayaan . Menyertakan sistem pencahayaan eksternal, dalam banyak kasus, berfungsi untuk memastikan bahwa gambar diambil dengan benar. Dalam Proyek ini, misalnya, pencahayaan khusus digunakan untuk mendapatkan gambar potongan dengan benar dan tanpa pantulan.
Ada sistem pencahayaan yang berbeda untuk sistem Computer Vision tergantung pada jenis bahan yang kita perlukan untuk menerangi, jarak, lampu latar, dan banyak parameter lainnya. Beberapa sistem pencahayaan yang paling umum digunakan adalah langsung, tidak langsung, atau 'lampu latar' Petir. Tentu saja, itu juga dapat diterangi dengan lampu led, putih atau merah . Ini hanyalah beberapa contoh yang ada dan yang harus dipelajari untuk setiap aplikasi tertentu, yang akan memungkinkan kami memperoleh gambar yang berguna untuk proses kami.
Apakah Anda ingin menerapkan Computer Vision di salah satu Proyek Anda? Hubungi kami!Proyek Terkait:
Sistem Kontrol Otomatisasi
Selama proses daur ulang, salah satu tugas yang paling penting dan paling tidak diketahui adalah memilih kemasan. Pemilihan wadah dilakukan di pabrik tertentu dan tugasnya terdiri dari memisahkan wadah yang berbeda (dari wadah kuning) menurut bahan dan sifatnya (biasanya plastik, wadah logam dan bat
Seperti sektor industri dengan industri 4.0 , sektor pertanian juga mengalami revolusinya sendiri, yang dikenal dengan agriculture 4.0. Dengan cara yang sama seperti industrinya yang setara, Agriculture 4.0 didasarkan pada integrasi dan penggunaan teknik dan teknologi baru, baik untuk pengumpulan
Beberapa minggu yang lalu Anda dapat mempelajari tentang proyek ini di RRSS kami dan hari ini kami membawakan Anda entri yang didedikasikan untuk itu. Anda juga dapat menemukan detail lebih lanjut di situs web-nya sendiri . Proyek ini muncul dari kebutuhan, yang ada di pabrik pemilahan sampah kemas
Tentu Anda sudah tahu apa itu Industri 4.0 , manfaatnya , aplikasinya dan bagaimana hal itu cocok dengan Otomasi industri . Dalam postingan ini kami memberi tahu Anda bagaimana pekerja masa depan (dan masa kini), karena ia harus memiliki pengetahuan tentang teknologi 4.0 secara mendalam. Bagaimana
