מהי ראיית מכונה וכיצד היא יכולה לעזור?

הבנה כיצד פועלת ראיית מכונה יכולה לעזור לך לקבוע אם ראיית מכונה פותרת בעיות יישומים ספציפיות בייצור או בעיבוד.

אנשים לרוב לא מבינים מה ראייה מכונה (מחשב, מלאכותי) יכולה לעשות ומה לא יכולה לעשות עבור פס ייצור או תהליך. הבנת איך זה עובד יכולה לעזור לאנשים להחליט אם זה יפתור בעיות באפליקציה. אז מהי בעצם ראייה ממוחשבת ואיך היא בעצם עובדת?

ראייה מלאכותית היא טכנולוגיה מודרנית הכוללת כלים לרכישה, עיבוד וניתוח תמונות של העולם הפיזי על מנת ליצור מידע שניתן לפרש ולהשתמש במכונה באמצעות תהליכים דיגיטליים.

השימוש בראייה מלאכותית בתעשייה

ראייה ממוחשבת מתייחסת לשימוש במצלמה אחת או יותר כדי לבדוק ולנתח אובייקטים באופן אוטומטי, לרוב בסביבה תעשייתית או ייצורית. לאחר מכן ניתן להשתמש בנתונים המתקבלים כדי לשלוט בתהליכים או בפעילויות הייצור.

טכנולוגיה זו עושה אוטומציה של מגוון רחב של משימות על ידי מתן מידע למכונות הדרושות להן כדי לקבל את ההחלטות הנכונות עבור כל משימה.

השימוש בראייה מלאכותית בתעשייה מאפשר אוטומציה של תהליכי הייצור, המוביל לתוצאות ייצור טובות יותר באמצעות שימוש בבקרת איכות וגמישות רבה יותר בכל שלב.

נכון להיום, השימוש בראייה מלאכותית תעשייתית שיפר משמעותית את תהליכי הייצור. זה איפשר להשיג מוצרים באיכות גבוהה יותר בעלויות נמוכות יותר וכמעט בכל תחומי התעשייה, החל ממכוניות ומזון ועד אלקטרוניקה ולוגיסטיקה.

שימוש טיפוסי יהיה פס ייצור שבו המצלמה מופעלת לאחר ביצוע פעולה בחלק שמצלם ומעבד תמונה. ניתן לתכנת את המצלמה לבדוק את מיקומו של אובייקט מסוים, את צבעו, גודלו או צורתו ואת נוכחותו של האובייקט.

ראיית מכונה יכולה גם לחפש ולפענח ברקודים מטריצות דו-ממדיות סטנדרטיות או אפילו לקרוא תווים מודפסים. לאחר בדיקת המוצר, נוצר בדרך כלל אות שקובע מה לעשות עם המוצר הבא. ניתן להפיל את החלק לתוך מכולה, לנתב אותו למסוע מסועף או להעביר אותו לפעולות הרכבה אחרות, ותוצאות הבדיקה עוקבות במערכת.

בכל מקרה, מערכות ראייה ממוחשבת יכולות לספק הרבה יותר מידע על אובייקט מאשר חיישני מיקום פשוטים.

ראייה ממוחשבת משמשת בדרך כלל, למשל, כדי:

• QA,
• שליטה על רובוט (מכונה),
• בדיקה וכיול,
• בקרת תהליכים בזמן אמת,
• איסוף נתונים,
• ניטור מכונה,
• מיון וספירה.

יצרנים רבים משתמשים בראייה ממוחשבת אוטומטית במקום באנשי בדיקה מכיוון שהיא מתאימה יותר לבדיקות חוזרות. זה מהיר יותר, אובייקטיבי יותר ועובד מסביב לשעון.

מערכות ראייה ממוחשבת יכולות לבדוק מאות או אלפי חלקים בדקה ולספק תוצאות בדיקה עקביות ואמינות יותר מבני אדם. על ידי צמצום פגמים, הגדלת הכנסות, הקלת התאמה ומעקב אחר חלקים עם ראייה ממוחשבת, היצרנים יכולים לחסוך כסף ולהגדיל את הרווחיות שלהם.

איך עובדת ראיית מכונה

תא פוטו בדיד הוא אחד החיישנים הפשוטים ביותר בתחום האוטומציה התעשייתית. הסיבה שאנו קוראים לזה "בדיד" או דיגיטלי היא כי יש לו רק שני מצבים: מופעל או כבוי.

עקרון הפעולה של תא פוטו בדיד (חיישן אופטי) הוא להעביר קרן אור ולקבוע האם האור מוחזר על ידי עצם. אם אין חפץ, האור אינו מוחזר למקלט הפוטו-סל. אות חשמלי, בדרך כלל 24 וולט, מחובר למקלט.

אם האובייקט קיים, האות מופעל וניתן להשתמש בו במערכת הבקרה לביצוע פעולה. כאשר האובייקט נמחק, האות נכבה שוב.

חיישן כזה יכול להיות גם אנלוגי. במקום שתי מדינות, כלומר. כיבוי והדלקה, הוא יכול להחזיר ערך המציין כמה אור חוזר למקלט שלו. זה יכול להחזיר 256 ערכים, מ-0 (כלומר ללא אור) ל-255 (משמעות רבה של אור).

תארו לעצמכם אלפי תאי פוטו אנלוגיים זעירים המסודרים במערך מרובע או מלבני המכוונים לאובייקט.פעולה זו תיצור תמונה בשחור-לבן של האובייקט בהתבסס על ההחזר של המיקום אליו מצביע החיישן. נקודות הסריקה הבודדות בתמונות אלו נקראות "פיקסלים".

כמובן, אלפי חיישנים פוטואלקטריים זעירים אינם משמשים ליצירת התמונה. במקום זאת, העדשה ממקדת את התמונה אל מערך מוליכים למחצה של גלאי אור.

מטריצה ​​זו משתמשת במערכים של התקני מוליכים למחצה רגישים לאור כגון CCD (Charge Coupled Device) או CMOS (Complementary Metal-Oxide-Semiconductor). החיישנים הבודדים במטריצה ​​זו הם פיקסלים.

ארבעת המרכיבים העיקריים של מערכת ראייה ממוחשבת

ארבעת המרכיבים העיקריים של מערכת ראייה ממוחשבת הם:

• עדשות ותאורה;
• חיישן תמונה או מצלמה;
• מעבד;
• דרך להעביר תוצאות, בין אם באמצעות חיבור קלט/פלט פיזי (I/O) או שיטת תקשורת אחרת.

ראייה ממוחשבת יכולה להשתמש בסריקת פיקסלים צבעונית ולעתים קרובות משתמשת במערך גדול בהרבה של פיקסלים. כלי תוכנה מוחלים על תמונות שצולמו כדי לקבוע את הגודל, מיקום הקצוות, התנועה והמיקום היחסי של אלמנטים זה לזה.

העדשות לוכדות את התמונה ומעבירות אותה לחיישן בצורת אור. כדי לייעל את מערכת הראייה הממוחשבת, יש להתאים את המצלמה לעדשות מתאימות.

למרות שקיימים סוגים רבים של עדשות, עדשות באורך מוקד קבוע משמשות בדרך כלל ביישומי ראייה ממוחשבת. שלושה גורמים חשובים בעת הבחירה: שדה ראייה, מרחק עבודה, גודל חיישן המצלמה.

ניתן להחיל תאורה על תמונה במגוון דרכים. הכיוון שממנו מגיע האור, הבהירות שלו והצבע או אורך הגל שלו בהשוואה לצבע המטרה הם גורמים חשובים מאוד שיש לקחת בחשבון בעת ​​תכנון סביבת ראייה ממוחשבת.

בעוד תאורה היא חלק חשוב בקבלת תמונה טובה, ישנם שני גורמים נוספים המשפיעים על כמות האור שתמונה מקבלת. העדשה כוללת הגדרה הנקראת צמצם, הנפתחת או נסגרת כדי לאפשר ליותר או פחות אור להיכנס לעדשה.

בשילוב עם זמן החשיפה, זה קובע את כמות האור הפוגעת במערך הפיקסלים לפני הפעלת תאורה כלשהי. מהירות התריס או זמן החשיפה קובעים כמה זמן התמונה מוקרנת על מטריצת הפיקסלים.

בראייה ממוחשבת, התריס נשלט באופן אלקטרוני, בדרך כלל בדיוק של אלפיות השנייה. לאחר צילום התמונה, מיושמים כלי התוכנה. חלקם משמשים לפני ניתוח (עיבוד מקדים), אחרים משמשים לקביעת המאפיינים של האובייקט הנלמד.

במהלך עיבוד מקדים, ניתן להחיל אפקטים על תמונה כדי לחדד קצוות, להגביר את הניגודיות או להשלים פערים. מטרת המשימות הללו היא לשפר את היכולות של כלי תוכנה אחרים.

ראייה מלאכותית היא טכנולוגיה המחקה את הראייה האנושית ומאפשרת לקבל, לעבד ולפרש תמונות המתקבלות במהלך תהליכי ייצור.מכונות ראייה מלאכותית מנתחות ומפענחות מידע המתקבל במהלך תהליכי הייצור כדי לקבל החלטות ולפעול בצורה הנוחה ביותר באמצעות תהליך אוטומטי. עיבוד התמונות הללו מתבצע באמצעות התוכנה המשויכת למכונה, ועל סמך הנתונים המתקבלים ניתן להמשיך בתהליכים ולזהות שגיאות אפשריות בפסי הייצור.

המטרה של ראייה ממוחשבת

הנה כמה כלים נפוצים שבהם תוכל להשתמש כדי לקבל מידע על היעד שלך:

• ספירת פיקסלים: מציג את מספר הפיקסלים הבהירים או הכהים באובייקט.
• זיהוי קצה: מצא את הקצה של אובייקט.
• מדידה (מטרולוגיה): מדידת מידות של עצם (למשל במילימטרים).
• זיהוי דפוסים או התאמת דפוסים: חפש, התאם או ספור דפוסים ספציפיים. זה יכול לכלול זיהוי אובייקט שניתן לסובב, להסתיר חלקית על ידי אובייקט אחר, או שיש לו אובייקטים אחרים.
• זיהוי תווים אופטי (OCR): קריאה אוטומטית של טקסטים כגון מספרים סידוריים.
• ברקוד, מטריצת נתונים וקריאת ברקוד דו-ממדית: אסוף נתונים הכלולים בתקני ברקוד שונים.
• זיהוי נקודה: בודק בתמונה כתמים של פיקסלים מחוברים (כגון חור שחור באובייקט אפור) כנקודת ייחוס לתמונה.
• ניתוח צבע: זיהוי חלקים, מוצרים וחפצים לפי צבע, הערכת איכות והדגשת אלמנטים לפי צבע.

המטרה של השגת נתוני בדיקה היא לעתים קרובות להשתמש בהם כדי להשוות מול ערכי יעד כדי לקבוע עובר/נכשל או להמשיך/לא להמשיך.

לדוגמה, בעת סריקת קוד או ברקוד, הערך המתקבל מושווה לערך היעד המאוחסן. במקרה של מדידה, הערך הנמדד מושווה עם הערכים והסובלנות הנכונים.

בעת בדיקת קוד אלפאנומרי, ערך טקסט ה-OCR מושווה לערך הנכון או היעד. לבדיקת פגמים פני השטח, ניתן להשוות את גודל הפגם לגודל המקסימלי המותר בתקני האיכות.

בקרת איכות

לראיית מכונה יש פוטנציאל עצום בתעשייה. נעשה שימוש במערכות ראייה מלאכותיות אלו ברובוטיקה, מאפשרים לנו להציע פתרון אוטומטי לשלבי ייצור שונים, כגון בקרת איכות או איתור מוצרים פגומים.

בקרת איכות היא מכלול של שיטות וכלים שיאפשרו לנו לזהות טעויות בתהליך הייצור, וכן לנקוט באמצעים מתאימים לסילוקן. זה מספק שליטה הרבה יותר מלאה על המוצר הסופי, ומבטיח שכאשר הוא יגיע לצרכן הוא יעמוד בתקני איכות ספציפיים ומבוססים.

באופן זה מוחרגים מהתהליך מוצרים שאינם עומדים בדרישות האיכות המינימליות ובכך מונעים שיבושים אפשריים בתהליך הייצור וזאת באמצעות ביצוע בדיקות שוטפות ובדיקות אקראיות.

לשימוש בבקרת איכות בייצור יש מספר יתרונות:

• להגדיל את הפרודוקטיביות;
• הפסדים חומריים מופחתים;
• ירידה במחיר;
• האיכות הטובה ביותר של המוצר הסופי.

תקשורת בראייה ממוחשבת

לאחר קבלת המידע על ידי המעבד והתוכנה, ניתן להעביר מידע זה למערכת הבקרה באמצעות מגוון פרוטוקולי תקשורת סטנדרטיים בתעשייה.

מערכות ראייה ממוחשבת תומכות לעתים קרובות ב-EtherNet/IP, Profinet ו- Modbus TCP. גם פרוטוקולים טוריים RS232 ו-RS485 נפוצים.

קלט/פלט דיגיטלי מובנה לעתים קרובות במערכות הפעלה ומפשט את הדיווח על התוצאות. זמינים גם תקני תקשורת לראייה ממוחשבת.

סיכום

למערכות ראייה מלאכותית מגוון רחב של יישומים וניתן להתאים אותן לתעשיות שונות ולצרכים השונים של כל פס ייצור. כיום, כל חברה המייצרת מוצרים בסטנדרט מסוים יכולה לנצל את הראייה הממוחשבת כחלק מתהליך הייצור שלה.

הבנת העקרונות הפיזיקליים והיכולות של מערכות ראייה מלאכותיות יכולה להיות מועילה בקביעה אם טכנולוגיה כזו מתאימה לתהליך ייצור במקרה מסוים. באופן כללי, כל מה שהעין האנושית יכולה לראות, המצלמה יכולה לראות (לפעמים יותר, לפעמים פחות), אבל פענוח והעברת המידע הזה יכולים להיות מורכבים למדי.