某某电气官方网站欢迎你!

联系我们
服务热线
020-66883179
地址:广州市北关正街天宝安远国际58室
当每个啤酒 瓶移动经过检测传感器时
浏览: 发布日期:2018-11-04

  据自动成像协会(Automated Imaging Association,AIA)报告,人工智能工检涵盖所有工业 和非工业应用,在这些应用中,硬件与软件组合在一起,基于图像的采集和处理,在各 种设备执行其功能的过程中向它们提供操作引导。虽然工业计算机视觉使用的许多算法 和方法都跟计算机视觉在学术/教育和政府/军事应用中使用的是一样的,但它们各自的 局限性是不一样的。

  相比学术/教育视觉系统,工业视觉系统需要更高的坚固耐用性、可靠性和稳定性;而相 比政府/军事应用中使用的视觉系统,工业视觉系统的成本通常要低得多。因此,工业机 器视觉通常意味着成本低、准确度令人满意、坚固耐用性高、可靠性高、机械和温度稳 定性高。

  人工智能工检系统依靠封装在工业相机内的数字传感器和专门的光学元件采集图像,然后, 计算机硬件和软件基于该图像处理、分析和测量各种特征而作出决策。

  下面,我们以啤酒厂采用的填充液位检测系统为例来进行说明(见图1)。当每个啤酒 瓶移动经过检测传感器时,检测传感器将会触发视觉系统发出频闪光,拍下啤酒瓶的照 片。采集到啤酒瓶的图像并将图像保存到内存后,视觉软件将会处理或分析该图像,并 根据啤酒瓶的实际填充液位发出通过-未通过响应。如果视觉系统检测到一个啤酒瓶未 填充到位,即未通过检测,视觉系统将会向转向器发出信号,将该啤酒瓶从生产线上剔 除。操作员可以在显示屏上查看被剔除的啤酒瓶和持续的流程统计数据。

  另外,人工智能工检系统还能够进行物品测量,比如确定火花塞间隙或提供位置信息,引导 机器人在制造组装过程中将元件对位。图2显示的例子主要是说明人工智能工检系统如何能 够用于进行滤油器(右)通过或未通过检测,以及测量支架上中心轴头的宽度(左)。

  虽然人类视觉最擅长于对复杂、非结构化的场景进行定性解释,但人工智能工检则凭借速度、 精度和可重复性等优势,擅长于对结构化场景进行定量测量。举例来说,在生产线上,机 器视觉系统每分钟能够对数百个甚至数千个元件进行检测。配备适当分辨率的相机和光学 元件后,人工智能工检系统能够轻松检验小到人眼无法看到的物品细节特征。

  另外,由于消除了检验系统与被检验元件之间的直接接触,人工智能工检还能够防止元件损 坏,也避免了机械部件磨损的维护时间和成本投入。通过减少制造过程中的人工参与,机 器视觉还带来了额外的安全性和操作优势。此外,人工智能工检还能够防止洁净室受到人为污 染,也能让工人免受危险环境的威胁。

  在任何人工智能工检应用中,无论是最简单的装配检验,还是复杂的3D机器人箱子拾取应用, 通常第一步都是采用图案匹配技术定位相机视场内的感兴趣物品或特征。感兴趣物品的定 位往往决定人工智能工检应用的成败。如果图案匹配软件工具无法精确地定位图像中的元件, 那么,它将无法引导、识别、检验、计数或测量元件。虽然元件定位听上去很简单,但在 实际生产环境中,元件外观的差异可能导致这一步变得非常具有挑战性(见图3)。虽然 视觉系统经过培训,基于图案来识别元件,但即使是最严格控制的流程,也允许元件外观 存在一定的变化(见图4)。

  要实现精确、可靠、可重复的结果,视觉系统的元件定位工具必须具备足够的智能,能够 快速、精确地将培训图案与生产线上移动过来的实际物品进行比较(图案匹配)。在四种 主要的人工智能工检应用中,包括引导、识别、测量和检验(英文首字母缩写:GIGI),元件 定位是非常关键的第一步。

  需要进行引导的原因可能有多种。首先,人工智能工检系统可以定位元件的位置和方向,将元 件与规定的公差进行比较,以及确保元件处于正确的角度,以验证元件装配是否正确。接 着,引导可用于将元件在2D或3D空间内的位置和方向报告给机器人或机器控制器,让机器 人能够定位元件或机器,以便将元件对位。人工智能工检引导在许多任务中都能够实现比人工 定位高得多的速度和精度,比如将元件放入货盘或从货盘中拾取元件;对输送带上的元件 进行包装;对元件进行定位和对位,以便将其与其他部件装配在一起;将元件放置到工作 架上;或者将元件从箱子中移走。

  另外,引导还可用于与其他人工智能工检工具进行对位。这是人工智能工检一个非常强大的功能, 因为在生产过程中,元件可能是以未知的方向呈现到相机面前的。通过定位元件,并将其 他人工智能工检工具与该元件对位,人工智能工检能够实现工具自动定位。这涉及到元件关键特征 的定位,以确保卡尺、Blob、边线或其他视觉软件工具的精确定位,进而让它们能够与元 件正确互动。这种方法让制造商能够在同一生产线上生产多种产品,从而减少了检验过程 中用于保持元件位置的昂贵硬膜的需要。

  有时,引导还需要进行几何图案匹配。图案匹配工具在保证每次可靠定位元件的同时,还 必须能够应对较大的对比度和光线变化,以及尺度变化、旋转和其他因素。这是因为,图 案匹配所获取的位置信息必须能够让其他人工智能工检软件工具与元件精确对位。

  在测量应用中,人工智能工检系统通过计算物品上两个或以上的点或者几何位置之间的距离来 进行测量,然后确定这些测量结果是否符合规格。如果不符合,视觉系统将向机器控制器 发送一个未通过信号,进而触发生产线上的不合格产品剔除装置,将该物品从生产线上剔 除。

  在实践中,当元件移动经过相机视场时,固定式相机将会采集该元件的图像,然后,机器 视觉系统将使用软件来计算图像中不同点之间的距离。由于许多人工智能工检系统在测量物品 特征时能够将公差保持在0.0254mm以内,因此,它们能够解决许多传统上通过接触式测量 来解决的应用。

  在检验应用中,人工智能工检系统通过检测制成品是否存在缺陷、污染物、功能性瑕疵和其他 不合规之处,来进行产品检验。应用示例包括检验片剂式药品是否存在缺陷;检验显示 屏,以验证图标的正确性或确认像素的存在性;或者检验触摸屏,以测量背光对比度水 平。人工智能工检还能够检验产品的完整性,比如在食品和医药行业,人工智能工检用于确保产品 与包装的匹配性,以及检查包装瓶上的安全密封垫、封盖和安全环是否存在。

  人工智能工检系统(见图9)的主要组件包括光源、镜头、图像传感器、视觉处理和通信。光源 用于对待检测的元件进行照明,让元件的关键特征能够突显出来,确保相机能够清楚地看 到这些特征。镜头用于采集图像,并将图像以光线的形式呈现给传感器。然后,人工智能工检 相机中的传感器将该光线转换成数字图像,然后将该数字图像发送至处理器进行分析。

  视觉处理模块由各种算法组成,这些算法将对图像进行审核,提取所需的信息,进行必要 的检验,并作出决策。最后,通信通常是通过离散I/O信号或数据来实现,主要是将这些信 号或数据通过串行连接发送至一台设备,以供记录或使用。

  大多数人工智能工检硬件组件,如光源模块、传感器和处理器,都是以商用现货(COTS)形式 供应的。用户可以购买这些商用现货(COTS),将它们组装成人工智能工检系统,或者直接购 买集成式人工智能工检系统,即一台设备中集成了所有部件。

  下面列出了人工智能工检系统的各个关键组件,包括:光源、镜头、视觉传感器、图像处理、 视觉处理和通信。

  光源是成功获取人工智能工检检测结果的一个关键组件。人工智能工检系统是通过分析从物品上反 射过来的光线而不是分析物品本身来创建图像的。照明技术涉及到光源及其与元件和相机 的相对位置。特殊的照明技术可通过将部分特征弱化,而将其他特征增强,从而改进图 像,举例来说,通过照明将元件的轮廓突显出来,同时将表面细节遮挡住,以确保能够测 量元件的边线。

  镜头用于采集图像,并将图像发送至相机中的图像传感器。不同的镜头在光学质量和价格 方面存在差异,所使用的镜头将决定所采集图像的质量和分辨率。大多数视觉系统相机主 要提供两种类型的镜头:可现场互换的镜头和固定镜头。可现场互换的镜头通常为C接口 或CS接口镜头。镜头和扩展配件的正确组合可确保采集到最佳图像。作为独立式视觉系统 一个组成部分的固定镜头通常采用自动对焦技术,包括机械调焦镜头和液态镜头,都能够 自动对焦元件。自动对焦镜头在指定的距离下通常拥有固定的视场。

  相机能否采集到照明得当的待检验元件图像,不仅仅取决于镜头,还取决于相机内的图像 传感器。图像传感器通常使用电荷耦合装置(CCD)或互补金属氧化物半导体(CMOS)技 术将光线(光子)转换成电信号(电子)。本质上来讲,图像传感器的工作就是采集光 线,然后将光线转换成数字图像,该数字图像在噪影、灵敏度和动态范围方面保持平衡。 图像是像素的集合。微弱的光线通常产生暗像素,而明亮的光线则会产生较明亮的像素。 很重要的一点是,必须确保相机的传感器分辨率适合应用。分辨率越高,图像将拥有越多 的细节,测量则将越准确。元件尺寸、检测公差及其他参数将决定所需的分辨率。

  视觉处理是指从数字图像中提取信息,这可以在基于PC的外部系统中进行,也可以在独立 式视觉系统内部进行。视觉处理是由视觉软件分步骤进行的。首先,从传感器中获取图 像。在某些情况下,可能需要进行预处理,以优化图像,并确保所有必要的特征都突显出 来。接着,视觉软件将定位具体的特征,进行测量,并将这些测量结果与指定规格进行比 较。最后,作出决策,并将结果发送出去。

  虽然人工智能工检系统的许多机械组件(如光源)都提供类似的规格,但视觉系统的算法能够 将它们区别开来,当我们对不同的解决方案进行比较时,视觉系统的算法应当位于需要评 估的关键组件列表首位。视觉软件将根据特定的系统或应用来配置相机参数,作出通过未通过决策,与工厂车间进行通信,以及支持HMI开发。

  由于视觉系统经常使用各种现成的组件,这些组件必须能够与其他机器组件相协调,并且 能够快速、轻松地连接到其他机器组件。通常,这是通过离散I/O信号或数据来实现的,主 要是将这些信号或数据通过串行连接发送至一台设备,以供记录或使用。离散I/O点可以连 接到可编程逻辑控制器(PLC),PLC将使用这些信息来控制工作单元或指示器(如堆栈指 示灯),或者直接连接到螺线管,该螺线管可用于触发不合格产品剔除装置。

  串行连接式数据通信可以传统的RS-232串行输出或以太网的形式进行。有些系统采用较高 层级的工业协议,如以太网/IP,可以连接到显示屏等设备或其他操作界面,提供适用于应 用的操作界面,从而方便流程的监控和控制。

  大多数常见的检测相机执行的都是面阵扫描,如下面的图11所示,需要采集不同分辨率的 2D快照。另一种类型的2D人工智能工检执行的也是线所示,通过线扫描创 建一个二维图像。

  在某些应用中,相比面阵扫描系统,线扫描系统具有特定的优势。举例来说,检测圆形或 柱形元件时,可能需要使用多台面阵扫描相机,才能覆盖到元件的整个表面。但如果我们 将元件置于一台线扫描相机前面,然后旋转元件,通过这种方式将图像展开,我们可以采 集到整个表面的图像。而且,线扫描相机也更容易安装到狭小的应用空间,举例来说,在 相机必须通过输送带上的滚轴来查看元件底部的情况下。另外,相比传统相机,线扫描系 统通常也能够提供高得多的分辨率。由于线扫描系统需要元件进行运动来创建图像,它们 通常非常适合用于检测处于连续运动状态的产品。

  相比之下,3D激光位移传感器应用通常包括表面检测和体积测量,仅使用一台相机就可以 提供3D检测结果。通过物品上反射的激光位置位移来生成高度图。与线扫描技术相似的 是,使用这种技术时,必须移动物品或相机,才能扫描到整个产品。位移传感器配备有已 标定的位移激光器,能够测量表面高度和平面等参数,并且可达到20μm级精度。上面的 图15显示了一台3D激光位移传感器,正在检测刹车片表面是否存在缺陷。

  增强现实技术(Augmented Reality,简称 AR),是一种实时地计算摄影机影像的位置及角度并加上相应图像、视频、3D模型的技术,这种技术的目标是在屏幕上把虚拟世界套在现实世界并进行互动。

  人工智能工检通过从数字图像中自动提取信息,来帮助用户实现流程或质量控制。现在,大多 数制造商都以自动化人工智能工检取代了人工检验员,因为人工智能工检更适合执行各种重复性检 测任务,它不仅能够连续工作,还可以更快速地提供更客观的检测结果。人工智能工检每分钟 能够检测数百个甚至数千个元件,并提供更一致、更可靠的检测结果,而且能够全天候不 间断地运行。

  在如今的制造领域中,最常见的人工智能工检应用包括测量、计数、定位和解码。制造商采用 机器可以减少缺陷、提高成品率、促进合规性以及跟踪元件,从而能够显著节省成本和提 高利润率。

  如需了解更多有关人工智能工检如何能够帮助您的组织减少浪费、最大限度地缩短停机时间以 及改进流程的信息,

广州北京赛车正规平台有限公司

联系方式:020-25987689

地址:广州荔湾建工大厦113号 网站地图 网站导航

备案号:粤ICP备225897635号 技术支持:北京赛车正规平台