ТИПОЛОГИЯ СИСТЕМ МАШИННОГО ЗРЕНИЯ

С развитием цифровых сигнальных процессоров (DSP) стала возможной реализация недорогих и компактных систем машинного зрения, что в прошлом требовало  более дорогих и сложных систем.

С каждым годом растет поток различных систем машинного зрения: видео-сенсоры (vision sensors), код-ридеры (code readers), интеллектуальные камеры (smart cameras), готовые встраиваемые решения (embedded systems). Мощные графические ускорители (GPU) и доступные библиотеки глубокого машинного обучения (PyTorch, TensorFlow и др.) позволяют строить кибер-физические системы (CFS).

ЦИФРОВАЯ ТРАНСФОРМАЦИЯ И МАШИННОЕ ЗРЕНИЕ

В последнее время много говорят о необходимости цифровой трансформации бизнеса. Однако не всегда понятно, что подразумевают авторы за этим термином. Немного проясним ситуацию. Цифровая трансформация бизнеса предполагает цифровую трансформацию управления и производства, а именно процесс дальнейшей интенсификации управления и производства за счет возможностей современных высоких технологий, в состав которых входят большие данные (Big Data), машинный (искусственный) интеллект (AI), массивно-параллельные вычисления (GPU, кластеры серверов) и высокоскоростные технологии беспроводной связи (WiFi, LoRa WAN). Все эти технологии в том или ином объеме входят в состав кибер-физической системы (КФС).  Следовательно, изменение процессов управления и производства посредством внедрения КФС является деятельностью по цифровой трансформации бизнеса. 

Чем отличается КФС от других типов систем машинного зрения?

Что даёт внедрение КФС в производство?

В чем заключается экономический эффект от внедрения КФС?

Что такое кибер-физическая система (КФС)? 

  • КФС - это система-робот, выполняющая отдельные управляющие или производственные процессы или цепочки процессов без участия оператора. Состав роботизируемых процессов весьма широк и постоянно пополняется. Неполный перечень включает: контроль наличия, инвентаризация, дефектоскопия, сортировка, диспетчеризация, регистрация событий и многие другие.
  • КФС, в отличие от встраиваемых систем, обладают более сложными алгоритмами-решателями, включая каскады и ансамбли решателей, а также решатели с функцией непрерывного дообучения, в том числе с возможностью реконфигурации ансамблей решателей в процессе работы системы. 
  • Внедрение КФС в производство позволяет устранить влияние человеческого фактора, увеличить скорость производственной линии или цепочки линий, стабилизировать качество выпускаемой продукции, уменьшить затраты, связанные с ошибками операторов.
  • Экономический эффект определяется функциональностью КФС, а именно вкладом роботизируемых процессов в экономку всего производства. Как правило, экономический эффект заключается в устранении недополученной прибыли от ошибок операторов и не стабильного качества выпускаемой продукции. Так же отмечают рост прибыли за счёт уменьшения размера и индивидуализации состава партий. Возможен рост прибыли за счёт увеличения скорости работы производственной линии или цепочки линий.

ВНЕДРЕНИЕ КИБЕР-ФИЗИЧЕСКОЙ СИСТЕМЫ

Критически важно для успеха КФС-проекта выяснить основные вопросы и определить важнейшие требования. Предлагаемый рабочий процесс является примером реализации крупного проекта, который полностью ложится на исполнителя. Предлагаемая процедура является итеративной и выполняется до тех пор, пока не будет найден приемлемый и выполнимый компромисс.

Если заказчик ранее не участвовал в проектах, вероятно он не достаточно чётко понимает, какие задачи могут быть решены с помощью обработки изображений, а какие нет. Считаем целесообразным дать пару полезных советов, чтобы определить возможности и ограничения технологии.

1. Планирование проекта

Планирование проекта предполагает следующие шаги 

  • Признание необходимости и размера инвестиций 
  • Определение сроков реализации проекта
  • Первое планирование бюджета проекта 
  • Анализ внутренних ресурсов предприятия

Проведение лабораторных испытаний и тщательная оценка квалификации исполнителя при их проведении поможет заказчику избежать разочарований и сюрпризов при реализации КФС-проекта.

2. Лабораторные  испытания
Возможность применения машинного зрения проверяется экспертным образом по результатам  анализа изображений образцов тестируемых изделий в лабораторных условиях. При этом следует использовать тестовые образцы из разных партий.

В процессе лабораторных испытаний необходимо проверить и определить

  • все ли признаки искомых ошибок найдены 
  • состав необходимых световых и оптических компонентов 
  • минимальное разрешение камеры, необходимое для достижения требуемой точности 
  • определить тип подсветки, необходимый для получения качественного изображения тестового объекта
  • определить целевую технологию распознавания изображения 
  • состав программных средств системы машинного зрения 
  • достижимое минимальное время рабочего цикла 
  • метрики качества работы системы (как правило, это "точность" и "полнота").

Советы по проведению лабораторных испытаний в условиях активных помех, специфичных для целевого производственного процесса

  • Вибрацию модулируют при помощи электромотора с эксцентриком, прикрепленного к подставке камеры
  • Изменения яркости моделируют путём изменения времени экспозиции или изменения диафрагмы объектива
  • Эффекты постороннего света моделируют дополнительным светом (в определенных областях тестового объекта) 
  • Небольшое количество растительного масла позволяет получить маслянистые металлические поверхности
  • Окисленная поверхность деталей достигается путем сильного нагрева
  • Пыль, грязь, влажность моделируют путем помещения камеры с тестовым объектом в герметичную сферу.
  • Создать log-файл измерений и проверить, насколько они различаются, насколько они точны и повторяемы.

Полевые испытания проводятся для подтверждения результатов лабораторных испытаний 

3. Полевые испытания

  • Система обработки изображений временно и по простой схеме подключается к рабочему окружению.
  • Компоненты машинного зрения испытываются в процессе производства, чтобы однозначно продемонстрировать общую осуществимость проекта по внедрению КФС-системы. 
  • При этом используются статистически значимые количества тестовых деталей и все производственные варианты. 
  • Продолжительность тестирования может составить от нескольких дней до недель. 
  • Результаты записываются и обобщаются в виде протокола полевых испытаний. 
  • Вместе с заказчиком, результаты испытаний обсуждаются и, при необходимости, происходит пересмотр бюджета и спецификации КФС-системы.

Разработка КФС-системы предполагает сборку системы на площадке исполнителя и выполнение следующих работ

4. Разработка и внедрение КФС-системы
В целях ввода КФС-системы в эксплуатацию после тщательного согласования сроков и планирования ресурсов предпринимаются следующие шаги

  • Постоянная интеграция компонентов машинного зрения в рабочее окружение
  • Программирование и настройка КФС-системы.
  • Разработка окончательного дизайна системы
  • Заказ механических, электрических и оптических компонентов системы машинного зрения
  • Заказ оборудования для передачи данных, массивной обработки и хранения данных 
  • Сборка и тестирование системы в целом 
  • Программирование логики работы системы.

5. Финальная приемка и обучение операторов

Финальная приемка и обучение оператора - последний этап проекта по внедрению КФС-системы

  • Роботизированный процесс  передается конечному пользователю (ответственному оператору). 
  • Подписание договора на сервисное и техническое обслуживание завершает проект и обеспечивает поддержку системы в течение длительного периода времени.

Поставка специальных промышленных компонентов обработки изображений, высококачественных оптических линз и оптики, а также специального освещения определенных размеров или цветов, могут потребовать длительные сроки поставки. Это необходимо уточнить и принять во внимание. Разработка логики интеграции с рабочим окружением,  специфических тестовых алгоритмов так же может занять довольно много времени.

КРИТЕРИИ ВЫБОРА СИСТЕМЫ МАШИННОГО ЗРЕНИЯ

  • Прежде чем начать выбирать систему машинного зрения (machine vision - MV), необходимо четко определить критерии выбора - основные требования к MV-системе. Не всегда критериям выбора соответствует определенный тип MV-системы, по этому выбор сужается до соответствующего типа MV-системы. 
  • Отправной точкой для формирования списка требований являются характеристики проверяемого объекта и среды технологического процесса, в которой должна быть установлена MV-​​система. Подробные знания об этом необходимы для создания стабильного технологического процесса машинного зрения и реализации экономически эффективного применения. 
  • Предполагается, что этот ресурс поможет вам принять правильное решение. Ниже приводится список вопросов, направленных на определение требований к системе машинного зрения. 
  • При возникновении вопросов по выбору MV-системы, пишите на mv@cybersyn.ch и мы поможем вам найти правильное и эффективное решение ваших задач. 

ХАРАКТЕРИСТИКИ ТЕСТИРУЕМОГО ОБЪЕКТА

  • Каковы размеры трестируемого объекта? Как велики распознаваемые дефекты? Нужна ли для обнаружения дефектов цветная камера? Насколько точным должно быть измерение? От этих критериев зависит выбор камеры. 
  • Как далеко должна располагаться камера от объекта? Можно ли осмотреть с близкого расстояния тестовый объект, или система перемещения (робот, поворотный стол, линейная ось) мешает? Рабочее расстояние с известным разрешением и размером датчика камеры и объекта позволят рассчитать и выбрать подходящий объектив. 
  • Какую поверхность и форму имеет проверяемая часть тестового объекта? Из какого материала она сделана? Какой цвет у этого материала? Подбирая правильный тип освещения и создавая контраст трестируемого объекта с окружающей средой, можно добиться того, что дефекты станут отчетливо видны без бликов и паразитной засветки. 
  • Как тестируемые характеристики видны на изображении с камеры? Насколько хорош их контраст с фоном изображения? В зависимости от решаемой задачи - измерение, подсчет, проверка присутствия, идентификация, проверка качества печати, поиск объекта, оптическое распознавание символов, считывание кода, требуются различные алгоритмы обработки изображений. MV-система должна предоставить соответствующий алгоритм для решения этих задач.

ХАРАКТЕРИСТИКИ РАБОЧЕГО ОКРУЖЕНИЯ

  • Сколько тестовых объектов в секунду должно быть проверено? Возможно, более простые системы могут выполнять эти задачи, однако они могут быть недостаточно быстрыми или иметь более высокую стоимость или сложность внедрения. 
  • Как работает система подачи тестовых объектов? Как быстро? Какие допуски по осям X / Y и Z являются допустимыми? MV-система должна быть в состоянии их компенсировать. 
  • Сколько места в доступно для инспекционной ячейки? Вес и размер камеры (и освещение) могут быть важны во многих системах. 
  • Особенности рабочего окружения, такие как грязь, пыль, мусор, электромагнитные помехи, вибрации, конденсат, низкая или высокая температура, могут сильно осложнять работу MV-системы. Предполагается, что система обработки изображений будет дополнена соответствующими средствами, компенсирующими особенности  рабочего окружения. Как правило, это защитные кожухи, позволяющие избежать негативного воздействия окружающей среды. 
  • Как должно быть организовано взаимодействие с MV-системой? Какие интерфейсы требуются? Необходима ли база данных для хранения фактов тестовых измерений? Нужны ли изображения тестовых объектов? Какой пользовательский интерфейс для персонала (HMI) требуется? Не каждая система предоставляет эти возможности.
  • Ограничения по расстоянию между компонентами MV-системы. Важно определить требования к необходимой длине кабелей. Далеко не каждый интерфейс или протокол способны поддерживать связь на больших расстояниях.

ВАЖНЫЕ ВОПРОСЫ ДЛЯ ВЫБОРА КАМЕР

  • Размер вашего бюджета на проект? 
  • Кто будет интегрировать камеры в MV-систему?
  • Насколько легко должно быть управление MV-системой?
  • Кто осуществляет техническую поддержку MV-системы?
  • Возможно ли при эксплуатации MV-системы заменить камеры?
  • Кто берет на себя расходы на эксплуатацию MV-системы?