1. Vejledning og positionering
Visuel positionering kræver maskinsynssystemer til hurtigt og præcist at lokalisere målkomponenter og bekræfte deres positioner. Maskinsyn anvendes til positionering under lastning og losning, og styrer robotarme til at gribe emner præcist. I halvlederemballage justerer udstyr opsamlingshoveder baseret på chipplaceringsdata opnået gennem maskinsyn for nøjagtigt at opfange chips til limning. Dette repræsenterer den mest grundlæggende anvendelse af visuel positionering i industrielt maskinsyn.
Automation Expo: I applikationer, der kombinerer maskinsyn med robotteknologi, er robotstyringspositionering den mest udbredte. Til sådanne scenarier har Hikvision Robotics og dets partnere implementeret adskillige vellykkede cases og modne løsninger. Robotpositioneringsvejledning kan groft kategoriseres i tre tilstande:
Den første tilstand er den faste kamerakonfiguration, hvor kameraet forbliver stationært på udstyrsrammen uden at bevæge sig med robotten. Fra venstre mod højre er disse: gribeoperationen, gribe-offset-korrektionsoperationen og placeringsoperationen. I gribescenariet tager kameraet billeder af indkommende materialer og udfører grov positionering. Disse positioneringsdata overføres til robotten, hvilket gør den i stand til at gribe materialerne nøjagtigt. Denne tilgang reducerer afhængigheden af præcisionen af overførselsmekanismen mellem arbejdsstationer, mens den sikrer stabilt greb. Offset-korrektionstilstanden anvender et nedre kamera monteret på den modsatte side af robotarmen til sekundær præcisionspositionering af emnet. Dette mindsker væsentligt materialeafvigelser, hvilket sikrer målrettet behandling for hver indkommende del. Placeringstilstanden omfatter en bred vifte af operationer-fra simpel placering til justering og samling-ved at bruge kameraet til at lokalisere den endelige målposition. Kombineret med de to foregående tilstande opnår dette en virkelig målrettet bearbejdning for hvert emne.
To bevægelseskameratilstande involverer montering af kameraet oven på robotarmen til synkroniseret bevægelse. Selvom de adskiller sig fra den faste kameratilstand beskrevet ovenfor, konvergerer både faste og bevægelige kameratilstande funktionelt, hvilket muliggør positionering/greb og styret placering. Ud over at sikre kernefunktionalitet tilbyder disse tilstande større installationsfleksibilitet for at imødekomme forskellige miljø- og hardwarebegrænsninger.
For at forbedre hardwaretilpasning på tværs af forskellige installationsscenarier kan faste og bevægelige kameratilstande kombineres, som illustreret i figur 3.
Ydermere, inden for halvlederfremstilling, udgør justering af chippositionering for pick-up-hoveder betydelige udfordringer. Machine vision løser dette ved at muliggøre præcis chipopsamling og bonding-en grundlæggende applikation, der driver dens anvendelse på tværs af industrisektorer.
2. Udseendeinspektion
Denne proces detekterer kvalitetsproblemer i produkter på produktionslinjer og repræsenterer det område, hvor manuelt arbejde oftest udskiftes. I den farmaceutiske sektor håndterer machine vision for eksempel primært dimensionsinspektion, påvisning af flaskeoverfladedefekter, påvisning af skulderdefekter og inspektion af flaskemund.
Med udviklingen af moderne industriel automatisering anvendes maskinsynsinspektion i vid udstrækning til forskellige kontroller, målinger og delegenkendelsesopgaver. Eksempler omfatter detektering af overfladefejl på infrarøde afskæringsfiltre, modelidentifikation af bilhjul, detektering af udseendedefekter på magnetiske materialer og stregkode/tegngenkendelse på produktemballage. Disse applikationer deler de fælles karakteristika for kontinuerlig masseproduktion og ekstremt høje krav til udseendekvalitet.
Typisk kunne sådanne meget gentagne og intelligente opgaver kun udføres gennem manuel inspektion. Det er almindeligt at se hundredvis eller endda tusindvis af inspektionsarbejdere udføre disse opgaver bag moderne samlebånd på fabrikker. Denne tilgang medfører ikke kun betydelige arbejds- og ledelsesomkostninger på fabrikkerne, men den garanterer heller ikke en 100 % inspektionsbeståelsesprocent. Maskinsynsinspektion er med dens automatisering, objektivitet, ikke--berøringsfri natur og høje præcision nu fuldt ud i stand til at erstatte manuelt arbejde for disse monotone, gentagne opgaver. Sammenlignet med generelle billedbehandlingssystemer understreger maskinsynsinspektion nøjagtighed, hastighed og pålidelighed i industrielle miljøer.
Efterhånden som de økonomiske standarder stiger, vinder maskinsynsinspektion stadig større fremtræden. Det forbedrer produktionskapaciteten for kvalificerede produkter, samtidig med at substandardvarer elimineres tidligt i fremstillingsprocessen, hvorved spild og omkostninger reduceres.
3. Høj-præcisionsinspektion
Visse produkter kræver ekstrem præcision-og når 0,01 til 0,02 mm eller endda mikron-nøjagtighed-ud over menneskelige visuelle evner, hvilket nødvendiggør maskinbaseret-inspektion.
I produktionen og dagligdagen kræver hvert produkt kvalitetsbekræftelse og et certifikat for overensstemmelse. Det er almindeligt anerkendt, at inspektion repræsenterer den mest omfattende anvendelse af maskinsyn. Før fremskridtene inden for maskinsynsteknologi stod manuel visuel inspektion ofte over for betydelige udfordringer: lav nøjagtighed, modtagelighed for fejl, manglende evne til at arbejde kontinuerligt, træthedsudsatte operatører og overdreven tid og arbejdsomkostninger. Den udbredte anvendelse af maskinsyn har drevet produktfremstilling og inspektion ind i en stærkt automatiseret æra.
De mest typiske eksempler omfatter møntkarakterinspektion og printkortinspektion. Derudover kræver inspektionen af Renminbi møntfremstillingsprocesser usædvanlig høj præcision, der involverer talrige inspektionsanordninger og komplekse procedurer. Andre applikationer omfatter inspektion af maskinsynspositionering, kontrol af kvaliteten og defekterne af flaskehætter til drikkevarer, registrering og genkendelse af stregkodetegn, inspektion af defekter i glasflasker og inspektion af farmaceutiske glasflasker. Det medicinske område er også et af de primære anvendelsesområder for maskinsyn.
4. Anerkendelse
Billedgenkendelse involverer behandling, analyse og fortolkning af billeder gennem maskinsyn for at identificere forskellige mønstre og objekter. Dette muliggør sporbarhed og indsamling af data og finder omfattende anvendelse i bilkomponenter, fødevarer, lægemidler og andre sektorer.
Det mest typiske eksempel er QR-kodegenkendelse. QR-koder og stregkoder er allestedsnærværende i dagligdagen. Producenter integrerer omfattende data i disse kompakte koder til produktstyring og sporbarhed. Efterhånden som maskinsynsbilledgenkendelse udvides, bliver stregkoder på forskellige overflader let læselige og detekterbare, hvilket hæver moderniseringsniveauer, øger produktionseffektiviteten betydeligt og reducerer gradvist produktionsomkostningerne.
5. Objektsortering
Inden for maskinsynsapplikationer følger objektsortering genkendelses- og inspektionsstadier. Ved at behandle billeder gennem machine vision-systemer og integrere robotarme, sorteres produkterne.
Traditionelle produktionslinjer var afhængige af manuel placering af materialer i sprøjtestøbemaskiner, før de fortsatte til efterfølgende processer. I dag varetager automatiseret udstyr materialedistribution. Machine vision-systemer fanger produktbilleder, analyserer dem og udsender resultater. Robotter placerer derefter tilsvarende materialer i udpegede positioner og opnår intelligent, moderne og automatiseret industriel produktion.