De nombreux processus de fabrication fonctionnent à l'aide d'équipements fixes ou automatisés qui exécutent des tâches de production avec des entrées sensorielles limitées. Pour des applications plus complexes, de simples caméras ou capteurs peuvent détecter la présence, la position, la taille ou l'épaisseur d'un objet. Lorsque l'objet est plus complexe, a moins de contraintes ou doit être évalué pour son apparence, une solution de vision industrielle peut être appliquée. Cet article de blog passera en revue trois applications pour mieux comprendre le rôle de la vision industrielle dans l'automatisation avancée.
Dans de nombreux processus de fabrication, le comptage d'objets ou de caractéristiques est souvent important pour garantir la qualité des pièces ou gérer les stocks. Bien que cela puisse paraître trivial, ce n'est pas une tâche pratique pour les humains lorsque de grandes quantités de données sont impliquées. Pour que ces tâches soient automatisées grâce à la vision artificielle, la segmentation des objets est la première étape, et cela peut être facilité par l'application appropriée de techniques d'éclairage et d'imagerie.
L'objectif de l'acquisition d'images est d'éclairer et de capturer une image de l'objet de manière à améliorer le contraste entre les caractéristiques à détecter et l'arrière-plan. Un logiciel de vision artificielle est ensuite utilisé pour segmenter et détecter les caractéristiques ou objets d'intérêt. Les attributs mesurés de chaque objet détecté peuvent ensuite être utilisés pour déterminer sa qualité ou son identité.
Caractérisation de la porosité des soudures
Prenons l'exemple de la détection et de l'évaluation de la porosité des soudures. La forme de la pièce, les contours variables du canal de soudure et les surfaces métalliques réfléchissantes rendent difficile l'éclairage uniforme. Heureusement, les pores ne réfléchissent pas beaucoup de lumière : ils paraissent sombres.
Les soudures présentent une variété de zones sombres qui peuvent être segmentées par vision artificielle. Les pores de la soudure ont une plage de taille et une forme caractéristiques qui peuvent être utilisées pour ignorer les zones sombres qui ne correspondent pas aux caractéristiques des pores. Une fois la porosité détectée, le nombre et la densité des pores (nombre par pouce) dans la soudure peuvent être utilisés pour indiquer si le processus de soudage est acceptable ou si l'intervention de l'opérateur ou du système de contrôle est requise.
Tubes de comptage
Un exemple similaire est le comptage du nombre de tubes dans une image prise depuis l'extrémité d'une caisse ; le contrôle des stocks nécessite un comptage précis. Les défis incluent l'éclairage variable et la perspective variable des extrémités des tubes dans l'image. L'extrémité du tube est caractérisée par son intérieur sombre entouré par la surface circulaire brillante de la paroi du tube.
La division de la zone sombre avec un cercle du diamètre attendu permet de détecter la plupart des tubes. Notez cependant les reflets brillants de certains intérieurs de tubes près du fond de la caisse - les opérations de traitement d'image peuvent fusionner ces petites caractéristiques avec les régions intérieures des tubes pour une détection et un comptage robustes.
Détection de dommages de forme complexe
Pensez à détecter les dommages superficiels sur les pales d'hélice. Les dommages peuvent aller de rayures étroites à de grandes taches d'usure ; il n'existe pas de normes pour caractériser la taille ou la forme attendue de la zone endommagée. De plus, les formes complexes des pales d'hélice posent un défi pour l'éclairage optimal utilisé pour améliorer le contraste des dommages.
Dans la configuration d'éclairage utilisée pour l'image la plus à gauche (la plus sombre), les dommages étaient à peine perceptibles. Les deux directions d'éclairage alternées ont fourni un bon contraste entre les zones endommagées et non endommagées de la pale, mais le contraste a basculé entre les deux configurations. En raison des surfaces localisées et de la direction des dommages par rapport au système d'imagerie, différentes régions de la pale de l'hélice présenteront des réponses différentes comme indiqué - ce qui signifie qu'il n'existe pas de configuration d'éclairage optimale unique.
La grande variabilité entre la forme, la taille et le contraste des dommages rend difficile la détection automatisée à l'aide de méthodes programmées, comme celles utilisées dans les exemples de porosité des soudures et de comptage des tubes. L'Institut a développé le système d'inspection en utilisant des techniques d'apprentissage automatique. Un réseau neuronal convolutionnel (CNN) reconnaît les zones potentiellement endommagées dans une image. Un réseau neuronal profond secondaire classe l'image comme contenant (ou ne contenant pas) des dommages en fonction des valeurs propres générées par le CNN. Ces réseaux sont entraînés à l'aide d'un grand nombre d'images où les zones endommagées ont été identifiées manuellement.
Au-delà de la vision monochrome
Les trois exemples ci-dessus illustrent certaines applications de vision industrielle monochrome. Les choses deviennent encore plus intéressantes lorsqu'on utilise le contraste des couleurs ou la partie invisible du spectre. Par exemple, les caméras monochromes sont sensibles aux longueurs d'onde proches de l'infrarouge (NIR), ce qui permet d'exploiter ou de supprimer des caractéristiques qui seraient normalement invisibles ou gênantes en utilisant ou en rejetant cette bande avec un filtre spectral.
Les caméras couleur standard utilisent des filtres rouges, verts et bleus à large bande superposés. L'utilisation d'illuminateurs LED RVB à bande étroite au lieu d'un éclairage blanc à large bande améliore la discrimination des couleurs. Les caméras multispectrales offrent une discrimination des couleurs très sensible par rapport aux caméras couleur et peuvent inclure des bandes NIR. Les propriétés fluorescentes de certaines encres, colorants et adhésifs peuvent être exploitées en utilisant l'irradiation UV avec des filtres spectraux appropriés. Et n'oubliez pas la polarisation ! L'imagerie infrarouge (ondes longues, ondes moyennes, ondes courtes) peut être utilisée pour mesurer les températures de surface, détecter les caractéristiques/défauts du sous-sol, détecter les gaz d'hydrocarbures, etc.




