МАШИННОЕ ЗРЕНИЕ

MACHINE VISION

Bulat Minnekhanov

Magister, Kazan Federal University, Engineering institute

Russia, Kazan

АННОТАЦИЯ

Статья посвящена технологиям машинного зрения. В ней подробно описывается назначение данных систем, представлены основные термины и понятия, необходимые для базового понимания технологических процессов построения решений. Данная статья выделяет основные направления исследований, связанных с созданием автоматизированных систем машинного зрения, описывает типичное оборудование, применяемое в большинстве решений.

ABSTRACT

The article is devoted to computer vision technology. The purpose of these systems is described in details, the basic terms and concepts needed for a basic understanding of the process of constructing solutions are represented. This article highlights the main areas of research related to the creation of automated machine vision systems, describes the typical equipment used in the majority of decisions.

Машинное зрение — раздел робототехники, решающий промышленные задачи, используя анализ изображений.

Изображение полученное цифровой камерой передается в компьютер. Далее ставятся задачи оборудованию используя специальное программное обеспечение анализирующее полученные изображения.

Суть машинного зрения состоит в том, чтобы анализировать визуальную информацию и принимать решение, какое действие совершить по отношению к объекту, расположенному в фокусе.

Машинное зрение, в промышленности, способствует снижению себестоимости продукции, за счет частичного отказа от выполнения ручных операций. В связи с человеческим фактором, после некоторого времени работы, люди будут не в состоянии работать, и будут допускаться ошибки в производстве, у роботов же таких проблем нет, и они могут работать не останавливаясь.

Правильно запрограммировав систему, можно добиться такого результата, что работа будет проводиться без участия человека круглые сутки. Систему настраивают при тестировании на определенном предприятии, а базовый пакет программ для камер машинного зрения обычно пишет сам разработчик.

Возможные функции у системы, оснащенная машинным зрением:

• Контроль процесса сборки изделий
• Определение наличия и местоположение предметов на конвейере
• Подсчет объектов
• Измерение длины, ширины, площади, объема
• Определение правильности формы предмета
• Чтение текста, цифр, штрих-кодов

При выполнении этих операций, система отбраковывает некачественные товары, тем самым устраняя их с конвейера механически, а так же возможна подача звукового сигнала оператору.

Как устроено машинное зрение

Качество работы системы зависит от двух ключевых компонентов, которые постоянно совершенствуются разработчиками подобных устройств:

1. Камеры

Цифровые камеры, в наши дни, работают в формате 3D и могут в один период времени выполнять сразу несколько операций, такие как - измерять уровень жидкости в таре, считывать штрих-код и проверять, на месте ли крышка. На производствах же нужны более прочные камеры, которые могут быть использованы в тяжелых условиях, таких как – высокая температура, повышенная влажность и т.п.

2. Программное обеспечение

Система будет выполнять свои задачи без помощи человека круглые сутки только в том случае, если ее правильно запрограммируют. Обычно базовый пакет программ для камер машинного зрения пишется разработчиком, а потом программное обеспечение настраивается для каждого конкретного предприятия.

Довольно часто для организации машинного зрения требуются дополнительные устройства. В первую очередь это датчики, выполняющие такие операции, которые не доступны камере, например - датчики движения, инфракрасные, фотоэлектрические датчики и т.д. Кроме того, во многих случаях требуется дополнительная подсветка рабочей зоны. Со временем количество дополнительных устройств сокращается – камеры объединяют в себе все больше необходимых функций.

Какие преимущества дает машинное зрение

Машинное зрение позволяет снизить затраты на производство продукции (система выполняет те операции, которые раньше делали люди, работает без перерыва) и одновременно повысить уровень качества выполняемых операций, что, в свою очередь, повышает качество самой продукции. Использование машинного зрение позволяет отслеживать качество предметов, имеющих сложную форму, большую или совсем маленькую площадь.

Вычислительная потребность «машинного зрения»

По мере роста разрешения оптических систем потенциал машинного зрения также увеличивается, так как вместе с разрешением множится и количество деталей для оценки. Все более и более мелкие объекты могут быть обработаны по шаблонному принципу, что ведет к увеличению нагрузки на процессор, который должен проанализировать значительный массив данных и быстро принять решение о следующем шаге (соответствует/не соответствует, задержать, вернуть в начало и т. д.).

Существует датская фирма Qtechnology, которая поставляет «умные камеры» для сортировки овощей. Они способны без участия человека обрабатывать до 25 тонн продукции в час. Такие объемы достигаются за счет анализа свыше 250 000 отдельных продуктов на базе более чем 500 000 изображений. И поскольку каждая картинка занимает примерно 6,2 Мб, получается, что в итоге требуется анализ свыше 2,5 терабайт графических данных в час — колоссальный объем информации! Только для передачи такого массива потребуется более 6 часов при использовании гигабитного подключения Ethernet.

Чтобы решить эту задачу с использованием более простых алгоритмов, требуется разбить ее на стадии и установить несколько камер, увеличить зоны освещения, выделить больше места на фабриках и так далее. В качестве альтернативы можно применить более производительные вычислительные системы: с централизованной мощностью и более скоростным соединением или распределенной обработкой информации «умными камерами», которые будут фиксировать данные в реальном времени на каждом этапе, поставляя в финальный механизм принятия решений только готовые параметры.

Заключение

Задачи анализа визуальный информации продолжают набирать популярность и с каждым годом всё больше решений демонстрируется на международных выставках. Решения, построенные на базе данных технологий, можно встретить на любом конвейерном производстве. Важно заметить, что технологии машинного зрения не заменяют технологии промышленной автоматизации, а гармонично дополняют их там, где не справляются любые другие датчики и системы.

Список литературы:

1. Обработка и анализ цифровых изображений с примерами на LabVIEW IMAQ Vision/Визильтер Ю.В., Желтов С.Ю., Князь В.А. [и др.]. – М.: ДМК Пресс, 2007. – С. 14-16.
2. Программно-аппаратный косплекс AxxonNext [Электронный ресурс]. – Режим доступа: http://www.axxonnext.com.
3. SICK/IV P. MachineVisionIntroction. – 2006. – N 9. – 11 с.
4. Родионов С.А. Основы оптики. Конспект лекций / Родионов С.А. – Санкт-Петербург, 2000. – С. 42-44.