Инспекция машинным зрением: основные инструменты и новые технологии

На протяжении десятилетий системы машинного зрения обеспечивают надёжный внутрипроцессный контроль практически во всех промышленных секторах. Хотя точные цифры недоступны, инспекции составляют большинство внедрений машинного зрения. Новые технологии и программное обеспечение постоянно повышают ценность и упрощают внедрение. Успех зависит от понимания пользователями как устоявшихся, так и передового инструментария, и от умения эффективно его применять.

Обзор инспекции

Задачи инспекции в автоматизации разнообразны, но сгруппированы в несколько ключевых категорий: проверка сборки, контроль наличия/отсутствия признаков, детектирование дефектов и идентификация/дифференциация продукции. Машинное зрение лежит в основе аналитики больших данных и Индустрии 4.0, превращая сырые визуальные данные в действенные инсайты.

Истинная ценность инспекции машинным зрением выходит за рамки контроля качества. Подавая действенные данные в последующие процессы, она повышает общую пропускную способность и снижает производственные и автоматизационные затраты.

Обработка изображений — фундамент каждого успешного приложения

Во всех приложениях основой любой системы машинного зрения является качественное изображение. Оно должно обладать разрешением и контрастом, необходимыми для выявления интересующих признаков в поле зрения. Для этого требуется тщательный выбор сенсора, оптики и освещения.

При грамотно спроектированной цепочке обработки 2D-градаций серого остаётся доминирующим выбором для многих инспекций. Улучшения скорости и разрешения сенсоров теперь позволяют захватывать изображения 12–50 Мп — что даёт возможность обнаруживать мелкие детали на больших полях зрения при меньших затратах. В ближайшем будущем захват 5–10 Мп может стать новым стандартом.

Умные камеры — интегрирующие высокорésolution сенсоры со встроенной обработкой — всё чаще применяются в рабочих процессах инспекции. Современные архитектуры включают FPGA и другие ускорители, обеспечивающие быстрый вывод прямо на устройстве. Их масштабируемость делает их идеальными для повторяемых, рентабельных развёртываний.

За пределами 2D и градаций серого

Системы 3D-обработки — от структурированного света до датчиков времени полёта — теперь повсеместны. Если 2D-изображения фиксируют контраст, 3D-данные раскрывают топографию поверхности, открывая инспекции, зависящие от геометрических нюансов. Как и в 2D, 3D-решения становятся быстрее, с более высоким разрешением и точнее.

Хотя монохромные сенсоры доминируют, многие инспекции требуют RGB-изображения. Стандартные RGB-камеры (часто с фильтрами Байера) широко доступны, но новые модели используют оптические расщепители лучей для захвата полноразмерных цветовых каналов, обеспечивая лучшее разрешение и цветовую точность, укрепляющие детектирование признаков.

Обработка за пределами видимого спектра

Гиперспектральные и мультиспектральные камеры — фиксирующие сотни узких спектральных полос — дают гранулярный анализ далеко за пределами RGB. В сочетании с классификационным ПО они позволяют проводить спектральную инспекцию на уровне материалов и даже химический фингерпринтинг, что бесценно в безопасности пищевых продуктов, фармацевтике и переработке.

Инфракрасная обработка — охватывающая NIR, SWIR и тепловой (LWIR) диапазоны — расширяет зрение за видимый спектр. Эти модальности выявляют скрытые дефекты, обнаруживают порчу, «проглядывают» через непрозрачные материалы и проверяют уровни заполнения, расширяя горизонты инспекции.

Упрощение внедрения инспекции

Алгоритмы и ПО для инспекции зрели, обеспечивая надёжную работу при качественных изображениях. Новые возможности — продвинутое извлечение признаков и адаптивная пороговая обработка — расширяют набор инструментов, предлагая альтернативные стратегии обработки.

Глубокое обучение выделяется как трансформационная технология. Её способность учиться сложным паттернам делает её высокоэффективной для промышленной инспекции. Однако внедрение моделей глубокого обучения требует отдельного рабочего процесса — от сбора и разметки данных до обучения, валидации и непрерывного мониторинга — отличающегося от традиционных конвейеров на основе правил.

Традиционное зрение опирается на рукописные правила, обрабатывающие изображение для извлечения признаков и метрик решений. Напротив, глубокое обучение учится непосредственно на размеченных наборах данных бездефектных и дефектных образцов. Будучи мощным, оно не является универсальным решением — большие аннотированные наборы данных и постоянная поддержка моделей могут быть запретительны для некоторых контекстов.

Будущее инспекции машинным зрением

Спрос на высшее качество, интеллектуальное производство и данные-ориентированные инсайты продолжает стимулировать внедрение инспекции машинным зрением. Продвинутое железо и ПО откроют новые сценарии использования и доставят ещё большую ценность.