2019/10/17 09:44:31

Как работает ПО на базе машинного зрения для контроля качества продукта и техпроцессов


Содержание

Цифровизация промышленности сегодня вызывает повышенный интерес. Какие инновации уже есть, что из этого можно выбрать для себя, как сделать интеграцию максимально органично, бесшовно соединив новые технологии с уже используемыми. Автоматизация как отдельного процесса, так и целой цепочки процессов с большей эффективностью заменяет человеческий ресурс на производстве и позволяет вывести его на новый уровень. Осталось понять - с какой стороны и как лучше подойти к Индустрии 4.0 российским предприятиям.

Теория. Зачем в контроле производства машинное зрение?

Особенно интересными для промышленности являются решения на базе компьютерного зрения для контроля качества продукта и технологического процесса. Связано это с рядом преимуществ таких систем:

  • 1. Машинное зрение в отличие от человеческого не устает, работает четко в соответствии с заданными настройками 24\7 с одинаковой эффективностью, держит в поле равного внимания больше 3-7 объектов
  • 2. Машинное зрение способно различать дефекты, невидимые человеком: очень мелкие детали, слабоконтрастные контуры, незначительные плоскостные искажения на большой площади листа
  • 3. Машинное зрение способно обрабатывать тысячи изображений в минуту
  • 4. Использование машинного зрения позволяет снижать вероятность выпуска брака до 0,01%, в то время как вероятность этого после контроля глазом — до 20%.

Привычные смарт-камеры решают общие задачи инспекции поверхности. Но испытывают серьезные затруднения, когда нужно работать с геометрией продукта и отличать дефекты на краю изделия от артефактов, возникших в процессе производства. Также не получится использовать сложные алгоритмы для более точной регулировки в случае предустановленных настроек. Поэтому эксперты все больше склоняются к серверной видеоаналитике с гибкими настройками, адаптированными под реально существующие условия и задачи.

На рынке промышленной видеоаналитики есть ряд компаний, которые декларируют о наличии готовых решений для дефектоскопии на базе машинного зрения. Теоретические знания, как оно должно быть устроено, совершенно не гарантируют практическое применение и безболезненную интеграцию. Создать универсальное коробочное решение крайне сложно. Каждый случай индивидуален, задача зависит от конкретного продукта - будь то сложная текстурированная поверхность изделия, двигающаяся на конвейере с высокой скоростью, или фольга-металл, бликующие в камеру освещением и сами создающие помехи в кадре.

Практика. Контроль качества продукта промышленной видеоаналитикой

В компании ООО "ВидеоМатрикс" рассмотрели один из примеров реальных возможностей современных систем дефектоскопии на базе машинного зрения. Протестировали собственную российскую разработку - программное решение Vmx Dequs (Vmx - сокращенно от названии компании-разработчика - Videomatrix, "ВидеоМатрикс"). Для теста в компании взяли нефтехимическую отрасль - производство синтетического каучука, контроль качества высокотекстурированной поверхности брикета с множеством мелких деталей.

Задача: автоматическое выявление брака в брикетах синтетического каучука через видеоанализ поверхности продукта.

Заявленные требования технического контроля: Размер брикета каучука - 40х60 см. Определять дефекты необходимо размером от 2×2 мм на текстурированной поверхности. Важно корректное обнаружение и классификация дефектов, без ложных срабатываний. Собственные «раковинки» и артефакты, возникающие по краям в результате деформации от пресса или после удаления участков на брикете оператором, не должны маркироваться как брак.

Скорость движения брикета по конвейеру: 0,5 м\сек.

Используемая камера: Hikvision DS-2CD4A26FWD-IZHS, 8-32мм.

В данном случае скорость движения - до 4 м\с, а значит возможно использовать неспециализированные камеры машинного зрения Hikvision. Если скорость выше, то для минимизации рисков и высокого качества кадра стоит выбирать, например, уже из линейки камер Basler. Для интеграции ПО Vmx Dequs чаще всего достаточно инфраструктуры уже установленных на производстве камер. В частных случаях специалисты "ВидеоМатрикс" проводят аудит и дают рекомендации по необходимому оборудованию.

Освещение: бестеневое освещение.

Схематическое расположение камеры для анализа верхней поверхности брикета:

Схема расположения камеры

Над конвейером вертикально размещается камера, по бокам от движущегося по рольгангу брикета размещаются осветители

Так выглядит нормальный брикет каучука.

Нормальный брикет каучука

Сложная текстура поверхности, большое количество линий, вкраплений, рисунок из однотипных элементов усложняет задачу искусственному интеллекту. Из-за такого рисунка невозможно задать эталонное изображение, на которое могла бы ориентироваться система - каждый рисунок поверхности брикета уникален.

На поверхности брикета встречаются дефекты самой различной величины - от очень мелких до крупноразмерных. Поскольку некоторые мелкие дефекты различаются глазом с трудом, приведем примеры изображений из интерфейса Vmx Dequs, где область дефекта выделяется системой дополнительным цветом:

Мелкие дефекты на поверхности брикета

Вот так выглядит мелкий дефект - пятнышко очень маленького размера, не скрылось от "глаза" машинного зрения. С обнаружением среднего и крупного недочёта всё ещё проще.

Иногда дефект бывает множественный - смесь большого количества дефектов разного размера в одном брикете.

Множественные дефекты

В данном случае Vmx Dequs определяет изъяны, ориентируясь на контрастность границ дефекта и на глубину. Вердикт системы однозначный - брак.

У брикетов каучука есть изъяны, появляющиеся в результате оплавления. Границы таких дефектов не всегда достаточно резкие, чтобы увидеть их обычным глазом, что говорить о машинном зрении, работающем с контрастами. Vmx Dequs справился с такими задачами так:

Очень высокая прозрачность

А вот пример срабатывания системы на обнаружение дефекта экстремально низкой прозрачности:

Прозрачность и контраст
«
Самая сложно реализуемая задача в данном тесте - определить машинным зрением границы объекта и найти на них дефект, не перепутав его с промышленным артефактом, — пояснили в "ВидеоМатрикс". — Например, рисунок слева - брикет без дефектов с «артефактами» на левом краю от пресса. Справа - брикет после ручного удаления участков, и - что важно - это тоже не является браком! А теперь попробуйте объяснить это искусственному интеллекту: почему выемка куска на краю брикета - это нормально.
»

Пример артефактов
Ручное удаление участка

Системе был показан брикет с краевым артефактом. Vmx Dequs справился на отлично.

Краевой артефакт (не брак)

А вот пример целого комплекса деталей: определен боковой край объекта, артефакт не определен как дефект, оплавление на краю брикета определено как брак. Цель достигнута.

Краевой артефакт плюс дефект

Выводы

Данный тест — наглядный пример того, как машинным зрением автоматизируется контроль качества продукции. Рассмотрев в деталях мелкие дефекты и изъяны очень низкой контрастности, можно с уверенностью сказать, что машинное зрение в работе точно превосходит человеческое по эффективности, заключили в "ВидеоМатрикс". Замена визуального контроля видеоаналитикой - это способ сокращения издержек и повышения эффективности производства одновременно. Отсутствию брака рад клиент, а его благодарность производитель ощущает уже не рекламациями за некачественный товар, а рублем выручки.

Рассмотренный в тесте Vmx Dequs - результат работы российских разработчиков, а значит система доступна российской промышленности в условиях импортозамещающего законодательства.

В целом система умеет:

  • 1. получать изображения с типовых или специализированных линейных и матричных IP-видеокамер по интерфейсам USB, Ethernet, GigE, Camera Link
  • 2. предобрабатывать изображения – устранять геометрические искажения, нормализировать и защищать от помех, синтезировать единую панораму в многокамерном варианте использования
  • 3. обнаруживать контур продукции для контроля в четком соответствии с геометрией объекта
  • 4. контролировать абсолютные и относительные отклонения на продукции, в том числе в сравнении с эталонной поверхностью по яркости, контрасту и цвету элементов по заданным параметрам;
  • 5. сегментировать и фильтровать дефекты в зависимости от их размеров, геометрических свойств, местоположений и статистических характеристик
  • 6. контролировать характеристику поверхности в заданных зонах
  • 7. делать трекинг продукции и дефектов, учитывать историю перемещения, чтобы привязывать результаты расчета к конкретной единице продукции или дефекта
  • 8. контролировать качество как продукта, так и технологического процесса
  • 9. сохранять отчеты, изображения с нарушениями и без, детально визуализировать результаты анализа
  • 10. передавать информацию в MES, будучи интегрированным в автоматизированные системы.

Больше о возможностях систем промышленной видеоаналитики можно узнать на сайте компании.

Читайте также