1. Begeleiding en positionering
Voor visuele positionering zijn machine vision-systemen nodig om doelcomponenten snel en nauwkeurig te lokaliseren en hun posities te bevestigen. Er wordt gebruik gemaakt van machinevisie voor de positionering tijdens het laden en lossen, waarbij robotarmen worden geleid om de voorwerpen nauwkeurig vast te pakken. Bij halfgeleiderverpakkingen past apparatuur de oppakkoppen- aan op basis van chiplocatiegegevens verkregen via machine vision, om de chips nauwkeurig op te pakken voor binding. Dit vertegenwoordigt de meest fundamentele toepassing van visuele positionering in industriële machinevisie.
Automation Expo: In toepassingen die machine vision combineren met robotica, komt positionering van robotgeleiding het meest voor. Voor dergelijke scenario's hebben Hikvision Robotics en haar partners talloze succesvolle cases en volwassen oplossingen geïmplementeerd. Begeleiding bij robotpositionering kan grofweg in drie modi worden onderverdeeld:
De eerste modus is de vaste cameraconfiguratie, waarbij de camera stil blijft staan op het apparatuurframe zonder met de robot mee te bewegen. Van links naar rechts zijn dit: de grijpoperatie, de grijpoffsetcorrectieoperatie en de plaatsingsoperatie. In het grijpscenario legt de camera beelden vast van binnenkomend materiaal en voert een grove positionering uit. Deze positioneringsgegevens worden naar de robot verzonden, waardoor deze de materialen nauwkeurig kan vastpakken. Deze aanpak vermindert de afhankelijkheid van de precisie van het overdrachtsmechanisme tussen werkstations en zorgt tegelijkertijd voor een stabiele grip. De offsetcorrectiemodus maakt gebruik van een lagere camera die aan de andere kant van de robotarm is gemonteerd voor secundaire nauwkeurige positionering van het werkstuk. Dit beperkt de materiële afwijkingen aanzienlijk en zorgt voor een gerichte verwerking van elk binnenkomend onderdeel. De plaatsingsmodus omvat een breed scala aan bewerkingen-van eenvoudige plaatsing tot uitlijning en montage-door de camera te gebruiken om de uiteindelijke doelpositie te lokaliseren. Gecombineerd met de twee voorgaande modi wordt hierdoor een werkelijk gerichte bewerking voor elk werkstuk bereikt.
Bij twee bewegingscameramodi wordt de camera bovenop de robotarm gemonteerd voor gesynchroniseerde beweging. Hoewel verschillend van de hierboven beschreven vaste cameramodus, convergeren zowel de vaste als de bewegende cameramodus functioneel, waardoor positionering/grijpen en geleide plaatsing mogelijk zijn. Deze modi garanderen niet alleen de kernfunctionaliteit, maar bieden ook een grotere installatieflexibiliteit om tegemoet te komen aan diverse omgevings- en hardwarebeperkingen.
Om de hardware-aanpasbaarheid in diverse installatiescenario's te verbeteren, kunnen vaste en bewegende cameramodi worden gecombineerd, zoals geïllustreerd in afbeelding 3.
Bovendien levert het aanpassen van de chippositionering voor de pick-{0}}koppen bij de productie van halfgeleiders aanzienlijke uitdagingen op. Machinevisie lost dit op door nauwkeurige spaanopname en -hechting mogelijk te maken-een fundamentele toepassing die de acceptatie ervan in industriële sectoren stimuleert.
2. Inspectie van het uiterlijk
Dit proces detecteert kwaliteitsproblemen in producten op productielijnen en vertegenwoordigt het gebied waar handarbeid het vaakst wordt vervangen. In de farmaceutische sector verzorgt machine vision bijvoorbeeld vooral de inspectie van afmetingen, de detectie van defecten aan het flesoppervlak, de detectie van schouderdefecten en de inspectie van de flesmond.
Met de vooruitgang van de moderne industriële automatisering wordt machine vision-inspectie op grote schaal toegepast op verschillende controles, metingen en onderdeelherkenningstaken. Voorbeelden zijn onder meer detectie van oppervlaktedefecten op infrarood-afsnijfilters, modelidentificatie van autowielen, detectie van uiterlijke defecten op magnetische materialen en streepjescode-/karakterherkenning op productverpakkingen. Deze toepassingen delen de gemeenschappelijke kenmerken van continue massaproductie en extreem hoge eisen aan de uiterlijke kwaliteit.
Dergelijke uiterst repetitieve en intelligente taken kunnen doorgaans alleen worden uitgevoerd door middel van handmatige inspectie. Het is gebruikelijk om honderden of zelfs duizenden inspectiemedewerkers deze taken te zien uitvoeren achter moderne assemblagelijnen in fabrieken. Deze aanpak brengt niet alleen aanzienlijke arbeids- en managementkosten met zich mee voor fabrieken, maar garandeert ook niet dat de inspecties 100% slagen. Machine vision-inspectie is dankzij zijn automatisering, objectiviteit, contactloze karakter en hoge precisie nu volledig in staat handarbeid te vervangen voor deze eentonige, repetitieve taken. Vergeleken met algemene beeldverwerkingssystemen legt machine vision-inspectie de nadruk op nauwkeurigheid, snelheid en betrouwbaarheid in industriële omgevingen.
Naarmate de economische normen stijgen, krijgt machine vision-inspectie steeds meer aandacht. Het vergroot de productiecapaciteit voor gekwalificeerde producten en elimineert ondermaatse artikelen al vroeg in het productieproces, waardoor verspilling wordt verminderd en de kosten worden verlaagd.
3. Hoge-precisie-inspectie
Bepaalde producten vereisen extreme precisie-die een nauwkeurigheid van 0,01 tot 0,02 mm of zelfs micron-niveau-bereikt die verder gaat dan het menselijke visuele vermogen, waardoor machinale-inspectie nodig is.
In de productie en het dagelijks leven vereist elk product kwaliteitsverificatie en een certificaat van overeenstemming. Het wordt algemeen erkend dat inspectie de meest uitgebreide toepassing van machine vision is. Vóór de vooruitgang van machine vision-technologie werd handmatige visuele inspectie vaak geconfronteerd met grote uitdagingen: lage nauwkeurigheid, gevoeligheid voor fouten, onvermogen om continu te werken, operators die gevoelig zijn voor vermoeidheid- en buitensporige tijd- en arbeidskosten. De wijdverbreide adoptie van machine vision heeft de productie en inspectie van producten naar een sterk geautomatiseerd tijdperk gedreven.
De meest typische voorbeelden zijn de inspectie van munttekens en de inspectie van printplaten. Bovendien vereist de inspectie van de productieprocessen van Renminbi-munten uitzonderlijk hoge precisie, waarbij talrijke inspectieapparatuur en complexe procedures betrokken zijn. Andere toepassingen zijn onder meer machine vision-positioneringsinspectie, het verifiëren van de kwaliteit en defecten van drankflesdoppen, detectie en herkenning van streepjescodetekens, inspectie van defecten in glazen flessen en inspectie van farmaceutische glazen flessen. De medische sector is ook een van de belangrijkste toepassingsgebieden van machinevisie.
4. Erkenning
Beeldherkenning omvat het verwerken, analyseren en interpreteren van afbeeldingen via machine vision om verschillende patronen en objecten te identificeren. Dit maakt de traceerbaarheid en verzameling van gegevens mogelijk en vindt uitgebreide toepassing in auto-onderdelen, voedingsmiddelen, farmaceutische producten en andere sectoren.
Het meest typische voorbeeld is QR-codeherkenning. QR-codes en barcodes zijn alomtegenwoordig in het dagelijks leven. Fabrikanten integreren uitgebreide gegevens in deze compacte codes voor productbeheer en traceerbaarheid. Naarmate de beeldherkenning door machine vision toeneemt, worden barcodes op diverse oppervlakken gemakkelijk leesbaar en detecteerbaar, waardoor de moderniseringsniveaus worden verhoogd, de productie-efficiëntie aanzienlijk wordt verhoogd en de productiekosten geleidelijk worden verlaagd.
5. Object sorteren
Binnen machine vision-toepassingen volgt het sorteren van objecten de herkennings- en inspectiefasen. Door beelden te verwerken via machine vision-systemen en robotarmen te integreren, worden producten gesorteerd.
Traditionele productielijnen waren afhankelijk van het handmatig plaatsen van materialen in spuitgietmachines voordat ze doorgingen naar de volgende processen. Tegenwoordig zorgt geautomatiseerde apparatuur voor de materiaaldistributie. Machine vision-systemen leggen productafbeeldingen vast, analyseren deze en leveren resultaten af. Robots plaatsen vervolgens de bijbehorende materialen op aangewezen posities, waardoor een intelligente, moderne en geautomatiseerde industriële productie wordt bereikt.