Machine vision-inspectietechnologie is een opkomende inspectietechniek gebaseerd op computer vision-onderzoek. In de snel voortschrijdende industriële automatisering van vandaag heeft machine vision-technologie een steeds bredere toepassing gevonden in de industrie en steeds meer erkenning en gunst gekregen onder gebruikers. Als gevolg hiervan zijn mensen het gebruik van CCD-camera's gaan overwegen om beelden vast te leggen en deze naar computers of speciale beeldverwerkingsmodules te verzenden. Door middel van digitale verwerking kunnen grootte, vorm en kleur worden bepaald op basis van pixelverdeling, helderheid en kleurinformatie. Deze aanpak combineert de snelheid en herhaalbaarheid van computerverwerking met de hoge intelligentie en abstractiemogelijkheden van het menselijk zicht, wat aanleiding gaf tot het concept van machine vision-inspectietechnologie.
Het is duidelijk dat het toepassingsbereik ervan steeds wijder verspreid wordt. Op basis van deze categorieën kunnen we vijf belangrijke toepassingen binnen de industriële automatisering samenvatten.
1. Visie-Begeleide positioneringstoepassingen
Voor op visie-gebaseerde positionering zijn machine vision-systemen nodig om doelcomponenten snel en nauwkeurig te lokaliseren en hun posities te bevestigen. Machine vision wordt gebruikt voor de positionering tijdens het laden/lossen om robotarmen te geleiden voor nauwkeurig grijpen. 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. Bovendien is het bij de productie van halfgeleiders een grote uitdaging om de pick-up- op basis van chiplocatiegegevens aan te passen. Machine vision lost dit probleem op door nauwkeurige spaanopname en binding mogelijk te maken, wat onderstreept waarom visuele positionering de hoeksteentoepassing is in industriële machine vision.
2. Toepassingen voor detectie van uiterlijke defecten
Dit proces detecteert kwaliteitsproblemen in producten op productielijnen en vertegenwoordigt het gebied waar menselijke arbeid het vaakst wordt vervangen. In de farmaceutische sector verzorgt machine vision bijvoorbeeld voornamelijk afmetingsinspectie, detectie van defecten aan het flesoppervlak, detectie van defecten aan de schouder van flessen en 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 identificatie van onderdelen. Voorbeelden zijn onder meer de detectie van oppervlaktedefecten voor nieuwe energiebatterijen, elektronische componentherkenning, detectie van uiterlijke defecten voor magnetische materialen en barcode-/karakterherkenning op productverpakkingen. Deze toepassingen delen de gemeenschappelijke kenmerken van continue massaproductie en extreem hoge eisen aan de kwaliteit van het uiterlijk. Naarmate de economische normen stijgen, krijgt machine vision-inspectie steeds meer aandacht. Het vergroot de productiecapaciteit voor gekwalificeerde producten, terwijl artikelen die niet aan de normen voldoen vroeg in het productieproces worden geïdentificeerd en weggegooid, waardoor verspilling wordt verminderd en de kosten worden verlaagd.
3. Inspectietoepassingen met hoge-precisie
Bepaalde producten vereisen precisieniveaus zo fijn als 0,01–0,02 micrometer of zelfs micron- nauwkeurigheid, waardoor menselijke inspectie onmogelijk wordt en machinale- oplossingen nodig zijn. Belangrijke voorbeelden zijn onder meer braamdetectie in stroombatterijen en inspectie van PCB-printplaten. Een andere belangrijke toepassing is de inspectie van farmaceutische glazen flessen, waardoor de medische sector een van de belangrijkste domeinen voor machine vision is geworden.
4. Toepassingen voor beeldherkenning
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 wordt uitgebreid gebruikt in nieuwe energiebatterijen, printplaten, elektronische componenten, hardware-accessoires, voeding, farmaceutische producten en andere sectoren. Het meest iconische voorbeeld is QR-codeherkenning. QR-codes en barcodes zijn alomtegenwoordig in het dagelijks leven. Fabrikanten integreren uitgebreide productgegevens in deze compacte codes voor beheer en traceerbaarheid. Naarmate de beeldherkenning door machine vision toeneemt, worden streepjescodes op diverse oppervlakken moeiteloos leesbaar en detecteerbaar. Dit bevordert de modernisering, verhoogt de productie-efficiëntie aanzienlijk en verlaagt geleidelijk de productiekosten.
5. Objectsorteertoepassingen
Binnen machine vision-workflows volgt het sorteren van objecten de herkennings- en inspectiefasen. Machinevisiesystemen verwerken beelden en coördineren met robotarmen om productsortering te bewerkstelligen. Traditionele productielijnen waren afhankelijk van het handmatig plaatsen van materialen op aangewezen locaties 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 vaste posities, waardoor een intelligente, moderne en geautomatiseerde industriële productie wordt bereikt. Deze systemen worden vaak toegepast bij het sorteren van voedsel, het automatisch sorteren van pakketten en het sorteren van katoenvezels. Ze besparen arbeid, verhogen de snelheid en verbeteren de productkwaliteit,-essentieel voor het voortbestaan van bedrijven in het huidige economische klimaat. Door gebruik te maken van machine vision-inspectietechnologie kunnen bedrijven een concurrentievoordeel op de markt behouden.