De ontwikkeling van industriële automatisering in China is steeds volwassener geworden, wat industriële automatisering betreft, begrijpen we min of meer. Om uw begrip van industriële automatisering te vergroten, zal dit artikel gebaseerd zijn op twee belangrijke aspecten van industriële automatisering: 1. machine vision in industriële automatiseringstoepassingen, 2. industriële automatisering, waarom machine vision-systemen gebruiken. Als u geïnteresseerd bent in de inhoud van dit artikel, wilt u misschien verder lezen Oh.
I. Machinevisie in industriële automatisering
Machine vision wordt al lang gebruikt in industriële automatiseringssystemen om de productiekwaliteit en opbrengst te verbeteren door de traditionele handmatige inspectie te vervangen. Van pick-and-place, objecttracking tot metrologie, defectdetectie en andere toepassingen: het gebruik van vision-gegevens kan worden gebruikt om de prestaties van het hele systeem te verbeteren door eenvoudige pass-fail-informatie of gesloten-loop-regellussen te bieden.
Het gebruik van visie vindt niet alleen plaats in de industriële automatisering; we zien ook veel gebruik van camera's in het dagelijks leven, zoals voor computers, mobiele apparaten en vooral in auto's. Camera's werden pas een paar jaar geleden in auto's geïntroduceerd, maar inmiddels zijn ze uitgerust met een groot aantal camera's om de bestuurder een volledig 360 graden beeld van het voertuig te geven.
Maar als het gaat om de grootste technologische vooruitgang op het gebied van machine vision, is dat waarschijnlijk altijd de verwerkingskracht geweest. Nu de processorprestaties elke twee jaar verdubbelen en de nadruk blijft liggen op parallelle verwerkingstechnologieën zoals multi{1}}core CPU's, GPU's en FPGA's, kunnen ontwerpers van vision-systemen nu zeer complexe algoritmen toepassen op vision-gegevens en slimmere systemen creëren.
Vooruitgang in de verwerkingstechnologie heeft geleid tot nieuwe mogelijkheden, niet alleen tot slimmere of krachtigere algoritmen. Laten we eens kijken naar een gebruiksscenario voor het toevoegen van zichtmogelijkheden aan productiemachines. Deze systemen zijn traditioneel ontworpen om netwerken van intelligente subsystemen te vormen in een samenwerkend gedistribueerd systeem dat modulair ontwerp mogelijk maakt.
Het kan echter moeilijk zijn om deze op hardware-centrische benadering over te nemen naarmate de prestaties van systemen toenemen, omdat deze systemen vaak gekoppeld zijn met behulp van een mix van tijd-kritieke en niet-tijd-kritieke protocollen. Het met elkaar verbinden van deze ongelijksoortige systemen via een verscheidenheid aan communicatieprotocollen kan leiden tot knelpunten op het gebied van latentie, determinisme en doorvoer.
Als een ontwerper bijvoorbeeld probeert een applicatie te ontwikkelen die deze gedistribueerde architectuur gebruikt en een nauwe integratie tussen zicht- en bewegingssystemen moet handhaven, zoals vereist is bij vision-servoing, kunnen er grote prestatieproblemen optreden als gevolg van een gebrek aan verwerkingskracht. Omdat elk subsysteem bovendien zijn eigen controller heeft, kan dit de verwerkingsefficiëntie zelfs verminderen.
Ten slotte moeten ontwerpers vanwege deze op hardware-gedistribueerde benadering verschillende ontwerptools gebruiken om de vision-software te ontwerpen die specifiek is voor elk subsysteem in het vision-systeem, evenals bewegings-specifieke software voor het bewegingssysteem, enz. Dit is vooral een uitdaging voor kleinere ontwerpteams, waar een klein team, of zelfs een enkele ingenieur, verantwoordelijk is voor veel delen van het ontwerp.
II. Waarom machine vision-systemen worden gebruikt in de industriële automatisering
Er zijn vijf belangrijke redenen om machine vision-systemen te gebruiken bij de besturing van industriële automatisering:
Nauwkeurigheid- Omdat het menselijk oog fysieke beperkingen heeft, hebben machines een duidelijk voordeel op het gebied van nauwkeurigheid. Zelfs als het menselijk oog afhankelijk is van een vergrootglas of een microscoop om een product te inspecteren, zal een machine nog steeds nauwkeuriger zijn omdat deze tot op een duizendste van een inch nauwkeurig kan zijn.
Herhaalbaarheid- Een machine kan de inspectietaak keer op keer op dezelfde manier uitvoeren zonder moe te worden. Daarentegen zal het menselijk oog een product elke keer net iets anders inspecteren, ook al is het product precies hetzelfde.
Snelheid- Machines kunnen producten veel sneller inspecteren. Vooral bij het inspecteren van objecten die met hoge snelheid bewegen, zoals op een productielijn, kunnen machines de productiviteit verhogen.
Objectiviteit- Bij de menselijke ooginspectie is er een fatale fout, de subjectiviteit wordt veroorzaakt door emoties, de testresultaten zullen veranderen met de stemming van de werknemer, terwijl de machine niet over de vreugde en het verdriet beschikt, de detectie van de resultaten van het natuurlijke is zeer substantieel en betrouwbaar.
Kosten- Omdat machines sneller zijn dan mensen, kan één geautomatiseerde inspectiemachine de taken van meerdere mensen overnemen. En de machine hoeft niet te stoppen, wordt niet ziek en kan continu werken, waardoor de productiviteit aanzienlijk kan worden verbeterd.
Omdat het machine vision-systeem snel een grote hoeveelheid informatie kan verkrijgen en gemakkelijk automatisch kan worden verwerkt, maar ook gemakkelijk kan worden geïntegreerd met de ontwerpinformatie en de verwerking van controle-informatie, zullen mensen in het moderne geautomatiseerde productieproces daarom veel gebruik maken van het machine vision-systeem op het gebied van monitoring van de arbeidsomstandigheden, inspectie van eindproducten en kwaliteitscontrole. Machine vision-systemen worden gekenmerkt door het verbeteren van de flexibiliteit en automatisering van de productie. In sommige ongeschikt voor handmatige bediening van de gevaarlijke werkomgeving of kunstmatige visie is het moeilijk om aan de eisen van de gelegenheid te voldoen, vaak gebruikte machinevisie om kunstmatige visie te vervangen; tegelijkertijd in het proces van grote- industriële productie, waarbij kunstmatige visie om de kwaliteit van het product te controleren inefficiënt en laag-precies is, kunnen detectiemethoden met machine vision de productie-efficiëntie en automatisering van de productie aanzienlijk verbeteren. En machine vision is eenvoudig te realiseren van de informatie-integratie, is de realisatie van computergeïntegreerde productie van basistechnologie.