Masinivälimus on uus tehnoloogia, mis on arenenud viimastel aastatel. Selle abil kasutatakse optiliste, mehaaniliste ja elektrooniliste vahendite integreeritud meetodeid, et anda masinile nägemise funktsioon. Masinivälimuse sissepanek kontrollivaldkonna juurde võimaldab paljudes olukordades online toimuvat kõrge täpsusega ja kiire mõõtmist. Samal ajal on masinivälimuse detekteerimisega seotud teooria arenenud samme kaasaegselt.
Mida tähendab masinivälimus?
Masinivälimus tähendab lühidalt seda, et kasutatakse masinaid inimsilmade asemel mõõtmiseks ja hinnangute tegemiseks. Seda tehnikat kasutatakse peamiselt arvuti abil inimnägemisfunktsiooni simuleerimiseks, et informatsiooni ekstraktida objektide piltidest, seda töödelda ja mõista ning lõpuks seda kasutada tegelikus kontrollimises, mõõtmistes ja juhtimises. Tüpiline masinivälimuse süsteem koosneb viiest osast: valgustus, linss, kaamera, pildi omandamise kaardist ja nägemisprotsessorist.
Sellest tulenev tehnoloogia on masiniväline tehnoloogia, mis on mitmete discipliinide vaheline subjekt, millesse kuuluvad tehisintellekt, neurobioloogia, psühhofüüsika, arvutiteadus, piltitöötlus, musterituvastus ja paljud muud valdkonnad. Masiniväline tehnoloogia on iseloomustatud kiirusega, suure infomahtuga ja mitmefunktsioonilisusega.
Masiniväli areng
Masinavaate uurimine algas keskel 1960ndatel Ameerika uuringumehed L.R. Roberts poolt, kes uuris polüeedritest koosnevate ehitusrakenduste maailma mõistmist. Selle ajal kasutatud tehnikad, nagu eeltoimetamine, äärde tuvastamine, kontoori joone loomine, objekti modelleerimine ja vastavus, on rakendatud masinavaates. 1970ndatel moodustas masinavaate mitu olulist uuringupuuet: ① sihtide juhendamise piltiprotsess; ② pilte töötleva paralleelse algoritmi; ③ kolmemõõtmelise teabe tõmbamine kahestmõõtmelistest piltidest; ④ järjestikute piltide analüüs ja liikumisparameetrite hindamine; ⑤ visuaalse teadmiste esitus; ⑥ visuaalsüsteemi teadmistepank.
Mis on masinavaete tehnoloogia disaini raskused?
Esimene: valguse stabiilsus
Tööstuslikud visioonirakendused jagunevad tavaliselt nelja kategooriasse: asetamine, mõõtmine, tuvastamine ja identifitseerimine. Neist nõuab mõõtmist kõrgeimat valguse stabiilsust. Kui valgus muutub vaid 10-20%, võib mõõtmistulemus hajuda 1-2 piksliga. See ei ole tarkvara probleem, vaid valguse variatsioon, mis põhjustab pildiväljendite serva positsiooni muutumise ning isegi võimsam tarkvara ei suuda seda lahendada. Probleemi lahendamiseks peame süsteemi disainipunktis eemaldama ümbrisse valguse häiret ja tagama aktiivse valgusallika heleduse stabiilsuse. Muidugi ka hardvari resolutsiooni parandamine on viis täpsuse tõstmiseks ja keskkonna häirituste vastu takistuse loomiseks. Näiteks oli eelmise kaamera vastav ruumilisemaatükk enne 10um piksli kohta, kuid see muutub 5umiks resolutsiooni tõstmise korral. Täpsus võib ligikaudu dubleeruda ja keskkonna häiritus paraneda naturaalselt.
Teiseks, töökoja positsiooni mitmekesisus
Tavaliselt on mõõtmiseprojekti esimene samm, olgu see siis offline- või online-mõõtmine, kui on tegemist täiesti automaatse mõõtmise seadmega, siis esimene samm on eesmärgi leidmine. Igal korral, kui mõõdetav objekt ilmub kaamera vaateväljas, tuleb teada, kus täpselt see objekt asub. Isegi mehaaniliste kiudade kasutamisel ei saa tagada, et mõõdetav eesmärk ilmub alati samas positsioonis. See nõuab positsioneerimise funktsiooni kasutamist. Kui positsioneerimine pole piisavalt täpne, võib mõõdikonna positsioon olla ebakindel ja mõõtmistulemused võivad olla suurte hälvetega.
Kolmandaks: kalibreerimine
Üldiselt on täpse mõõtmise korral vajalikud järgmised kalibreerimised: 1) optiline väärikuskalibreerimine (kui teil pole tarkvaralist objektiivit kasutusel, siis on tavaliselt vaja kalibreerida) ja 2) projektsiooniväärikuse kalibreerimine, mis tähendab installimiskohaviga esindatud pildiväärikuse parandamist ning kolme objektipiinide kaalibratsiooni, mis tähendab iga piksli vastavate objektriimi suuruste arvutamist.
Kuid praegused kalibreerimisalgoritmid põhinevad tasapinnalisel kalibreerimisel. Kui mõõdetav füüsiline objekt ei ole tasapindeline, on vaja mõningate spetsiaalsete algoritmide kasutamist kalibreerimiseks, mida ei saa tava kalibreerimisalgoritmide abil lahendada.
Lisaks on mõneid kalibreerimismeetodeid vaja disainida, kuna kalibreerimisplaat on ebamugav kasutada, nii et kalibreerimist ei pruugi olemasolevate tarkvara kalibreerimisalgoritmide abil lahendada.
Neljas: objekti kiirus
Kui mõõdetav objekt ei ole tühja, vaid liigub, peab arvesse võtma liikumispuhvri pildipikkuse (puhvripixel = objekti liikumiskiirus * kaamera eksponeerimisaeg), mis tarkvara ei lahenda.
Viimasena, tarkvara mõõtkindlus
Mõõtmisrakenduses saab tarkvara mõõtkindluseks arvestada ainult 1/2-1/4 pikslit ning on parem kasutada 1/2 asemel 1/10-1/30 pikslit positsioneerimisrakendustes, kuna tarkvara saab pildist väga vähe omaduspunkte välja tuua.
Arendamine ja rakendamine Hiinas
Ekspertid usuvad, et masinivälimu arendamine algas peamiselt Euroopas, Ameerika Ühendriikides ja Jaapanis. Maailma tootmiskeskuse ülekanget Hiinasse on järg neile riikidele oluline sihtturundus internatsionaalsetele masinivälimu tootjatele Põhja-Ameerika, Euroopa ja Jaapani järel. Hiinas pärits masinivälimu kasutamine tehnoloogia tutvustamisest 1980. aastatel. Semikoon- ja elektronitööstus on üks neist tööstusrühmadest, mis on varasemalt kasutanud masinivälimu süsteeme, enamik neist keskendub PCB trükitud ringjoonade montaadile, komponendi tootmisele, semikoonide ja integreeritud sirkuite seadmetele. Selle tööstuse valdkonnas mängib masinivälimu rakendamine ja levik olulist rolli elektronikatoodete kvaliteedi ja tootmiskätte tõstmisel.
Praegu on Hiina muutunud üheks maailma masinivälimuse arengu aktiivsematest piirkondadest, kattes peaaegu kõiki rahvusvahelise majanduse sektoreid, sealhulgas: tööstust, põllumajandust, meditsiini, sõjaväget, kosmoosse, meteoroloogiat, astronoomiat, avalikku turvalisust, transpordi, turvalisust ja teadusuuringuid ning muude sektoreid. Tööstussektor on masinivälimuse rakendamise suurim sektor. Oluline põhjus on see, et Hiina on saanud globaalse tootmisettevõtluse protsessikeskuseks. Kõrge nõudlusega osade töötlemise ja vastavate tipp-tase tootmisjoonte tõttu on ka palju rahvusvahelist taset omavaid masinivälimuse süsteeme ja rakenduskogemusi juba Hiinas sisenenud.
Allpool on lühidalt tutvustatud mõned rakendused:
1. Toiteturvalisuse jälgimine
Tootmise ja toote kvaliteedi kontrollimise protsessis peab töötajatel mõnikord olema võimalik tuvastada ja avastada tootmisprotsessis esinevaid vigu ja omistusi. Kuivõrd suur ka inimese vastutunde ja tähelepanu tase on, ta võib jääda väsimuseks, ebaselgeks ja hoolimatuseks, mis võib põhjustada defektiivsete toodete sisenemist turule.
Masinavaadete rakendamine toiduainete kontrollimises
2. Tootmine
Tööstuse konkurents intensiivsustab, ning kuluelemendid sunnivad seda pöörama tähelepanu tootmise effektiivsusele, kus kvaliteet edendab masinavälimuse tehnoloogia rakendamist. Tootmise kiiruse suurendamiseks ja tööhõbe kulude vähendamiseks on mõned käe tööd tööstuses ja halduses aeg-ajalt asendatud masinate poolt. Masinavälimuse süsteemi omadus on parandada tootmise paindlikkust ja automaatset funktsioneerimist. Mõnes ohtlikus töötornis, kus käe töö ei ole sobilik või kus inimväljund ei oleks nõuetega rahuldav, kasutatakse masinavälist, et asendada inimväljund; samuti suurte masstootmisprotsessides, kus on kvaliteedikontrolli osas madal töötasu ja ebapiisav täpsus, võib masinaväline detekteerimine suurendada oluliselt tootmiskiirust ja tootmise automaatset taseme. Lisaks on masinaväline lihtne integreerida infoga, mis on aluseks arvutikontrollitud tootmisele.
Samal ajal võib masinivägivisioonitehnoloogia mängida ka rolli ülepiirsete heitkoguste ja veekeskmiste jms kontrollimisel. Masinivägivisiooni abil saame tuvastada tule ja suitsu masinahustes ja tööturudes ajakohaselt. Masinivägivisiooni kasutamine näo tuvastamise ja näo tuvastamise tehnoloogia abil võib aeteda ettevõtetel selles, et tugevdada sisenemise/kinnipääsemise punktide juhtimist, parandada juhtimisetasmeid ning vähendada juhtimiskulusid.
3. Päikesenergia, liikluse jälgimine
Viimastel aastatel on uute tehnoloogiate areng tuurnud masinivälimarketile uut turuaru. Pärastenergia valdkonnas kasutavad pärastepilte ja moodulite tootjad masinivaadet toodete kontrollimiseks, nende identifitseerimiseks, jälgimiseks ja montaadimiseks. Liiklusseirevaldkonnas võib kasutada numbrimärgi tuvastamise tehnoloogiat ja pildianalüüsiga numbrimärke automaatselt tuvastada, avastada vigaseid parkimisi, tagurpidi sõitmist ning otsida transpordiõnnetuste sündmuste ajal osalejaid. Lisaks on masinivaatele tehnikas suur potentsiaal maavärinates, mullakatudes, lammutustes ja vulkaanide aktiveerumises ning veekonna seirevaldkonnas, sealhulgas jõgede veekonna olukorra vaatluses.
Tuleviku turuprognoosid
Tavaline tootemajandus silab uutest hävitage, transformatseerimisest ja uuendusest, mis toob Hiina automatiseerimisindustriale immensesse turu võimalustesse. Masinivägikord, kui üliintelligentne toode automatiseerimisindustriast, on tulevikus suur arengupotentiaal.
Viimastel aastatel omandavad Hiina elektronitootjad ja OEM-tootjad palju automaatset varustust, et asendada käsitööd Hiinas kasvava tööjõu puuduse vastu, mis jõuab järgmistel aastatel tippu. Taiwani kapitaliga tehiselad valivad automaatika astme parandamise, ning nende automaatika tipp saab järgmisel 2-3 aastal, mis toob kaasa masinivägikordi toodete rakendamise uue kasvu punkti selles valdkonnas.
Autoriteetse tööstuse prognoosiaruande kohaselt jätkab Hiina masinivälimustööstuse turve suurenemist, jõudes 2015. aastal 3 miljardi yuanini, 2016. aastal 3,8 miljardi yuanini ja 2018. aastaks 5 miljardi Ameerika dollarini. Globaalse masinivälimuseturbe poolt toodetud uued äri võimalused on muutunud tööstuse tootjate fookuspunktiks.
See artikkel pärit Internetist. See on teisendatud teadmiste levitamise eesmärgil ning kasuliku õppe ja uurimiseks. See pakub sellest tasuta neti kasutajatele ning viitab ka autorile ja allikale. Kui autori või avaldaja poolt tekib mingeid kaebusi, kustutab see veebisait selle kohe. Kui teil on küsimusi artikli teisendamisega seoses, palun teavitage meid, et me saaksime seda ajakohastada.
EN
