Машинне бачення грає важливу роль у інтелектуальному заводі, що ефективно збільшує продуктивність та покращує відсоток якості продукції. При виборі малої системи машинного бачення традиційна промислова інтелектуальна камера має переваги, такі як компактні розміри, висока інтеграція та легке розроблення та використання; перевага вбудованої системи машинного бачення полягає в тому, що конфігурація досить гнучка, її можна оснастити потужним процесором CPU, підтримувати багатоканальні камери та мати високий рівень масштабування. Чи існує новий тип малої системи машинного бачення, який може поєднати переваги обох, зменшити витрати та задовольнити все більш вимогливі та швидкі візуальні додаткові тестування?
Машинне бачення грає важливу роль у інтелектуальному заводі, що ефективно збільшує продуктивність та покращує відсоток якості продукції. При виборі малої системи машинного бачення традиційна промислова інтелектуальна камера має переваги, такі як компактні розміри, висока інтеграція та легке розроблення та використання; перевага вбудованої системи машинного бачення полягає в тому, що конфігурація досить гнучка, її можна оснастити потужним процесором CPU, підтримувати багатоканальні камери та мати високий рівень масштабування. Чи існує новий тип малої системи машинного бачення, який може поєднати переваги обох, зменшити витрати та задовольнити все більш вимогливі та швидкі візуальні додаткові тестування?
Потреби інтелектуального заводу у машинному баченні
Ефективність та обчислювальна потужність. Як покращити виробничу потужність, ефективність системи та пропускну здатність грають ключову роль. Щодо загальної системи машинного бачення, висока розрізнювальна здатність та висока частота кадрів (кількість відтворюваних кадрів на секунду) є схожими на рибу та медвежий лапу. У загальних практичних застосуваннях, авторське право Control Engineering China залишається захищеним. Зазвичай це комбінація застосувань з високою розрізнювальною здатністю, але низькою частотою кадрів або низькою розрізнювальною здатністю, але високою частотою кадрів. Якщо потрібно мати обидва, єдиним вихідом є використання високопotentних процесорів CPU, щоб компенсувати результат множення розрізнювальної здатності та частоти кадрів. Як отримати найкращу обчислювальну продуктивність за разумну вартість - це турбує розробників систем.
Середовище виробничого цеху. Умови на заводі зазвичай погані. Наприклад, у процесі виготовлення та упаковки напоїв система може знаходитися у безпосередньому контакті з рідиною. Але у середовищі обробки інструментів - це погана навколишня середовища, що заповнена частинками зрізуваного матеріалу. Якщо систему машинного бачення необхідно розташувати поблизу виробничого цеху у складних умовах, продукт з властивостями захисту від води та пилу може задовольняти потріб.
Кілька робочих станцій виробництва. У заводському середовищі всі права захищені. Щоб готову продукцію можна було поставляти на ринок, необхідно пройти різні робочі станції для виготовлення деталей, забору та розміщення півфабрикатів, перевірки якості та упаковування для відправки. Наприклад, CNC-станок відповідає за обертання деталей. Робочий матеріал береться промисловим роботом і позиціонується промисловою камeroю. Після завершення він потрапляє на платформу детектування для виявлення дефектів. Готову продукцію сканують у зоні упаковки. Як легко інтегрувати та комунікувати між кількома робочими станціями виробництва - це ключ до інтелектуального заводу.
Середовище розробки програмного забезпечення. Складність та ступінь інтеграції розробки програмного рішення є великою тривогою для всіх інженерів, які впроваджують інтелектуальну систему, і часто це найважливіший фактор, що визначає успіх або невдачу проекту. Як скоротити час розробки та зменшити вартість розробки системи - це важливий ключ.
Оберіть першості малого системи комп'ютерного бачення
Виконавча здатність процесора. Завдяки своєму малому розміру та обмеженій просторові, традиційна смарт-камера може мати лише однокernelний процесор Atom або процесор arm. Незважаючи на низьке споживання енергії, через обмежену продуктивність вона може виконувати лише аналіз та обробку зображень одного завдання, наприклад, підрахунок, сканування штрих-коду тощо. За випуском сімейства процесорів Intel atomtm e3840, продуктивність процесора зросла у два рази порівняно з попереднім сімейством процесорів, і залишається перевагою низького споживання енергії. Це означає, що малий розмір також може забезпечувати високу продуктивність, і реалізовувати багатозадачну обробку зображень. Нове покоління компактних систем машинного бачення може одночасно виконувати вимірювання, підрахунок, позиціонування, читання двовимірних кодів та інші багатозадачні можливості обробки. З точки зору власних витрат, воно має здатність більше, ніж одна машина.
Датчик зображення та якість зображення. Датчик зображення є душою системи машинного бачення. Розмір датчика безпосередньо визначає якість зображення. У минулому застосування смарт-камери визначалося у межах базового детектировання зображень. Переваги та недоліки розміру датчика та якості зображення не завжди були чітко видимими. Проте, якщо ми хочемо застосувати машинне бачення до високоприоритетних та швидких додатків для детектировання, то розмір датчика стає ключовим моментом при виборі системи.
Порівняння рулонного затвора та глобального затвора. Різниця між рулонним затвором і глобальним затвором полягає у розріznці часу експозиції. Затвор рулонного затвора наказує чутливому до світла елементу виконувати експозицію послідовно, доки всього зображення не буде експоновано. Глобальний затвор експонує все зображення одночасно. За разом покращення продуктивності обробки системи, продуктивність системи більше не буде обмежувати можливості. Якщо є потрібна детекція швидко рухаються об'єктів, глобальний сенсор може збирати правильне зображення без залишкового зображення.
Копроцесор. У процесі машинного бачення збору та аналізу зображень якість зображення грає важливу роль. Якщо ми можемо оптимізувати якість зібраних зображень перед їх аналізом, ми можемо забезпечити правильність аналізу зображень. У минулих застосунках, після того як дані зображень були зібрані до системи, необхідно було обчислювати та оптимізовувати якість зображень через процесор системи, оскільки обмежені ресурсами обчислення CPU, кількість зображень, які можуть бути оброблені, також буде обмеженою. Проте, якщо ми можемо фільтрувати та оптимізувати матричні обчислення зображень перед обчисленнями CPU, ми значно прискоримо виконання обробки зображень та зменшимо ресурси CPU. З одного боку, ми можемо залишити системні ресурси для ядра системи машинного бачення - алгоритму зображення, з іншого боку, ми можемо обробляти велику кількість зображень у режимі реального часу, щоб реалізувати швидкі та складні функції попередньої обробки, такі як таблиця перетворення, ROI, регіон інтересу, корекція затінення та інші функції оптимізації якості зображення.
Виконання графічних операцій та обробка мультимедійних зображень. У порівнянні з попередньою версією процесора Intel AtomTM D2550, нове покоління процесорів Intel AtomTM E3840 має вищу продуктивність приблизно у шість разів. Воно може одночасно обробляти багатоканальне стиснення та передачу зображень за допомогою технології Intel HD Graphics 4000. Благодаря покращенню продуктивності CPU та GPU, результати детекції зображень можуть бути записані та збережені, або надалі використовуватися для порівняння та аналізу, щоб інформаційна система заводу отримала більш інтелектуальні функції.
Показники відображення системи. У заводському середовищі всі права захищені. Традиційна інтелектуальна камера може передавати дані лише через Ethernet для моніторингу центрального контрольного терміналу. Якщо система машинного бачення підтримує інтерфейс виводу VGA, система машинного бачення може одночасно виводити зображення через порти VGA та Ethernet, а також підключатися до екрана на кінці HMI чи виробничого ланцюга для перевірки результатів у режимі реального часу та виявлення проблем, що ефективно покращить продуктивність виробничого ланцюга.
архітектура 64 біти. Оскільки програмне забезпечення для аналізу зображень необхідно обробляти велику кількість даних, більшість основних застосунків на ринку вже підтримують 64 біти. Отже, при виборі системи машинного бачення, звичайно, потрібно також обрати систему, яка підтримує 64 біти, щоб повністю використовувати максимальну користь від застосунку.
Здатність систеи до зберігання. Об'єм пам'яті системи машинного бачення вказує на те, що користувачі можуть зберігати більше прикладів для розпізнавання та порівняння зображень, а також дані детектування чи робити їхній бекап. Це дуже корисно для стабільності всього системного процесу.
Загальні витрати на власність. Загальні витрати на придбання системи не обмежуються вартістю самой системи машинного бачення. Розумні користувачі розуміють, як допомогти клієнтам зменшити витрати, враховуючи загальні витрати на власність, є ключовим шляхом.
EN