Wat is machinevisie?

Machine vision is het vermogen van een computer om te zien; het maakt gebruik van een of meer videocamera's, analoog-naar-digitaal-conversie en digitale signaalverwerking. De resulterende gegevens gaan naar een computer of robotcontroller. Machine vision is qua complexiteit vergelijkbaar met spraakherkenning.

Machine vision wordt soms samengevoegd met de term computer visie. De technologie is vaak geïntegreerd met kunstmatige intelligentie (AI), machinaal leren en diepgaand leren om de beeldverwerking te versnellen.

Hoe werkt machinevisie?

Machine vision maakt gebruik van camera's om visuele informatie uit de omgeving vast te leggen. Vervolgens verwerkt het de beelden met behulp van een combinatie van hardware en software en bereidt het de informatie voor gebruik in verschillende toepassingen voor. Machine vision-technologie maakt vaak gebruik van gespecialiseerde optica om beelden te verwerven. Met deze aanpak kunnen bepaalde kenmerken van het beeld worden verwerkt, geanalyseerd en gemeten.

Een machine vision-toepassing als onderdeel van een productiesysteem kan bijvoorbeeld worden gebruikt om een ​​bepaald kenmerk te analyseren van een onderdeel dat op een assemblagelijn wordt vervaardigd. Het kan bepalen of het onderdeel voldoet aan de productkwaliteitscriteria en, zo niet, het onderdeel weggooien.

In productieomgevingen hebben machine vision-systemen doorgaans de volgende items nodig:

• Verlichting. Verlichting verlicht het object of de scène om de kenmerken ervan zichtbaar te maken.
• Lens. Hiermee wordt het beeld vastgelegd en aan de sensor in de camera als licht.
• Captureboard, framegrabber of sensor. Deze apparaten werken samen om het beeld van de camera te verwerken en om te zetten naar een digitaal formaat als pixels. Beeldsensoren zetten licht om in elektrische signalen met behulp van beide complementaire metaaloxide halfgeleider technologie of een ladingsgekoppeld apparaat.
• Verwerker. De processor voert software en bijbehorende algoritmen uit die het digitale beeld verwerken en de vereiste informatie extraheren.
• Communicatie. Deze systemen zorgen ervoor dat de machine vision-camera's en het verwerkingssysteem kunnen communiceren met andere elementen van het grotere systeem, meestal met behulp van een discrete invoer uitvoer signaal of een seriële verbinding.

Er zijn twee soorten camera's die worden gebruikt bij de productie van machinevisie:

1. Gebiedsscan. Deze camera's maken foto's in één frame met behulp van een rechthoekige sensor. Het aantal pixels in de sensor komt overeen met de breedte en hoogte van het beeld. Areascancamera's worden gebruikt voor het scannen van objecten die qua breedte en hoogte even groot zijn.
2. Lijnscan. Deze camera's bouwen pixel voor pixel een beeld op. Ze zijn geschikt voor het maken van beelden van bewegende voorwerpen of van onregelmatige afmetingen. De sensor beweegt tijdens het maken van de foto in een lineaire beweging over een object. Lijnscancamera's zijn niet zo beperkt tot specifieke resoluties als gebiedscancamera's.

Cameralenzen variëren in optische kwaliteit. Twee belangrijke specificaties bij elk zichtsysteem zijn de gevoeligheid en de resolutie van de lens, die de volgende kenmerken hebben:

• Gevoeligheid is het vermogen van een machine om bij weinig licht te zien of zwakke impulsen op onzichtbare plaatsen te detecteren golflengten.
• Resolutie is de mate waarin een machine onderscheid kan maken tussen objecten.

Over het algemeen geldt: hoe groter de resolutie, hoe beperkter het gezichtsveld. Gevoeligheid en resolutie zijn onderling afhankelijk. Als andere factoren constant zijn, vermindert het verhogen van de gevoeligheid de resolutie, en het verhogen van de resolutie vermindert de gevoeligheid.

Menselijke ogen zijn gevoelig voor elektromagnetische golflengten variërend van 390 tot 770 nanometer. Videocamera's kunnen gevoelig zijn voor een veel groter golflengtebereik. Sommige machine vision-systemen werken op infrarood, ultraviolette of röntgengolflengten.

Verrekijker, ook wel genoemd stereoVoor machine vision is een computer met een geavanceerde processor vereist. Daarnaast zijn er hoge-resolutiecamera's, een groot aantal RAM en AI-programmering zijn vereist voor dieptewaarneming.

[Ingesloten inhoud]

Soorten machinevisie

Machine vision-systemen kunnen in verschillende dimensies werken, afhankelijk van de specifieke behoeften en vereisten van een bepaalde toepassing.

Veel voorkomende typen machine vision-systemen zijn onder meer:

• 2D vision-systemen. Dit zijn de meest gebruikte systemen die uitblinken in patroonherkenningstaken.
• 3D vision-systemen. Opererend in meerdere dimensies, 3D vision-systemen bieden verbeterde nauwkeurigheid voor meet- en inspectiedoeleinden.
• Slimme cameragebaseerde visiesystemen. Deze systemen maken gebruik van geïntegreerde camera's en software om een ​​verscheidenheid aan inspectiegerelateerde taken uit te voeren.
• Compacte zichtsystemen. Deze systemen zijn ontworpen om op zichzelf te staan ​​en kunnen naadloos worden geïntegreerd in bestaande apparatuur en productieprocessen.
• PC-gebaseerde visionsystemen. Door gebruik te maken van computerverwerking en beeldanalyse maken deze systemen de uitvoering van complexere visuele inspectietaken mogelijk.
• Multispectrale beeldvorming. Als alternatief voor conventionele 2D-beeldvorming omvat deze methode het vastleggen van beelden op meerdere golflengten.
• Hyperspectrale beeldvorming. Net als bij multispectrale beeldvorming legt hyperspectrale beeldvorming beelden vast op een aanzienlijk groter aantal golflengten, waardoor een gedetailleerde analyse van spectrale gegevens mogelijk wordt.
• Lenzen met variabele vergroting. Deze lenzen zijn uitgerust met instelbare vergrotingsniveaus en bieden meer flexibiliteit bij het uitvoeren van inspectietaken.

Hoe worden machine vision-systemen gebruikt?

Machine vision-toepassingen worden in een reeks industrieën gebruikt om verschillende taken uit te voeren, waaronder de volgende:

• Elektronische componentenanalyse. Machine vision wordt gebruikt bij de constructie van printplaten voor taken zoals inspectie van soldeerpasta en plaatsing van componenten.
• Optische tekenherkenning (OCR). OCR stelt een computer in staat gedrukte of handgeschreven tekst uit afbeeldingen te extraheren.
• Handschrift- en handtekeningherkenning. Met deze functies kan een computer patronen detecteren in afbeeldingen van handschriften en handtekeningen.
• Object herkenning. In de auto-industrie, zelfrijdende auto's . Object herkenning op beelden gemaakt door camera’s om obstakels op de weg te identificeren. Machine vision-systemen bepalen ook de positie van objecten, zoals de juiste plaatsing van een etiket op een pillenflesje.
• Patroonherkenning. Medische beeldvorming analyse maakt gebruik van patroonherkenning om diagnoses te stellen op basis van technologieën zoals magnetische resonantiebeeldvorming, bloedscans en hersenscans.
• Materiaalinspectie. Machine vision-mogelijkheden in materiaalinspectiesystemen zorgen ervoor kwaliteitscontrole. Machine vision controleert op gebreken, defecten en verontreinigingen in een reeks materialen en producten. Deze systemen kunnen bijvoorbeeld pillen en tablets inspecteren op problemen tijdens de productie.
• Valuta-inspectie. Machine vision wordt gebruikt om valuta te analyseren om valse bankbiljetten te detecteren.
• Artikel tellen. Deze mogelijkheid wordt gebruikt om items zoals pillen in een pakje of flessen in een doosje te tellen.
• Barcode volgen. Deze algemene toepassing maakt gebruik van de mogelijkheden van machine vision-systemen om te lezen en te volgen barcodes in real time.
• Robotica. Het gebruik van camera's voor robotgeleiding is een snel groeiend gebied van machine vision. Zowel 2D- als 3D-camera's zijn belangrijk bij het instrueren van robots om individuele of bulkcomponenten effectief te hanteren. Deze toepassingen bieden hoge rendement op de investering door de behoefte aan fysieke arbeid te verminderen.

Voordelen van machinevisie

Veel voorkomende voordelen van machine vision zijn onder meer:

• Verwijdert menselijke fouten. Hoewel het menselijk oog indrukwekkend is, is het niet immuun voor fouten. Machine vision blinkt uit in kwantitatieve metingen vanwege de precisie, consistentie en snelheid. Wanneer een vision-systeem bijvoorbeeld in een productielijn wordt geïntegreerd, kan het snel honderden of zelfs duizenden onderdelen per minuut inspecteren. Door camera's met hoge resolutie te gebruiken, kunnen machine vision-systemen minuscule objectdetails detecteren en onderzoeken die voor het menselijk oog onopgemerkt zouden kunnen blijven. Bovendien elimineert machine vision de effecten van vermoeidheid bij de machinist en individuele verschillen, waardoor consistente en betrouwbare inspecties worden gegarandeerd.
• Vermindert stilstand. Een vision-systeem beschermt tegen schade aan onderdelen door fysiek contact tussen een testsysteem en gefabriceerde onderdelen te elimineren. Omdat slijtage zijn tol eist van mechanische componenten, worden ook de tijd en kosten die met reparaties gepaard gaan, verminderd. Machines werken sneller omdat ze minder onderhoud vergen, waardoor bedrijven productiedeadlines consistent en gemakkelijk kunnen halen.
• Verlaagt de kosten. Een machine vision-systeem kan de productiesnelheid verhogen en de arbeid die nodig is om de apparatuur te bedienen verminderen. Het kan ook het afvalpercentage minimaliseren, zodat er minder materiaal wordt verspild, wat uiteindelijk de overhead verlaagt.
• Verbetert de veiligheid op de werkplek. Machinevisie gecombineerd met AI verbetert de veiligheid op de werkplek door de noodzaak van menselijke tussenkomst tijdens het productieproces te minimaliseren. Bij het bedienen van grote, krachtige machines lopen werknemers minder kans op verwondingen en is hun contact met gevaarlijke onderdelen en materialen ook beperkt.
• Detecteert gebreken. Machine vision kan productonregelmatigheden detecteren, zoals deuken en krassen op het oppervlak. Door zorgvuldig detectiegrenzen te stellen, wordt onderscheid gemaakt tussen aanvaardbare en onaanvaardbare gebreken.
• Meet nauwkeurig. Een machine vision-systeem kan specifieke punten op een beeld lokaliseren en meten, zoals diameter, straal, afstand en diepte. Dit kan bijvoorbeeld helpen bij het bepalen van de binnendiameter van de boring van een motorcilinder of het vloeistofniveau van een container. Deze informatie kan worden verzameld met 2D- of 3D-camera's.
• Identificeert drukfouten. Een machine vision-systeem kan afdrukafwijkingen, zoals onjuiste kleurschakeringen, onzuivere afdrukken of ontbrekende letters, gemakkelijk identificeren. Het systeem begint met het invoeren van een master- of gouden beeld, die dient als referentie voor alle geproduceerde componenten. Eventuele afwijkingen van het masterbeeld worden onmiddellijk geïdentificeerd en gemarkeerd voor correctie, waardoor nauwkeurige afdrukken van hoge kwaliteit worden gegarandeerd.

Machinevisie in AI

AI wordt gebruikt in machine vision om het besluitvormingsproces te versnellen. AI kan een grote hoeveelheid afbeeldingen en data-informatie verwerken die voorheen te moeilijk was om te verzamelen.

Voorbeelden van hoe AI wordt gebruikt met machine vision zijn onder meer:

• AI kan helpen bij handtekening- en karakterherkenning, waarvoor een niveau van nuance nodig is.
• In de productie helpt AI bij objectherkenning en materiaalinspectie, zodat machine vision-systemen aanvaardbare variaties in de vorm en textuur van een object of materiaal kunnen begrijpen.
• In kwaliteitsborgingkan een AI-systeem aanvaardbare afwijkingen interpreteren in plaats van alles af te wijzen dat niet strikt aan één specificatie voldoet.

Machinevisie in robotica

Machine vision, gecombineerd met AI en deep learning, breidt de rol van robots uit bij het uitvoeren van productielijntaken, zoals picken, sorteren, plaatsen en het uitvoeren van een productielijnscan. Deze combinatie van technologieën maakt het ook mogelijk dat robotica kan functioneren andere omgevingen, zoals supermarkten, ziekenhuizen en restaurants.

Voorbeelden van hoe machine vision wordt gebruikt in robotica zijn onder meer:

• Een robot met machinevisie kan door de gangpaden van de supermarkt navigeren en inventarisgegevens vastleggen over producten in de schappen van de winkel. Het scant producten met behulp van radiofrequentie-identificatie (RFID) technologie om een ​​streepjescode te lezen en obstakels in drukke gangpaden te vermijden. Amazon Go-winkels gebruiken door machines aangedreven systemen om de voorraad te controleren en klanten af ​​te rekenen wanneer ze klaar zijn om te betalen.
• Machine vision-technologie maakt automatisering mogelijk, waardoor procesverlopen in verschillende toepassingen in een netwerk kunnen worden opgenomen.
• Machine vision maakt ook de samenwerking tussen robots en mensen efficiënter en veiliger. In een supermarkt kan bijvoorbeeld een robot worden ingezet om te presteren voorraadbeheer taken zodat menselijke medewerkers meer tijd hebben om klanten te helpen. De robot kan inventarisscans vaker uitvoeren dan mensen met grotere nauwkeurigheid. Op een lopende band kunnen robots met machinevisie gevaarlijke materialen analyseren en andere gevaarlijke taken uitvoeren zonder werknemers aan onveilige omstandigheden bloot te stellen.
• De datamachine vision-enabled robots verzamelen en gebruiken kunnen in de cloud of op de computer worden verwerkt rand van het netwerk, waardoor schaalbaarheid en detail mogelijk zijn gegevensanalyse.

Wat is het verschil tussen machinevisie en computervisie?

In sommige gevallen de voorwaarden machine visie en computer visie worden synoniem gebruikt. In andere gevallen wordt er onderscheid gemaakt.

Machinevisie wordt vaak geassocieerd met industriële toepassingen van het kijkvermogen van een computer. De voorwaarde computer visie wordt vaak gebruikt om elke technologie te beschrijven waarbij een computer de taak heeft een afbeelding te digitaliseren, de gegevens die deze bevat te verwerken en een of andere actie te ondernemen.

Een ander onderscheid dat vaak wordt gemaakt is de verwerkingskracht, dat wil zeggen het verschil tussen een machine en een computer. Een machine vision-systeem heeft doorgaans minder verwerkingskracht en wordt gebruikt in Lean manufacturing omgevingen, waarbij met hoge snelheid praktische taken worden uitgevoerd om de gegevens te verzamelen die nodig zijn om een ​​specifieke taak te voltooien. Kwaliteitscontrole, inspectie van artikelen en het begeleiden van objecten door een assemblagelijn zijn veel voorkomende toepassingen van machine vision.

Computervisiesystemen verzamelen zoveel mogelijk gegevens over objecten of scènes en streven ernaar deze volledig te begrijpen. Computer vision is beter voor het verzamelen van algemene, overdraagbare informatie die op verschillende taken kan worden toegepast. Het kan ook worden uitgevoerd zonder camera, omdat de term kan verwijzen naar het vermogen van een computer om afbeeldingen van elke bron te verwerken, inclusief internet. Veel voorkomende toepassingen van computervisie zijn onder meer zelfrijdende auto's en lezen barcodes en RFID-tagsen het inspecteren op productdefecten.

Machine vision is een van de vele toepassingen van AI in de productie. Leer andere manieren waarop productiebedrijven AI gebruiken om bedrijfsprocessen te vereenvoudigen en de efficiëntie te verhogen.