Вступление

 

Зрение человека – очень сложный психофизиологический процесс восприятия окружающего мира, который включает в себя несколько этапов: восприятие зрительного образа, его обработка и анализ. Каждый из этапов очень сложный и играет важную роль.  Все эти этапы человек проделывает на подсознательном уровне, и как следствие - не всегда способен проконтролировать этот процесс. Особенно остро эта проблема возникает там, где человек выполняет монотонную работу, проводя осмотр однотипных объектов. Человеческий фактор в данном случае играет коварную роль: утомлённый человек менее внимательный и не всегда реагирует на зрительную информацию, что в масштабах производства приводит к низкому контролю качества работы.

Не так давно было изобретено «техническое зрение». Это комплексные системы, призванные заменить человека в тех позициях, где нужен визуальный контроль. Однако данные системы не могли распознать всю ту многогранную информацию, которую воспринимает человеческий глаз. Человеку не представляет труда, увидев предмет дать полное описание его физических характеристик, а так же моментально сделать выводы о состоянии этого предмета. Такие характеристики как температура, прочность, гибкость человек определяет исходя из пол ученой картинки и своего личного опыта (базы знаний), что не под силу системам технического зрения.

На этом этапе развития  появилось «машинное зрение». Это новое направление в науке, которое сочетает в себе исследования, связанные с искусственным интеллектом, а так же технологии считывания изображений реальных объектов, их обработки и анализа.

 

 

Машинное зрение

 

Системы «машинного зрения» - это новый виток развития «технического зрения», который принёс более богатый функционал. Такие системы умеют: считывать информацию, распознавать полезную информацию об объекте и проводить её математический анализ, делать выводы о состоянии объекта и принимать решений на основе полученных данных.

Системы машинного зрения состоят из трёх основных компонентов: камеры, платы захвата изображения и управляющей платы.

Для работы с изображением используется специальная библиотека функций, которая позволяет извлекать из снимков полезную информацию, а так же обрабатывать входящую информацию (цветокоррекция, сглаживание границ, пороговое разделение, сегментация и количественный анализ поступающих объектов).

Незаменимым в работе систем машинного зрения стало использование камер с мегапиксельным разрешением и интерфейсом Ethernet. Преимущества данных камер очевидны: высокая четкость и качество картинки, что даёт возможность детально распознавать мелкие объекты, а так же простота подключения данных устройств к сети.

 

 

Возможности

 

Машинное зрение позволяет решать множество задач. Их можно условно разделить на несколько типов:

 

Распознавание положения. Определение пространственного местоположения (местоположения объекта относительно внешней системы координат) или статического положения объекта (в каком положении находится объект относительно системы координат с началом отсчета в пределах самого объекта) и передача информации о положении и ориентации объекта в систему управления или контроллер. Примером такого приложения может служить   конвейер  с  идущими по нему изделиями, камера  проверяет положение  продукции  и передает координаты печатной головке для нанесения  эмблемы  компании,  или дает команду роботу  для  сдвига  данной  детали.

 

Измерение. В приложениях данного типа основная задача видеокамеры заключается в измерении различных физических параметров объекта. Примером  физических  параметров может служить линейный размер,  диаметр,  кривизна,  площадь,  высота и количество.  Пример реализации данного задачи — измерение   диаметра  горлышка стеклянной бутылки.

 

Инспекция. В приложениях,  связанных  с  инспекцией,  цель  машинного  зрения  подтвердить определенные  свойства,  например,  наличие  или  отсутствие  этикетки  на  бутылке,  болтов для проведения операции сборки  или   конфет  в  коробке.

 

Идентификация. В задачах идентификации основное назначение видеокамеры — считывание различных кодов (штрих-кодов, 2D-кодов и т. п.) с целью их распознавания средствами камеры или системным контроллером, а также определение различных буквенно-цифровых обозначений. Одним  из примеров такого приложения может служить считывание кода даты для отбраковки просроченных продуктов в пищевой промышленности.

 

Концепция

 

Простейшая система машинного зрения состоит из видеокамеры, линз, подсветки и объекта исследования (Рис. 1).

Рис.1. Схема снятия изображения с объекта

 

Объектив позволяет сфокусироваться на объекте и получить четкую качественную картинку. Важной характеристикой объектива является его поле зрения FOV (Field of view) — это площадь поверхности, которую видит камера с заданного фокусного расстояния.

Не менее важной является подсветка. Благодаря использованию различной подсветки можно значительно расширить поле действия машинного зрения. Подсветка может быть общей, точечной и кольцевой. Наиболее часто для подсветки применяются светодиоды, так как они дают наиболее яркий свет. Точечная подсветка применяется для подсвечивания единичных элементов (например, контроллера на материнской плате). Кольцевая подсветка позволяет избавиться от теней.

 

 

 

Применение

 

Системы машинного зрения уже сейчас применяются в самых разных отраслях деятельности человека. Прежде всего, это автомобилестроение и машиностроение: контроль линии сборки и комплектации, где люди выполняют монотонную работу. Медицина и фармакология: контроль качества упаковки, корректность нанесения маркирующей информации.

 

Пример 1. Автомобилестроение.

Многие этапы сборки автомобиля требуют визуального контроля качества продукции: начиная от качества сварных швов, до качества покраски. Автомобиль состоит из большого количества узлов, качество сборки которых необходимо контролировать. Когда функции контроля выполняет человек – гарантировать 100% качества невозможно.

Камера, направленная в моторный отсек, способна всего за несколько секунд оценить: все ли детали установлены, правильно ли они установлены, а так же проверить наличие дефектов в этих деталях.

Камера, установленная для контроля качества покраски автомобиля сможет легко распознать отклонение от нормы оттенка краски, обнаружить царапины или вмятины.

 

Пример 2. Фармацевтическая промышленность.

Продукция, которую выпускают фармацевтические компании, должна быть сертифицирована, а так же строго соответствовать стандартам, поэтому контроль необходим не только на стадии производства самого препарата, но и на стадии его упаковки и маркировки.

При маркировке готовых таблеток возможны сбои ввиду человеческого фактора, а таблетки с неправильной маркировкой к применению не допускаются. В данной ситуации на помощь приходит машинное зрение, которое может проверить как маркировку на таблетках, так и распознать штрих-коды на упаковках.

 

Пример 3. Лабораторные условия.

Одно из преимуществ систем «машинного зрения» состоит в том, что они более устойчивы к разным эксплуатационным условиям. Например, на теплостанции необходимо поддерживать постоянную температуру пара, что требует соответственно постоянной температуры в камере сгорания. В этом случае камера регистрирует картинку через огнеупорное стекло и передаёт картинку на сервер, где данные обрабатываются специальным программным обеспечением и с большей точностью определяется температура (при разной температуре сгорания возникает разный цвет пламени). Затем система принимает решение: увеличить подачу топлива в камеру сгорания или уменьшить.

 

Не менее интересное применение систем «машинного зрения» в автономных  транспортных системах. Самые простые системы созданы в помощь пилоту или водителю, в то время как на самых сложных системах строятся беспилотные летательные аппараты.

Полностью автономные беспилотные системы используют «машинное зрение» для навигации, а так же для получения полезной информации из окружающей среды. Примером может служить беспилотная система обнаружения пожаров, которая совершает полёт по заданной траектории и выявляет пожары.

Современные автомобили используют машинное зрение для обнаружения препятствий на своем пути и своевременного оповещения водителя про это. Многие компании уже давно разрабатывают прототипы автомобилей, которые управляются системой машинного зрения.

 

 

Обзор камер Basler для машинного зрения

 

В зависимости от способов пространственной визуализации изображения, которое получает и визуализирует камера, выделяются три основных типа датчиков:

 

1. 1D или однострочная камера — линейный массив (строка в один пиксель). В данном случае видеокамера в течение выбранного промежутка времени захватывает одномерное проекционное изображение. Полученные данные — об одной или нескольких линиях — могут быть использованы в дальнейшем для получения двумерного или трехмерного изображения.

 

2. 2D-камера обеспечивает двухмерное проекционное изображение (кадр). При этом описание кадра основано на контрасте и яркости отдельных участков изображения.

Кадр, в зависимости от используемой камеры, может быть как монохромным

(представленным в градациях яркости серой шкалы), или же цветным. Также существуют специальные камеры, которые снимают в инфракрасном диапазоне.

 

3. 3D-камера выдает трехмерное изображение, или образ, в котором информация о двумерном изображении — профиле объекта сочетается с данными о высоте профилей объекта — анализируемых камерой участков изображения, распределенных с некоторой частотой по всему объему объекта.

 

Рис.2. Пример установки камеры в лабораторных условиях

 

Интерфейс передачи данных

 

 Долгое время сдерживающим фактором использования камер высокого разрешения, помимо их высокой цены, было отсутствие универсального интерфейса передачи данных. А это в свою очередь накладывало неприятные ограничения в использовании нескольких устройств разных производителей в единой системе.

Промышленные камеры используют интерфейс FireWire (IEEE1394), но его цена слишком велика и так же накладывает ограничения в построении распределенной системы. Тогда на помощь пришли современные IP-сети, что и обусловило использование Ethernet в качестве стандартного интерфейса для мегапиксельных камер.

 

GigE Vision - новый стандартный интерфейс доступа к сетевым видеокамерам

Ассоциация Advanced Imaging Association создала интерфейс GigE Vision, который стал использоваться в системах машинного зрения. Данный стандарт определяет методы и способы передачи изображения и управляющих сигналов по стандартным гигабитным IP-сетям, без использования каких-либо дополнений или изменений в структуре сети.

Это позволило добиться совместимости оборудования для систем машинного зрения разных производителей.

Преимущества видеокамер с интерфейсом GigE Vision:

·      Все современные компьютеры оборудованы портом Gigabit Ethernet (GigE), поэтому отпадает необходимость во фреймграбберах и специальных кабелях для работы со скоростной камерой в системе машинного зрения.

·      GigE имеет широкую полосу пропускания, что позволяет передавать даже несжатые данные от большинства видеокамер в режиме реального времени.

·      GigE при использовании кабеля категории CAT-5e позволяет управлять камерой и получать от камеры изображения при длине кабеля до 100 метров

·      Так же работают стандартные методы по увеличению максимальной длинный кабеля. Это может быть маршрутизатор через каждые 100 метров, либо же переход на оптические сети.

·      Протокол GigE Vision совместим с сетевым оборудование для GigE, что даёт возможность использовать стандартное оборудование для подключения видеокамер к сети. Таким образом, можно осуществлять одновременную передачу данных от камеры на многие компьютеры в сети.

·      Кабели CAT5e и CAT6 доступны и дёшевы. Это очень важно при установке сетевых видеокамер для машинного зрения на улицах и в промышленных помещениях.

 

 

Рис. 3. Динамика развития рынка интерфейсов

Цифровые  камеры   Basler  обладают  высочайшим  разрешением  2592х1944 пик. (5 Мп),  поддерживают интерфейсы GigE, FireWire, CameraLink и  могут вести съемку на скорости до 500 кадров в секунду. Человеческий глаз может воспринимать до 24 кадров в секунду.

Рис.4 Камеры машинного зрения Basler

 

            На сегодняшний день системы машинного зрения доступны  как  никогда  и  являются  не  столько  роскошью,  сколько  необходимостью.  Они позволят  сохранить  ваши  деньги,  ускорить  процесс  производства  и    помогут  вести  качественный  учет  и  контроль  продукции.