Машинно зрение за интелигентни фабрики

АвтоматизацияСп. Инженеринг ревю - брой 1/2020 • 18.02.2020

Системите за машинно зрение имат ключова роля за технологичното развитие на съвременното индустриално производство. Фундаменталната роля на автоматизираната визуална инспекция в процеса по дигитализация на промишлените предприятия и превръщането им в умни фабрики се корени в осигуряването на възможност на интелигентното оборудване самостоятелно да “вижда” и изследва производствената среда. На база усъвършенствани технологии и алгоритми за обработка на изображения машинното зрение осъществява автоматизирано сканиране на обекти в дадено зрително поле. Камерите за визуална инспекция могат да са статично монтирани на транспортната линия или в работните клетки с цел осъществяване на контрол върху качеството на продукцията в реално време или да са в движение като интегрална част от индустриалните роботи, направлявайки действията им. Благодарение на технологичните нововъведения в платформите за машинно зрение роботите могат все по-ефективно и самостоятелно да интерпретират средата, в която оперират, което им осигурява непостигана досега автономност и безопасност. На база събраната визуална информация модерните роботизирани системи вече могат да вземат самостоятелни решения, за които не са директно програмирани.

 

 

По-интелигентно и автоматизирано производство

Концепцията за машинно зрение е базова в изграждането на една интелигентна фабрика, базирана на автономна организация, мрежова комуникация и свързаност и интелигентен обмен на информация между отделните производствени единици, които еволюират в кибер-физични системи. Industry 4.0 превръща машинното зрение в “очи” на умния завод, способен да функционира почти или съвсем независимо от човека. Премахването на необходимостта от конвенционална визуална инспекция намалява зависимостта на производството от отделния служител, елиминира риска от човешка грешка и позволява на роботите и автоматизираното оборудване гъвкаво да реагират на промените в производствената среда.

Съвременната техника за обработка на изображения е способна да събира, съхранява и обменя данни с други системи, която я превръща в ключова технология за взаимосвързаните индустриални процеси. Събраната информация може да бъде използвана както за извличане на допълнителна стойност, така и за иницииране на интелигентни автоматизирани машинни действия. Така машинното зрение се явява ключов източник на данни – основната градивна единица на дигиталната производствена парадигма. Системите за визуална инспекция управляват множество критични аспекти на производствената дейност – контрола на качеството, мониторинга на оборудването (чрез проследяване на натоварването и износването), работата на индустриалните роботи, безопасността на средата и т. н.

Подобно на останалите информационни технологии в контекста на Industry 4.0 и системите за машинно зрение стават все по-компактни, интегрирани, мощни, бързи и отзивчиви. Разделителната способност на камерите се увеличава, корпусите с индустриална защита позволяват използването им и в по-агресивни условия, алгоритмите за анализ на изображения вече разчитат на иновации като изкуствен интелект и машинно обучение. Това увеличава популярността на тези решения в модерната промишленост, а броят на приложенията им непрекъснато расте.

Системите за визуална инспекция имат още едно ключово предимство – осигуряват функционалност дори и там, където човешкото око среща ограничения. Някои дефекти в изделията от масовото производство могат да са толкова малки и неразличими за човешкото око, че да останат незабелязани при стандартна инспекция. В отрасли като електрониката, медицинската техника, финото машиностроене и т. н. пренебрегването дори на най-малкия дефект обаче може да доведе до множество негативни последици.

Друг минус на човешкото зрение и интелект е тяхната субективност. Във високоскоростните съвременни производства подобна несигурност е недопустима. Освен голяма бързина и единен стандарт при детекция и интерпретация, системите за автоматизирана визуална инспекция позволяват непрекъсната работа, многократно зрително увеличение, както и интегриране на различни измервателни инструменти в платформата. С усъвършенстването на софтуера за сравняване и разпознаване на различни модели във външния вид на производствените изделия (на база цвят, текстура, гладкост, размери и т. н.) системата може да се самообучава в течение на работата си, а резултатите от инспекцията да стават все по-прецизни с времето. Тази възможност крие огромен потенциал за повишаване на качеството в множество приложения, свързани с инспекция на суровини, компоненти и крайни изделия.

Платформите за машинно зрение са от ключова важност и за още един аспект на индустриалното производство – проследимостта. Добавянето на някакъв вид

идентификационен маркер (баркод, етикет и т. н.) прави възможно прецизното проследяване на даден детайл или продукт през всички производствени етапи и звена на веригата на доставките. Основен плюс на съвременните системи за разчитане на баркодове е, че освен да декодират заложената във визуален маркер информация, могат и да я дигитализират и изпратят към друга система или крайно устройство. Това елиминира нуждата от човешка интерпретация на кодирани символи и ръчно въвеждане на данни за компонентите и изделията.

 

Приложения в умните фабрики

Сред водещите приложения на съвременните системи за машинно зрение в интелигентното производство са визуалната инспекция, сортирането и ориентацията, направляването на роботи и автономни превозни средства и др. В зависимост от потребностите на конкретното производство платформата за машинно зрение може гъвкаво да се мащабира – от една камера до множество мрежово свързани точки за инспекция. Нивото на автоматизация, което може да се осигури вследствие на интегрирането на такава технология, също варира в широки граници – от машинно асистиране на дадени дейности до цялостно автоматизиране на производствени линии, процеси и цели фабрики.

Позиционирането и ориентирането на обекти върху транспортни линии на база еталон е важно приложение на машинното зрение, например в pick-and-place операциите, популярни в електрониката, производството на медицинска техника, приборостроенето и машиностроенето и т. н. Благодарение на собственото си зрение роботът, ангажиран с изпълнение на тази задача, може освен да премества и да завърта детайлите, с които манипулира, на базата на предварително зададена програма и собствени автоматизирани решения. При автономните превозни средства, използвани все по-масово във вътрешнозаводския транспорт, складовата дейност и логистиката, интегрирането на камера за машинно зрение премахва нуждата от предварително изграждане на скъпа инфраструктура (релси, линии или други средства за управление на придвижването). С помощта на данните от камерата превозното средство може да се движи безпроблемно и свободно на територията на обекта, регистрирайки всички препятствия по пътя си и идентифицирайки самостоятелно възможните траектории.

Други популярни области на приложение на интелигентни средства за визуална инспекция са автомобилостроенето, хранително-вкусовата, фармацевтичната, козметичната и опаковъчната индустрия, полупроводниковото производство и т. н.

 

Развитие на 3D машинното зрение

Триизмерното машинно зрение е плод на своеобразната еволюция в технологиите за заснемане, разпознаване и обработка на изображения. Благодарение на способностите си да анализират информация в три измерения, 3D системите за визуална инспекция могат да измерват обем, разстояние и други параметри, необходими за гъвкавото управление на производствените процеси в реално време. С помощта на разширената функционалност на 3D решенията платформите за машинно зрение се превръщат в цялостни и мултифункционални средства за автоматизация на производството.

Използването на множество камери в работната зона в комбинация с необходимото структурно осветяване позволяват многопластово изображение на средата и събиране на детайлна информация за обектите в нея по широк набор от параметри. Важна технология по пътя от обикновеното “виждане” или заснемане на даден визуален белег до неговото “осмисляне” или интерпретиране на базата на предварително зададена информация са алгоритмите за анализ на изображения, асистирани от технологии за машинно обучение и изкуствен интелект. Те помагат на роботите с интегрирани системи за 3D машинно зрение не само да изучават самостоятелно производствената среда, но и да се учат от опит, подобно на човешкия разум. Такива иновации позволяват значително оптимизиране на традиционни приложения като захващането на обекти и манипулирането с тях. Дори при работа с разнороден продуктов поток на база данните от предишни дейности роботът би могъл самостоятелно да прецени по вида, текстурата и визуалните характеристики на обекта дали той е мек или твърд, крехък или здрав и следователно – каква сила да приложи при захвата.

 

Визуална инспекция и IIoT

Идеалната цел на високоавтоматизираните и интелигентните фабрики са нулеви производствени прекъсвания, елиминиране на неефективните процеси, загубите на материали и ресурси, оптимизиране на разходите, поддръжката и производствената организация, както и максимална автономност. Концепции като Industrial Internet of Things (IIoT) са разработени именно с цел свързване на отделните елементи на заводското оборудване в единна мрежа със споделена интелигентност. Със своите способности бързо и ефективно да заснема, сканира, инспектира, измерва, анализира и идентифицира богат набор от обекти и визуални характеристики технологията за машинно зрение притежава потенциала да генерира за сравнително кратко време гигантски информационни масиви, които да служат като изчерпателна база данни на цялата свързана производствена мрежа.

Компонентите и системите за визуална инспекция стават все по-достъпни в ценови аспект, хардуерните компоненти и софтуерът разполагат с все по-голяма процесорна мощ, а периферните изчисления, AI технологиите и IIoT-базираните устройства създават условия за експоненциално нарастване на приложенията на машинното зрение в интелигентните фабрики. Основен двигател на ръста в индустриалните IoT приложения са нарастващите потребности от комуникация, свързаност и обмен на данни в кибер-физичните системи, които служат за основа на умните производства. Свързването на отделните компоненти на мащабните платформи за визуална инспекция помежду им към производствената мрежа и в последствие – към платформа за облачни изчисления, позволява централизиране на генерираната база данни и нейната обработка в достъпен за всяко полево устройство вид посредством мрежова връзка. Това прави възможно унифициране на практиките за машинно зрение не само на ниво производствено съоръжение, но и в международен план при множество подразделения на дадено предприятие, локализирани в различни части на света. Така могат да се наложат и лесно да се следват единни стандарти за контрол на качеството, проследимост или навигация на роботи например.

Фокусът на инвестициите в модерните производствени предприятия е насочен към системи за триизмерна визуална инспекция от последно поколение, които имат капацитет да обезпечат и най-високотехнологичните индустриални приложения, включващи роботика и изкуствен интелект, Big Data, добавена и виртуална реалност, изкуствени невронни мрежи и други иновации. Разширява се търсенето на системи за машинно зрение не само във видимия спектър, но и на технологии за мултиспектрална и инфрачервена инспекция, които позволяват прецизен мониторинг на промишлени съоръжения. Камерите в сегмента разполагат с възможности да изпращат в реално време изображения и диагностични данни към централизирани платформи и директно към крайни устройства като смартфони и таблети. Това позволява интегрирането на системи за визуална инспекция в отдалечения мониторинг на индустриални активи и платформите за прогнозна поддръжка на промишлено оборудване, които се внедряват във все повече приложения и отрасли.

Машинното зрение за интелигентни фабрики търпи и динамичен процес на конвергенция с т. нар. компютърно (embedded) зрение. С адаптирането на все повече ценово достъпни вградени процесори за обработка на изображения към индустриалните изисквания, функции за машинно зрение се появяват като вграден елемент във все повече компоненти на производствената техника. Появяват се и индустриални роботи с множество камери в различни сегменти на роботизираното рамо, които инспектират отделни аспекти на работния процес.

Ключови за масовото популяризиране на технологията за визуална инспекция в интелигентните фабрики са надеждните, адекватни и стандартизирани интерфейси за връзка с останалото заводско оборудване, независимо от хардуерните и софтуерни компоненти на съответната система.

Важен момент при обезпечаването на една мащабна производствена мрежа на ниво предприятие е гарантирането на ефективна защита от кибератаки, тъй като всяко свързано и IIoT-базирано устройство се явява уязвима входна точка за злонамерен достъп. Проникването в базата данни на платформите за визуална инспекция, свързани с всяка камера, робот, технологична линия и машина в един дигитален завод, може да нанесе сериозни вреди на бизнеса на компанията. Критичният и разнообразен характер на информацията, събирана от системите за машинно зрение в умните фабрики, налага осигуряване на високофункционално решение за киберсигурност.

 

Роля на изкуствения интелект и машинното обучение

Същинската трансформация на индустриалното оборудване в интелигентна система активно се подпомага през последните години от иновативни технологии като изкуствения интелект, машинното и т. нар. дълбоко обучение (deep learning). Те намират приложение във все повече аспекти на промишленото производство, а една от най-логичните технологии с потенциал за усъвършенстване е машинното зрение. Крайната цел отдавна не е приравняване на машинния интелект към човешкия разум, а преодоляване на всички възможни ограничения както пред техниката, така и пред човешкия мозък. За постигане на максимално ефективна и интелигентна по своята същност визуална инспекция не е необходимо индустриалните роботи да наподобяват визуално човека, да ходят и говорят като него. Най-сложната функция на мозъка – да мисли, в машинен вид се оказва достатъчно да бъде претворена чрез много по-прости физически компоненти. Ключовият елемент, който превръща обикновения хардуер в мислеща машина, е алгоритъмът за изкуствен интелект и самообучение, заложен в управляващата го софтуерна платформа. Този подход позволява на дискретните и компактни модерни системи за машинно зрение да бъдат инсталирани практически навсякъде из производството.

Технологията за дълбоко обучение е базирана на невронни мрежи, които имитират човешкото зрение и интелект при регистрирането на аномалии и отклонения от дадени стандарти и са способни да разграничават допустимите от недопустимите варианти, дори те да варират в широки граници. Този толеранс към естествените вариации в комплексни модели позволява разпознаването на два напълно различни, но еднакво годни за обработка зеленчука в хранително-вкусовата промишленост например. Нещо повече, интелигентните алгоритми за машинно зрение правят възможно предсказването на събития или тенденции, правенето на задълбочени прогнози и автономното взимане на решения. Предимство на машинното зрение, оборудвано с изкуствен интелект, е възможността му да “надникне” отвъд ограничението на човешкото око във визуалното възприятие, като улавя информация в ултравиолетовия, инфрачервения и рентгеновия спектър. Алгоритмите за машинно обучение са отлично решение за анализ на комплексни дефекти в индустриалните изделия като драскотини и вдлъбнатини в детайли със сложна текстура. Тяхно предимство пред конвенционалните системи за визуална инспекция е способността им да концептуализират и генерализират събраната информация при обработка, вместо да я интерпретират фрагментарно.

 

ЕКСКЛУЗИВНО

Top