Moravské přístroje, a. s., zdroj: http://www.mii.cz/art?id=859&lang=405, vytištěno: 24.10.2017 11:30:24

Hlavní stránka  Produkty  Strojové vidění VisionLab

Optická kontrola kvality obrysů a povrchů výrobků v prostředí systému VisionLab
 V úlohách vizuální inspekce poškození obrysů a vad povrchů a povrchových úprav jsou často skryty nečekané potíže. Při řešení takovýchto úloh je zde riziko vzniku problematických a nespolehlivých aplikací.

Stoprocentní kontrolu kvality výroby obvykle není možno realizovat bez použití kamer a programového vybavení pro strojové vidění. Pomocí vizuální inspekce lze kontrolovat velké množství parametrů výrobků, jako je např. barevnost, velikosti a pozice komponentů, korektnost potisku, textů a kódů, přítomnost šroubů, matic, těsnění nebo jiných dílů, výskyt prasklin a mnoho dalšího. Tyto optické kontroly lze obvykle realizovat s použitím standardních algoritmů, které bývají součástí většiny používaných systémů strojového vidění. Takovéto úlohy bývají relativně snadno řešitelné a ve většině pracují stabilně a spolehlivě.

Velmi častými zadáními na vizuální inspekci hotových výrobků je potřeba kontroly poškození obrysů a vady povrchů a povrchových úprav. Tyto požadavky vypadají na první pohled rovněž velmi jednoduše. Jsou v nich ale skryty často zcela nečekané a rozsáhlé potíže. Při řešení takovýchto úloh standardními a obvyklými prostředky vznikají v řadě případů problematické a nespolehlivé aplikace.

Společným a velmi důležitým faktorem pro oba tyty typy aplikací je kvalita obrazu z kamer. Vady obrysových linií nebo povrchů, které musí systém vizuální inspekce spolehlivě detekovat bývají často velmi subtilní, nezřetelné, často téměř na mezi pozorovatelnosti lidským okem. Proto zde sehrává jednu z klíčových rolí kvalita obrazu. Jemná kresba obrazu může zcela zaniknout v šumu, také dynamický rozsah běžně používaných průmyslových kamer nebývá nijak slavný a artefakty komprese obrazu mohou hledané objekty účinně zlikvidovat. Vše tedy začíná výběrem správné kamery. Potřebujeme kameru s vysokou dynamikou jasu a s nízkým šumem, ale především bez ztrátové komprese obrazových dat. Právě těmito vlastnostmi se vyznačují kamery DataCam. Chceme hledat jemné nerovnosti obrysů a skvrnky s minimálním kontrastem a nikoliv čtvercové bloky zpětné diskrétní kosinové transformace.

Podívejme se nyní blíže na skryté potíže a možnosti jejich řešení u těchto dvou typů úloh.

Inspekce obrysových křivek

Nasvítit kontrolovaný výrobek tak, abychom zdůraznili jeho obrysy obvykle nebývá problém, a to dokonce ani u průhledných objektů ze skla či plastu. V případě obrazu s dostatečným rozlišením může být řešení úlohy v prostředí strojového vidění VisionLab celkem snadné. Máme zde k dispozici krok edge_defects, který je specializován právě pro tohle. Pomocí parametru stanovujícího počet sousedních pixelů obrysu, na základě kterých budou prováděny výpočty potřebné pro nalezení defektů, a parametru pro intenzitu defektu lze odezvu kroku škálovat pro různá měřítka obrazu a různé velikosti a hloubky poškození.

Obr. 1: Vada obrysu detekovaná krokem edge_defects

Obr. 1: Vada obrysu detekovaná krokem edge_defects

Je-li velikost nepravidelnosti obrysu natolik malá, že nelze použít algoritmy obsažené v kroku edge_defects, jsou zde další možnosti detekce vlastností obrysu v krocích edge_profile_by_threshold a edge_profile_by_contour. Ukázka, jak jemné vady obrysu, prakticky na mezi pixelového rozlišení, lze těmito prostředky detekovat, je na obr. 2. Předpoklad kvalitního obrazu bez kompresních artefaktů zde ještě nabývá na své důležitosti.

Obr. 2: Jemná vada obrysu odhalená pomocí polí hranových pixelů

Obr. 2: Jemná vada obrysu odhalená pomocí polí hranových pixelů

Inspekce kvality povrchů

Hledáme-li povrchové vady, jejichž charakter a velikost předem dobře známe, lze je relativně snadno z obrazu extrahovat pomocí vhodně nastavených obrazových filtrů. Potřebujeme-li ale detekovat vady projevující se sníženým i zvýšeným jasem, vady nejrůznějších tvarů a především mnoha velikostí, situace se velmi značně komplikuje. Realizovat detektory dobře fungující v širokém rozsahu obrazových měřítek pomocí konvolučních filtrů je obtížná práce s nejistým výsledkem. Velmi zajímavé výsledky v detekci povrchových vad mnoha charakterů a rozměrů poskytuje extraktor významných bodů v obraze, obsažený v kroku gpu_keypoint. K detekci významných bodů se využívá detektoru založeného na výpočtu determinantu Hessovy matice. Detektor pracuje v osmi obrazových měřítcích a pro akceleraci výpočtu využívá masivně paralelního výkonu grafického procesoru.

Obr. 3: Spolehlivá extrakce malé vady v textuře povrchu

Obr. 3: Spolehlivá extrakce malé vady v textuře povrchu

Pro každé z používaných obrazových měřítek lze samostatně nastavit práh detekce – takto lze velmi dobře vyřešit extrakci hledaných objektů např. v obrazovém šumu nebo v textuře povrchu použitého materiálů. Extrakce malé vady v textuře je vidět na obr. 3. Zde je také v pravém dolním rohu grafického editoru zobrazeno osmiprvkové pole prahů. Na dalších obrázcích je dokumentována multiměřítkovost a vynikající citlivost algoritmů hledání významných bodů i na velice jemné objekty na samé mezi viditelnosti lidským okem.

Obr. 4: Detekce velmi málo viditelné šmouhy

Obr. 4: Detekce velmi málo viditelné šmouhy

Ač to tak na první pohled nevypadá, patří kontrola povrchů svými nároky na kvalitu a rozlišení obrazu, složitost algoritmů i požadavky na výpočetní výkon mezi nejsložitější úlohy vizuální inspekce. Systém strojového vidění VisionLab poskytuje ty správné nástroje, pomocí kterých se lze s takovými požadavky efektivně vyrovnat.

Obr. 5: Multiměřítková detekce povrchových defektů

Obr. 5: Multiměřítková detekce povrchových defektů

RC

Článek tak, jak vyšel v magazínu Control Engineeering, je v PDF podobě zde: ControlEngineering_09_2015.pdf.

rc