МАШИННОЕ ЗРЕНИЕ В РОБОТЕХНИЧЕСКИХ СИСТЕМАХ

Сегодня системы машинного зрения дают возможность упорядочить процессы производства и исключить негативное воздействие человеческого фактора. Самым распространенным применением машинного зрения является инспекция промышленных товаров [5]. За долю секунд возможно проконтролировать качество каждого товара, подсчитать их число на ленте, установить их вес и габариты. Анализируя снятые визуальные данные, система решает, какое действие совершить по отношению к объекту [12].

Общий принцип работы системы машинного зрения заключается в следующем: специальные камеры собирают информацию и передают ее на управляющее устройство, где особая программа по определенному алгоритму контролирует соответствие признаков необходимым значениям.

Группируя задачи машинного зрения, возможно определить следующие направления: использование видеопотока (серии снимков) или использование одного снимка в качестве визуальных данных.

Специфика комплекса, работающего с видеопотоком заключается в рассмотрении серии кадров как единого целого, что дает возможность делать заключение о предмете в 3 измерениях: физическом, пространственном, временном.Это позволяет, например, вести подсчет потоков людей в магазинах.

Типичный образец системы, анализирующей отдельные кадры,- отбраковка изделий на конвейерной ленте. Задача машинного зрения -установить различия с эталоном [3].

Вопросы, решаемые машинным зрением можно разбить на четыре группы:

·    определение положения - установление пространственного положения предмета и передача полученных данных в управляющее устройство. К примеру, определение наилучшей локальной системы координат изделия для нахождения его центра тяжести, давая возможность роботизированному манипулятору произвести захват изделия должным образом [9];

·    определение габаритов объекта;

·    контроль - верификация отдельных параметров, в частности, наличие или отсутствие бирки;

·    считывание разнообразной кодировки в целях идентификации [2].

Для группировки приемов и способов, применяемых в системах технического зрения, их разбивают на подклассы: зрение низкого, среднего и высокого уровней [2].

Системы низкого уровня используют для обработки данных с датчиков: определение необходимой информации из набора независимых  признаков; обобщение материалов; постановка цели и средств ее достижения. Системы среднего уровня используют для задач сегментации и идентификации отдельных элементов. Системы высокого уровня включают все вышеописанные задачи [4].

Важный элемент функционирования автоматизированной системы является сегментация - разделение изображения на области по сходству свойств в их точках: по яркости, цвету, контуру [6]. Можно выделить различные методы сегментации [8]:

·    метод выращивания областей - группирование подобластей в более крупные по заранее заданным критериям роста;

·    метод разделения - изображение разбивается на непересекающиеся блоки, которые проверяются на

однородность;

·    амплитудные преобразования изображений - алгоритмы, которые изменяют значения элементов в изображении.

Системы технического зрения чаще всего включают: высокоскоростные камеры; чувствительные измерительные  приборы;  специализированное  освещение;  контроллер  (микрокомпьютер  с  заранее установленным     программным     обеспечением     (ПО));      устройства     синхронизации     взаимодействия компонентов.

ПО − это важный компонент системы, поскольку именно оно занимается исследованием полученных данных и принимает необходимые решения [3].

Алгоритм анализа информации может осуществляться программно на процессоре, аппаратно в составе вычислителя или в пределах подсистемы формирования изображения.

Нетипичные приемы получения изображения, включающие применение иных, кроме видимого, спектральных диапазонов, когерентного излучения и т.п. значительно расширяют возможности систем [10].

Элемент, необходимый каждой системе машинного зрения - специальная подсветка. Освещение предназначено для выделения особенностей, которые представляют важность, и сведение к минимуму помех (тени, отражения).

Потребность в специализированной подсветке обоснована такими обстоятельствами как: низкий уровень освещения; недостаточная частота мерцания общего освещения; необходимость корректирования угла падения светового пучка; потребность в управлении яркостью освещения; изменение интенсивности освещения в течении суток.

Сегодня на производстве используют два вида источников освещения: лазерные и светодиодные. По сравнению с лазерными, светодиодные дешевле и более гибки при эксплуатации, поскольку позволяют сформировать почти любую конструкцию подсветки.

Режимы использования освещения может быть постоянным (статичное освещение) и импульсным (мерцание необходимой интенсивности).

При импульсном режиме источник света работает малый интервал времени, что сохраняет его ресурс. В момент импульса подается более высокое напряжение, позволяя получить более интенсивный поток света. Постоянный режим применяется, когда не имеется возможность синхронизации камеры и подсветки.

Классификация промышленного освещения возможна по следующим признакам: спектр освещения; угол падения световых лучей; особенности конструкции подсветки.

Разберем основные типы светодиодных подсветок на примере оборудования Latab [11]. Таблица 1 – Конструктивные особенности освещения

Также, на применении лазера основывается трехмерная триангуляция. Это методика получения трехмерного изображения через подсветку изделия лазером и получения камерой силуэта профиля, созданного лазером. Большое количество данных профилей сформировывает трехмерный образ [7].

Камеры машинного зрения подразделяются на группы [1]:

·    тепловизоры (мониторинг температуры объекта);

·    съемочные камеры особого применения (к примеру, с высокой скоростью съемки);

·    съемочные камеры машинного зрения (передают несжатые данные без потерь качества);

·    съемочные камеры охранного наблюдения (кодируют данные при трансляции по сети).

Важным элементом камеры является объектив. По характеру фокусного расстояния объективы делят на монофокальные (однофокусные) и вариофокальные (с изменяемым фокусным расстоянием). На производстве лучше использовать монофокальные потому, что вариофокальные имеют характерную черту утрачивать настройки фокуса под влиянием тряски конвейера [3].

Сегодня много внимания уделяют автоматизации, потому как серийный выпуск изделий особенно чувствителен к колебанию цен и качества, а машинное зрение дает возможность сохранять его на высоком уровне.

Приемы машинного зрения не заменяют технологии промышленной автоматизации, а гармонично дополняют их. Впрочем, информация, получаемая элементами машинного зрения, содержит условный и несколько сомнительный характер. Потому, применение разнообразных техник получения, обработки и исследования необходимой информации открывает большое поле деятельности для дальнейших разработок.

Используя вышеописанные наработки, была разработана система технического зрения для промышленной ячейки, включающей в себя робот манипулятор Fanuc R-2000iB/210F и участок конвейерной ленты.

Список литературы

1.                        Sick I. V. P. Machine Vision Introduction. – 2006. – N 9. – 11 с.

2.                        Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB // М.: Техносфера. – 2006. – Т. 616. – С. 6.

3.                        Дятлов Е. И. Машинное зрение (аналитический обзор) //Математические машины и системы. - 2013. - №. 2. - с. 32 – 40.

4.                        Иванова П. М., Харченкова Е. А., Масюк В. М. Методика построения автоматизированной конвейерной ленты системы сортировки с элементами технического зрения // им. НЭ Баумана© Издательство МГТУ им. НЭ Баумана, 2016. – 2016. – С. 205 – 208.

5.                        Костылев Д. А. Машинное зрение в робототехнических системах / Д. А. Костылев, О. В. Федотов //Наука, техника и образование. - 2016. - №7. - с. 55 -58.

6.                        Лайонс Р., Бритов А. А. Цифровая обработка сигналов. – М: Бином, 2007. – С. 656.

7.                        Лысенко О. Машинное зрение от SICK/IVP //Компоненты и технологии. – 2007. – №. 66.

8.                        Рудаков П. И., Сафонов И. В. Обработка сигналов и изображений Matlab 5. x // под общ. ред. Потемника В.Г. – М.: ДИАЛОГ–МИФИ, -2000.

9.                        Видеодатчики Cognex [Электронный ресурс]. – Режим доступа: http://www.cognex.com. – (Дата обращения 19.12.2016).

10.                     Потапов А. Системы компьютерного зрения: современные задачи и методы [Электронный ресурс]. – Режим доступа: http://controleng.ru. – (Дата обращения 19.12.2016).

11.                     Светодиодное освещение для задач машинного зрения Latab [Электронный ресурс]. – Режим доступа: http://www.latab.net. – (Дата обращения 19.12.2016).

12.                     Шапиро Л., Стокман Д. Компьютерное зрение // М.: Бином. Лаборатория знаний. - 2006. - с.752.