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.

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.

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.

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.

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.

RC

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

rc