Как машинное зрение продолжает повышать эффективность промышленной автоматизации

Jul 25, 2023

Блог

Команда интернет-маркетинга А3 | 28.08.2023

В апреле 2021 года было объявлено, что Ассоциация индустрии робототехники (RIA), AIA – Advancing Vision + Imaging (AIA) и Ассоциация управления движением и двигателями (MCMA) объединятся под одной крышей под названием A3, Ассоциация по развитию автоматизации. Вместо того, чтобы концентрироваться на отдельных компонентах и ​​бизнесах, новая ассоциация будет рассматривать автоматизацию с целостной точки зрения. Посетите любую выставку автоматизации в 2023 году, и вы поймете, почему.

Хотя участники увидят множество компаний, демонстрирующих свои инновации в этих отдельных областях, многие демонстрации — в том числе несколько из числа новых компаний — демонстрируют технологии, которые объединяют в себе новейшие разработки в области роботов, машинного зрения и управления движением. (Например, автономные мобильные роботы).

Эти отдельные технологии служат уникальным и ценным целям в заводских цехах и за их пределами. Например, «слепые» роботы по-прежнему могут автоматизировать многие повторяющиеся, заранее запрограммированные задачи в разных отраслях, но сочетание робота с машинным зрением создает гораздо более гибкую систему автоматизации со значительно большими возможностями. Поскольку системы автоматизации продолжают развиваться и прогрессировать, машинное зрение останется ключевым фактором. Давайте посмотрим на некоторые из последних способов, с помощью которых машинное зрение помогло продвинуть вперед технологии автоматизации.

3D-улучшения

Хотя 3D-изображения уже давно используются в сфере промышленной автоматизации, недавние разработки расширили существующие приложения и открыли двери для новых. Новые или расширенные возможности 3D включают более низкий уровень шума, более высокое разрешение, текстурные изображения в формате RGB, более высокую точность и возможность захвата изображений движущихся объектов с довольно высокой скоростью.

Кроме того, некоторые реализации 3D-изображений стали менее дорогими и простыми в использовании. Например, некоторые из систем автоматизации для конкретных приложений, представленных сегодня на рынке, например, специально созданные для комплектования контейнеров и общего комплектования, паллетирования и депаллетирования, а также логистической сортировки, используют одну 3D-камеру RGB-D. Он захватывает цветное 2D-изображение и данные измерения глубины, которые можно объединить для создания изображений RGB-D, которые, в свою очередь, используются для управления движениями робота.

В других странах другие достижения в области 3D направлены на решение некоторых сегодняшних проблем автоматизации, в том числе:

Время полета (ToF):Камеры и датчики ToF за последние годы добились значительных успехов, что позволяет им соответствовать требованиям в области логистики, автономных роботов и других сложных приложений автоматизации производства.

Изображение с высоким динамическим диапазоном: Сегодня системы трехмерной визуализации предлагают невиданные ранее возможности широкого динамического диапазона. Это подходит для применений, связанных с поверхностями с высокой или низкой отражающей способностью, например, при сборке автомобилей, а также в логистике и укладке на поддоны, где объекты или детали могут сильно различаться и их становится трудно отображать при фиксированном времени экспозиции.

3D-профилировщики с заводской калибровкой: Ориентируясь на простоту использования для клиентов, которым требуются возможности 3D-видения, полностью интегрированные 3D-профилировщики с заводской калибровкой предлагают интуитивно понятную настройку и работу для приложений обработки изображений. Это может варьироваться от автомобильных проверок, включающих небольшие электронные детали или крупные автомобильные детали, до задач по упаковке, включая проверку контейнеров и уровня наполнения, а также расположение, сортировку и объемные измерения.

Повышение ИИ

Еще одним интересным событием последних лет стало пересечение искусственного интеллекта и 3D, а также общая ниша, выделенная для методов искусственного интеллекта, включая методы глубокого обучения и машинного обучения. Во-первых, многие из упомянутых выше специализированных систем, использующих 3D-изображения, также используют методы искусственного интеллекта в качестве дополнительного, но мощного инструмента, повышающего гибкость. Например, алгоритмы искусственного интеллекта могут помочь этим системам индивидуально идентифицировать очень изменчивые предметы, позволяя роботу делать высокоскоростной выбор на основе обучающего набора — задача, с которой традиционные алгоритмы машинного зрения справятся. Эти предметы могут включать в себя что угодно: от мелких потребительских товаров на складе до отдельных куриных грудок, движущихся на высокой скорости по конвейерной линии.