1. Führung und Positionierung
Für die visuelle Positionierung sind Bildverarbeitungssysteme erforderlich, um Zielkomponenten schnell und genau zu lokalisieren und ihre Position zu bestätigen. Für die Positionierung beim Be- und Entladen wird maschinelles Sehen eingesetzt, um Roboterarme zum präzisen Greifen von Gegenständen zu steuern. Bei der Halbleiterverpackung passen Geräte die Aufnahmeköpfe auf der Grundlage von Chip-Positionsdaten an, die durch maschinelles Sehen gewonnen werden, um Chips zum Bonden genau aufzunehmen. Dies stellt die grundlegendste Anwendung der visuellen Positionierung in der industriellen Bildverarbeitung dar.
Automation Expo: Bei Anwendungen, die maschinelles Sehen mit Robotik kombinieren, ist die Positionierung durch Roboterführung am weitesten verbreitet. Für solche Szenarien haben Hikvision Robotics und seine Partner zahlreiche erfolgreiche Fälle und ausgereifte Lösungen umgesetzt. Die Roboterpositionierungsführung kann grob in drei Modi eingeteilt werden:
Der erste Modus ist die Konfiguration mit fester Kamera, bei der die Kamera stationär auf dem Geräterahmen bleibt, ohne sich mit dem Roboter zu bewegen. Von links nach rechts sind dies: der Greifvorgang, der Greifversatzkorrekturvorgang und der Platzierungsvorgang. Im Greifszenario erfasst die Kamera Bilder der ankommenden Materialien und führt eine Grobpositionierung durch. Diese Positionierungsdaten werden an den Roboter übermittelt, sodass dieser die Materialien präzise erfassen kann. Dieser Ansatz verringert die Abhängigkeit von der Präzision des Übertragungsmechanismus zwischen den Arbeitsstationen und gewährleistet gleichzeitig ein stabiles Greifen. Der Offset-Korrekturmodus verwendet eine untere Kamera, die auf der gegenüberliegenden Seite des Roboterarms montiert ist, zur sekundären Präzisionspositionierung des Werkstücks. Dadurch werden Materialabweichungen erheblich verringert und eine gezielte Bearbeitung jedes eingehenden Teils gewährleistet. Der Platzierungsmodus umfasst ein breites Spektrum an Vorgängen-von der einfachen Platzierung bis zur Ausrichtung und Montage-indem die Kamera zur Lokalisierung der endgültigen Zielposition verwendet wird. In Kombination mit den beiden vorangehenden Modi wird so eine wirklich gezielte Bearbeitung jedes Werkstücks erreicht.
Bei zwei Bewegungskameramodi wird die Kamera für eine synchronisierte Bewegung auf dem Roboterarm montiert. Obwohl sie sich vom oben beschriebenen Modus mit fester Kamera unterscheiden, konvergieren sowohl der Modus mit fester Kamera als auch der Modus mit bewegter Kamera funktionell und ermöglichen die Positionierung/das Greifen und die geführte Platzierung. Diese Modi stellen nicht nur die Kernfunktionalität sicher, sondern bieten auch eine größere Flexibilität bei der Installation, um verschiedenen Umgebungs- und Hardwarebeschränkungen gerecht zu werden.
Um die Hardware-Anpassbarkeit in verschiedenen Installationsszenarien zu verbessern, können feste und bewegliche Kameramodi kombiniert werden, wie in Abbildung 3 dargestellt.
Darüber hinaus stellt die Anpassung der Chippositionierung für Aufnahmeköpfe in der Halbleiterfertigung erhebliche Herausforderungen dar. Die maschinelle Bildverarbeitung löst dieses Problem, indem sie eine präzise Chipaufnahme und -bindung ermöglicht-eine grundlegende Anwendung, die ihre Verbreitung in allen Industriesektoren vorantreibt.
2. Aussehensprüfung
Dieser Prozess erkennt Qualitätsprobleme bei Produkten an Produktionslinien und stellt den Bereich dar, in dem manuelle Arbeit am häufigsten ersetzt wird. Im Pharmasektor beispielsweise kümmert sich die maschinelle Bildverarbeitung hauptsächlich um die Dimensionsprüfung, die Erkennung von Flaschenoberflächenfehlern, die Schulterfehlererkennung und die Flaschenmündungsprüfung.
Mit der Weiterentwicklung der modernen industriellen Automatisierung wird die maschinelle Bildverarbeitung zunehmend für verschiedene Prüf-, Mess- und Teileerkennungsaufgaben eingesetzt. Beispiele hierfür sind die Erkennung von Oberflächenfehlern auf Infrarot-Sperrfiltern, die Modellidentifizierung von Autorädern, die Erkennung von Aussehensfehlern auf magnetischen Materialien und die Barcode-/Zeichenerkennung auf Produktverpackungen. Gemeinsam sind diesen Anwendungen die kontinuierliche Massenproduktion und die extrem hohen Anforderungen an die optische Qualität.
Typischerweise könnten solche sich stark wiederholenden und intelligenten Aufgaben nur durch manuelle Inspektion erledigt werden. Es ist üblich, Hunderte oder sogar Tausende von Prüfern zu sehen, die diese Aufgaben hinter modernen Montagebändern in Fabriken ausführen. Dieser Ansatz verursacht den Fabriken nicht nur erhebliche Arbeits- und Verwaltungskosten, sondern garantiert auch keine 100-prozentige Erfolgsquote bei der Inspektion. Die maschinelle Bildverarbeitung ist dank ihrer Automatisierung, Objektivität, berührungslosen Natur und hohen Präzision nun vollständig in der Lage, die manuelle Arbeit für diese monotonen, sich wiederholenden Aufgaben zu ersetzen. Im Vergleich zu allgemeinen Bildverarbeitungssystemen liegt bei der maschinellen Bildverarbeitung der Schwerpunkt auf Genauigkeit, Geschwindigkeit und Zuverlässigkeit in industriellen Umgebungen.
Mit steigenden wirtschaftlichen Standards gewinnt die maschinelle Bildverarbeitung immer mehr an Bedeutung. Es erhöht die Produktionskapazität für qualifizierte Produkte und eliminiert gleichzeitig minderwertige Artikel frühzeitig im Herstellungsprozess, wodurch Ausschuss reduziert und Kosten gesenkt werden.
3. Hoch-Präzisionsprüfung
Bestimmte Produkte erfordern eine extreme Präzision-die eine Genauigkeit im Bereich von 0,01 bis 0,02 mm oder sogar im Mikrometerbereich-übersteigt-über die menschlichen Sehfähigkeiten hinausgeht und eine maschinelle-Inspektion erforderlich macht.
In der Produktion und im täglichen Leben erfordert jedes Produkt eine Qualitätsprüfung und ein Konformitätszertifikat. Es ist allgemein anerkannt, dass die Inspektion die umfangreichste Anwendung der maschinellen Bildverarbeitung darstellt. Vor der Weiterentwicklung der Bildverarbeitungstechnologie war die manuelle Sichtprüfung häufig mit erheblichen Herausforderungen verbunden: geringe Genauigkeit, Fehleranfälligkeit, Unfähigkeit, kontinuierlich zu arbeiten, ermüdungsanfällige- Bediener sowie übermäßige Zeit- und Arbeitskosten. Die weit verbreitete Einführung der maschinellen Bildverarbeitung hat die Produktherstellung und -prüfung in ein hochautomatisiertes Zeitalter geführt.
Zu den typischsten Beispielen gehören die Prüfung der Münzqualität und die Prüfung von Leiterplatten. Darüber hinaus erfordert die Inspektion der Herstellungsprozesse von Renminbi-Münzen eine außergewöhnlich hohe Präzision, die zahlreiche Inspektionsgeräte und komplexe Verfahren erfordert. Zu den weiteren Anwendungen gehören die Positionierungsinspektion mit maschineller Bildverarbeitung, die Überprüfung der Qualität und Mängel von Getränkeflaschenverschlüssen, die Erkennung und Erkennung von Barcode-Zeichen, die Inspektion von Glasflaschendefekten und die Inspektion von pharmazeutischen Glasflaschen. Auch der medizinische Bereich gehört zu den Hauptanwendungsgebieten der Bildverarbeitung.
4. Anerkennung
Bei der Bilderkennung handelt es sich um die Verarbeitung, Analyse und Interpretation von Bildern durch maschinelles Sehen, um verschiedene Muster und Objekte zu identifizieren. Dies ermöglicht die Rückverfolgbarkeit und Erfassung von Daten und findet umfangreiche Anwendung in Automobilkomponenten, Lebensmitteln, Pharmazeutika und anderen Sektoren.
Das typischste Beispiel ist die QR-Code-Erkennung. QR-Codes und Barcodes sind im täglichen Leben allgegenwärtig. Zur Produktverwaltung und Rückverfolgbarkeit betten Hersteller umfangreiche Daten in diese kompakten Codes ein. Mit der Ausweitung der maschinellen Bilderkennung werden Barcodes auf verschiedenen Oberflächen leicht lesbar und erkennbar, was den Modernisierungsgrad erhöht, die Produktionseffizienz erheblich steigert und die Herstellungskosten schrittweise senkt.
5. Objektsortierung
Bei Bildverarbeitungsanwendungen folgt die Objektsortierung den Erkennungs- und Inspektionsphasen. Durch die Verarbeitung von Bildern durch Bildverarbeitungssysteme und die Integration von Roboterarmen werden Produkte sortiert.
Herkömmliche Produktionslinien beruhten auf der manuellen Platzierung von Materialien in Spritzgussmaschinen, bevor mit den nachfolgenden Prozessen fortgefahren wurde. Heutzutage übernehmen automatisierte Geräte die Materialverteilung. Bildverarbeitungssysteme erfassen Produktbilder, analysieren sie und geben Ergebnisse aus. Anschließend platzieren Roboter die entsprechenden Materialien an den vorgesehenen Positionen und ermöglichen so eine intelligente, moderne und automatisierte industrielle Produktion.