Все ли винты на месте и закрыта ли бутылка крышкой? Умный способ контроля качества производственного процесса

В этом посте мы подробнее рассмотрим vision-датчик DATALOGIC Smart-VS-MR-5-150-WH-O, использующий машинное обучение. Это самая простая модель в серии vision-датчиков Datalogic Smart-VS — хороший старт для тех, кто хочет внедрить визуальный контроль в производственный процесс без сложной системы.

Мы проведём практический эксперимент: настроим датчик шаг за шагом, обучим его «правильному» и «неправильному» объекту и посмотрим, какой результат он покажет в реальной ситуации.

Краткий обзор vision-датчика DATALOGIC Smart-VS-MR-5-150-WH-O

Прежде чем перейти к эксперименту, кратко рассмотрим основные технические характеристики vision-датчика DATALOGIC Smart-VS-MR-5-150-WH-O, используемого в нашем тесте. Это компактный vision-датчик на основе машинного обучения, предназначенный для простых задач обнаружения — например проверки наличия крышек, ориентации детали или, как в нашем эксперименте, наличия винтов.

Основные технические характеристики

• Разрешение: 320 × 240 пикселей
• Сенсор: монохромная камера
• Рабочее расстояние / фокус: примерно 50–150 мм
• Поле зрения:
  • ~22 × 16 мм (на расстоянии 50 мм)
  • ~55 × 41 мм (на расстоянии 150 мм)
• Встроенная подсветка: поляризованные белые светодиоды

Изображения и обучение

Стандартная версия позволяет сохранять до 6 эталонных изображений (примеры «GOOD» и «NO GOOD»). На основе этих изображений алгоритм машинного обучения создаёт модель, по которой объекты классифицируются. В следующих моделях серии количество изображений увеличено до 20 и 50.

Скорость

• Время обнаружения: примерно 50 мс
• Максимальная скорость проверки: до 20 деталей в секунду

Подключения

Датчик оснащён несколькими стандартными промышленными интерфейсами:

• Ethernet 10/100 Mbit/s (для настройки через веб-интерфейс)
• Разъём M12 17-pin для входов и выходов
• Цифровые выходы: PNP / NPN / Push-Pull (сигналы GOOD / NO GOOD / DATA VALID)

На практике это означает, что датчик является vision-сенсором для простых задач контроля, а не полноценной системой машинного зрения. Его главное преимущество — простая настройка: объект обучается с помощью нескольких изображений, и отдельное программирование не требуется.

Деталь для эксперимента

В сборочных процессах, где компоненты крепятся винтовыми соединениями, довольно часто возникает проблема, когда один из винтов остаётся не установленным — из-за человеческой ошибки или сбоя робота. Если соединение является ответственным, такая проблема качества может быстро привести к серьёзным затратам или даже опасным ситуациям. Поэтому важно, чтобы в производственном процессе был надёжный контроль, подтверждающий наличие всех крепёжных элементов.

Для эксперимента мы напечатали на 3D-принтере простой тестовый образец и установили четыре оцинкованных винта M4 с внутренним шестигранником по стандарту DIN 912. Чёрная деталь и металлические головки винтов создают достаточный контраст, чтобы vision-датчик мог легко их различать. В ходе теста мы проверим, сможет ли DATALOGIC Smart-VS-MR-5-150-WH-O надёжно обнаруживать ситуацию, когда один или несколько винтов отсутствуют.

Несколько важных моментов перед использованием vision-датчика

Прежде чем продолжить эксперимент, стоит на минуту остановиться и поговорить о нескольких практических аспектах, которые всегда нужно учитывать при использовании камер, vision-датчиков и даже простых фотоэлектрических датчиков. Большинство проблем с обнаружением возникает не из-за самого датчика, а из-за окружающей среды — освещения, фона или расположения объекта.

Освещение — самый важный фактор

Когда мы что-то обнаруживаем с помощью камеры, vision-датчика или фотоэлектрического датчика, на самом деле мы обнаруживаем контраст освещения или в некоторых случаях разницу в цвете. Поэтому крайне важно, чтобы освещение было достаточно сильным и максимально стабильным. Если утром на деталь светит солнце, а вечером или в пасмурную погоду условия освещения полностью меняются, изображение тоже изменится, и обнаружение может перестать быть стабильным.

У многих vision-датчиков есть собственный источник света. Например, у тестируемого нами DATALOGIC Smart-VS-MR-5-150-WH-O есть два достаточно мощных светодиода. Однако практика показывает, что в производственной среде встроенной подсветки камеры часто всё равно недостаточно. Поэтому действует простое правило: если хотите стабильного обнаружения — создайте для детали собственное постоянное освещение.

Фон — ключевое слово «контраст»

Второй очень важный аспект — это фон. Обнаруживаемый объект должен достаточно отличаться от фона, чтобы vision-датчик мог сформировать чёткую модель контура детали. Например, чёрная деталь на чёрном фоне обычно является очень плохой комбинацией — контур трудно различить.

В нашем эксперименте ситуация немного другая. Мы используем чёрную деталь на чёрном фоне сознательно, потому что нас не интересует контур детали. Нам важно увидеть головки болтов. Поскольку оцинкованные болты на чёрной детали создают сильный контраст, их наличие или отсутствие хорошо заметно для vision-датчика. То есть фон не всегда должен быть контрастным — его нужно выбирать в зависимости от того, что именно мы хотим обнаружить.

Расстояние и фокус

Третий важный параметр — это расстояние между объектом и камерой. Vision-датчик, используемый в нашем тесте, DATALOGIC Smart-VS-MR-5-150-WH-O, имеет регулируемую фокусировку, однако его рабочий диапазон составляет максимум около 150 мм. (Следующие модели той же серии уже достигают 400 мм рабочего расстояния.) Это означает, что наша тестовая деталь должна находиться на расстоянии до 150 мм от датчика, иначе получить чёткое и надёжное изображение будет невозможно.

Скорость обнаружения

Последний, но в некоторых приложениях самый критический фактор — это скорость обнаружения. Если производственная линия движется медленно, время обнаружения 50 миллисекунд не является проблемой. Но на некоторых упаковочных линиях деталь может проходить мимо камеры очень быстро. Например, если бутылка «пролетает» перед камерой за 15 миллисекунд, то 50 мс обработки изображения уже может оказаться недостаточно. Поэтому при выборе vision-решения всегда нужно учитывать, как быстро система должна принять решение.

Настройка

Vision-датчики Datalogic S.p.A. Smart-VS имеют встроенный веб-сервер, поэтому отдельное программное обеспечение или сложная установка не требуется — вся настройка выполняется прямо в веб-браузере.

Руководство по настройке доступно на нашем сайте:
https://electrobit.ee/file_bank/Vision/806000510_Smart-VS_plus_prg_eng.pdf

Из инструкции следует, что IP-адрес vision-датчика по умолчанию — 192.168.3.100. При вводе этого адреса в браузере открывается веб-интерфейс датчика.

Открывается главная страница, где можно увидеть обзор состояния устройства и основных настроек. В правом верхнем углу находится значок меню — нажав на него, можно перейти в представление Dashboard:

В панели Dashboard следующим шагом нужно выбрать задачу (job), которую вы хотите настроить или протестировать. Можно выбрать уже существующую задачу или создать новую.

Создание задачи

Vision-датчик Smart-VS позволяет сохранять задачи в банках (bank) — их можно представить как места хранения рабочих конфигураций. Каждая задача сохраняется в отдельном банке, что упрощает управление настройками для разных деталей или производственных линий.

• В одном датчике может быть до 32 банков, каждый со своей задачей.
• Каждой задаче можно присвоить уникальное имя, чтобы позже быстро находить нужную конфигурацию.

Это означает, что если в производстве есть несколько разных деталей, которые vision-датчик должен проверять, для каждой конфигурации можно создать отдельный банк. Например, один банк может использоваться для проверки винтов, другой — для контроля крышек, а третий — для проверки наличия этикеток.

Система банков также делает тестирование удобным — если одна задача настроена, её можно сохранить и использовать позже без повторной настройки. Кроме того, между задачами можно быстро переключаться, что ускоряет настройку производственной линии и снижает вероятность ошибок.

Создадим новую задачу и продолжим:

Настройка изображения

Vision-датчик Datalogic S.p.A. Smart-VS предлагает гибкую настройку изображения — можно использовать автоматическую настройку или перейти на ручную.

Можно настраивать основные параметры изображения:

• Фокусное расстояние
• Выдержку
• Усиление сенсора (gain)

Автоматическая настройка обычно является очень хорошей отправной точкой, особенно если вы начинаете с нуля или условия стандартные. Система сама выбирает подходящую выдержку и усиление и пытается найти оптимальный фокус.

На практике, однако, автоматическое определение фокуса не всегда даёт идеально точный результат — особенно если у детали мало выраженных контурных точек или условия освещения сложные. В таких случаях стоит проверить фокус вручную и при необходимости скорректировать его.

Когда стоит настраивать вручную?

• Если автоматическая фокусировка не даёт чёткого изображения
• Если необходимо скорректировать контраст или освещение

Часто лучшим решением является комбинация обоих подходов: использовать автоматическую настройку как отправную точку, а затем внести небольшие ручные корректировки для достижения оптимального результата.

Обучение

Когда камера правильно настроена и изображение чёткое, можно переходить к этапу обучения. Именно здесь датчик учится различать деталь, соответствующую требованиям качества, и дефектную деталь.

DATALOGIC Smart-VS-MR-5-150-WH-O позволяет сохранять до 6 эталонных изображений — как GOOD, так и NO GOOD.

Важно, что эти изображения не обязаны быть распределены поровну. Например:

• 2 хороших и 4 плохих
• 4 хороших и 2 плохих
• 3 хороших и 3 плохих

Система не требует определённой пропорции — важно лишь показать датчику достаточно разных ситуаций, чтобы он мог обучиться.

Практический совет при обучении

Хорошей практикой является немного менять положение детали при каждом снимке, особенно если в реальном производстве её положение может естественно варьироваться.

Почему это важно?
Если во время обучения деталь всегда находится точно в одном и том же положении, датчик может позже ошибочно считать, что небольшое изменение угла или смещение позиции означает дефект. На самом деле это может быть совершенно нормальной частью производственного процесса.

Поэтому рекомендуется:

• Поворачивать деталь под разными углами во время обучения
• Немного изменять её положение
• Убедиться, что освещение остаётся одинаковым, но положение детали варьируется

В нашем эксперименте

Мы обучили датчик следующим образом:

• Хорошие изображения — деталь с четырьмя болтами, с небольшими различиями в положении
• Плохие изображения — ситуации, когда один или несколько болтов удалены

Такой подход позволяет системе чётко различать ситуацию, когда все крепёжные элементы присутствуют, и ситуацию, когда чего-то не хватает.

После завершения обучения и сохранения модели датчик готов к реальным испытаниям — на следующем этапе мы посмотрим, как работает контроль в реальной ситуации и какие результаты он показывает.

Тестирование

После завершения обучения мы смогли перейти к самой интересной части — практическому тестированию.

Первый эксперимент мы провели на светлом фоне. Однако в этом случае произошло нечто интересное: модель машинного обучения начала больше отслеживать контур и положение самой детали, а не наличие головок болтов.

Причина была вполне логичной. Чёрная тестовая деталь на светлом фоне создавала очень сильный контраст, и контур детали становился самым доминирующим признаком на изображении. Поэтому система больше обращала внимание на то, находится ли деталь точно в том же положении, что и во время обучения, а не на то, присутствуют ли все болты.

Это хороший пример того, как фон и контраст могут существенно влиять на поведение алгоритма машинного обучения.

Изменение фона

Затем мы сделали простое изменение — заменили фон на чёрный.

Целью было убрать сильный контраст между контуром детали и фоном, чтобы vision-датчик больше не мог использовать контур как основной признак. Таким образом, самым заметным контрастом на изображении стали металлические головки болтов на чёрной детали.

Результат

После изменения фона мы повторили тесты с несколькими различными комбинациями:

• все болты на месте
• один болт отсутствует
• два болта отсутствуют
• деталь немного смещена

Результат был отличным. Во время тестов vision-датчик дал 100% правильные ответы, и обнаружение отсутствующего болта работало полностью корректно.

Этот эксперимент ещё раз подтвердил одно из основных правил систем машинного зрения:
очень часто самым важным является не алгоритм или сам датчик, а правильное формирование изображения — подходящее освещение, фон и контраст.

Если эти три вещи настроены правильно, даже относительно простой vision-датчик может давать очень надёжные результаты.

Итоги

Datalogic Smart-VS-MR-5-150-WH-O vision-датчик является вполне серьёзным инструментом для контроля качества производственного процесса.

В нашем эксперименте мы использовали самую простую модель серии Smart-VS, однако даже она отлично справилась с задачей проверки наличия болтов. При правильном фоне и настройке мы достигли 100% корректных результатов обнаружения.

Основные преимущества решения

Устройство имеет встроенный веб-интерфейс, и вся настройка выполняется прямо в браузере. Это означает, что на рабочем месте оператора можно использовать даже планшет, с помощью которого можно:

• создавать новые задания
• изменять существующие настройки
• следить за статистикой и результатами

В отличие от классических систем машинного зрения, устройство не требует специального программного обеспечения или глубоких знаний программирования vision-систем.

DATALOGIC Smart-VS-MR-5-150-WH-O стоит менее 1000 € (без НДС) + кабели. Это значительно дешевле полноценных камер интеллектуальной обработки изображений.

Кроме того, стоимость внедрения практически отсутствует — в большинстве случаев настройку может выполнить сам оператор производства без привлечения отдельного специалиста.

Основным ограничением можно считать относительно небольшое рабочее расстояние. В данной модели камера и объект должны находиться достаточно близко друг к другу (до примерно 150 мм).

Если приложение требует большего расстояния, другие модели той же серии позволяют работать уже на расстоянии до примерно 400 мм, что даёт значительно больше гибкости при установке.

Если подвести итог всему эксперименту, такой vision-датчик с машинным обучением является отличным решением в ситуациях, где требуется простая, быстрая и доступная визуальная проверка качества — например, проверка наличия винтов, крышек или элементов упаковки на производственной линии.

Однако стоит помнить, что это не полноценная vision-система. Например, эта камера не может читать текст, коды или символы. Тем не менее она может успешно определять, напечатано ли что-то или нет — например, присутствует ли маркировка на упаковке или она полностью отсутствует.

Другими словами: в некоторых задачах такой vision-датчик прекрасно справляется со своей работой, но в других может достигнуть предела своих возможностей. Выбор правильного решения всегда зависит от конкретной задачи — что именно нужно обнаружить, каковы скорости линии и условия окружающей среды.

Если у вас есть похожая задача контроля качества в производстве, смело обращайтесь к нам за консультацией. Мы поможем оценить применение и подобрать решение, которое действительно будет работать надёжно.

Ознакомьтесь с vision-датчиками Datalogic: SMART vision-датчики – информация и продажа | Electrobit OÜ