Техническое зрение

ООО «АвтоМаш» является официальным заводом-доработчиком продукции АЗ ГАЗ. Компания производит автофургоны и специальную технику, а также выполняет модернизацию автомобилей ГАЗ. Перед предприятием стояла задача увеличить эффективность работы по сборке и повысить прослеживаемость деталей на производстве. Для этого представители ООО «АвтоМаш» вместе с экспертами АО «Моделирование и цифровые двойники» (АО «МЦД») запустили пилотный проект по внедрению системы машинного зрения на предприятии.

В последние несколько лет наблюдается повышенный интерес российского бизнес-сообщества к темам беспилотных транспортных средств и роботизированных комплексов. Это объясняется возможностью свести к минимуму или полностью исключить участие человека в производственном процессе. Все заинтересованные стороны стремятся к технологическим и экономическим преимуществам, которых можно достичь путем сокращения затрат на трудовые ресурсы и увеличения автоматизации производства. Помимо этого, внедрение роботизированных комплексов в производство может повысить качество и объем изготавливаемой продукции. Автоматизация производства и совершенствование роботизированных комплексов стимулируют получение новых навыков и повышают уровень квалификации сотрудников.

Системы машинного зрения переходят от отдельно стоящих датчиков к решениям визуального контроля, интегрированным в главный контроллер станка. Этому способствует правильный выбор компьютерной платформы, на которой построена автоматизация оборудования.

Сегодня камеры машинного зрения стали универсальным инструментом для визуального контроля за качеством продукции. Кроме того, их активно используют в системах видеонаблюдения, дефектоскопии и многих других областях, где требуются высокие надежность и стабильность работы. В статье рассмотрим решения для выполнения различных задач машинного зрения, основанные на камерах производства НПК «Фотоника».

От оптики и осветителей до интеллектуальных камер, искусственного интеллекта и машинного обучения — машинное зрение в промышленной автоматизации развивается и меняется во всех отношениях. В этой статье пойдет речь о четырех ключевых инновациях.

В статье рассмотрим преимущества использования искусственного интеллекта (ИИ) в производственных системах машинного зрения: например, это позволяет увеличить время безотказной работы оборудования и сократить затраты на профилактическое обслуживание.

ToF 3D, или трехмерная времяпролетная камера, — это устройство для обнаружения, идентификации и определения расстояния до объектов с помощью света. Принцип работы такой камеры заключается в определении времени, за которое свет покрывает расстояние от своего источника до объекта и обратно до камеры. Чем больше расстояние, тем больше тратится времени. Срабатывание источника света и съемка кадра синхронизированы таким образом, что расстояние можно определить и рассчитать на основе данных изображения. Рассмотрим особенности камер ToF 3D и решение компании Basler, позволяющее преодолеть их некоторые недостатки.

Анализ статистики несчастных случаев с участием транспортной техники специального назначения показывает, что наиболее распространенным видом аварий, представляющих серьезную опасность для жизни и здоровья людей, является наезд крупногабаритной техники на легковой автотранспорт и людей. Большинство подобных инцидентов происходит из-за плохого обзора оператора спецтехники. В данной статье представлена система помощи водителю Visionary-B компании SICK AG (Германия), выполненная на основе разработанного компанией стереоскопического машинного зрения. Это продолжение серии статей по решениям компании SICK AG, направленным на обеспечение безопасности труда в различных отраслях промышленности, в том числе и со сложными условиями работы на открытых пространствах [1–3].

В статье рассмотрим два подхода к развертыванию систем машинного зрения для решения задач видеоаналитики: централизованный, при котором все видеоданные с камер передаются в единый дата-центр, и периферийный — вычисления производятся защищенной системой, расположенной в непосредственной близости от камер наблюдения.

Самые распространенные технологии для идентификации единиц товара — нанесение штрихкодов (1D, 2D), прямая маркировка деталей (DPM) и использование RFID-меток. Все эти методы удобны, надежны и вполне применимы для дискретных производств и стандартизированных технологических линий. Но как быть с задачами, в которых условия выходят за рамки типовых? В этой статье мы расскажем о нетривиальных подходах к разработке интеллектуальных систем прослеживания, поднимающих такие системы на новый уровень.