O que é visão de máquina e como ela pode ajudar?

Compreender como funciona a visão de máquina pode ajudá-lo a determinar se a visão de máquina resolve problemas de aplicação específicos na fabricação ou processamento.

Muitas vezes, as pessoas não entendem o que a visão de máquina (de computador, artificial) pode ou não fazer por uma linha ou processo de produção. Compreender como funciona pode ajudar as pessoas a decidir se resolverá problemas em um aplicativo. Então, o que exatamente é visão computacional e como ela realmente funciona?

A visão artificial é uma tecnologia moderna que inclui ferramentas para aquisição, processamento e análise de imagens do mundo físico, a fim de criar informações que possam ser interpretadas e utilizadas por uma máquina por meio de processos digitais.

O uso da visão artificial na indústria

A visão computacional refere-se ao uso de uma ou mais câmeras para inspecionar e analisar objetos automaticamente, geralmente em um ambiente industrial ou de fabricação. Os dados resultantes podem então ser usados ​​para controlar processos ou atividades de produção.

Essa tecnologia automatiza uma ampla gama de tarefas, fornecendo às máquinas as informações necessárias para tomar as decisões corretas em cada tarefa.

O uso da visão artificial na indústria permite a automatização dos processos produtivos, levando a melhores resultados produtivos por meio do uso do controle de qualidade e maior agilidade em cada etapa.

Atualmente, o uso da visão artificial industrial melhorou significativamente os processos de produção. Isso tem possibilitado a obtenção de produtos de maior qualidade com menores custos e em quase todas as áreas da indústria, desde automotiva e alimentícia, até eletrônica e logística.

Um uso típico seria uma linha de montagem em que a câmera é acionada após a execução de uma operação em uma peça que captura e processa uma imagem. A câmera pode ser programada para verificar a posição de um determinado objeto, sua cor, tamanho ou forma e a presença do objeto.

A visão de máquina também pode pesquisar e decodificar códigos de barra de matriz 2D padrão ou até mesmo ler caracteres impressos. Depois de verificar o produto, geralmente é gerado um sinal que determina o que fazer com o produto a seguir. A peça pode ser descartada em um contêiner, encaminhada para um transportador de ramal ou passada para outras operações de montagem, e os resultados da inspeção são rastreados no sistema.

De qualquer forma, os sistemas de visão computacional podem fornecer muito mais informações sobre um objeto do que sensores de posição simples.

A visão computacional é comumente usada, por exemplo, para:

• controle de qualidade,
• controle de um robô (máquina),
• teste e calibração,
• controle de processo em tempo real,
• coleção de dados,
• monitoramento de máquina,
• classificação e contagem.

Muitos fabricantes usam visão computacional automatizada em vez de pessoal de inspeção porque é mais adequado para inspeções repetitivas. É mais rápido, mais objetivo e funciona 24 horas por dia.

Os sistemas de visão computacional podem inspecionar centenas ou milhares de peças por minuto e fornecer resultados de inspeção mais consistentes e confiáveis ​​do que os humanos. Ao reduzir defeitos, aumentar a receita, facilitar a conformidade e rastrear peças com visão computacional, os fabricantes podem economizar dinheiro e aumentar sua lucratividade.

Como funciona a visão de máquina

Uma fotocélula discreta é um dos sensores mais simples no campo da automação industrial. A razão pela qual o chamamos de "discreto" ou digital é porque ele só tem dois estados: ligado ou desligado.

O princípio de operação de uma fotocélula discreta (sensor óptico) é transmitir um feixe de luz e determinar se a luz é refletida por um objeto. Se não houver nenhum objeto, a luz não é refletida no receptor da fotocélula. Um sinal elétrico, geralmente 24 V, é conectado ao receptor.

Se o objeto estiver presente, o sinal é ativado e pode ser usado no sistema de controle para executar uma ação. Quando o objeto é excluído, o sinal é desligado novamente.

Esse sensor também pode ser analógico. Em vez de dois estados, ou seja, desligado e ligado, ele pode retornar um valor indicando quanta luz está retornando ao seu receptor. Ele pode retornar 256 valores, de 0 (significando sem luz) a 255 (significando muita luz).

Imagine milhares de minúsculas fotocélulas analógicas dispostas em uma matriz quadrada ou retangular apontadas para um objeto.Isso criará uma imagem em preto e branco do objeto com base na refletividade do local para o qual o sensor está apontando. Os pontos de varredura individuais nessas imagens são chamados de "pixels".

Claro, milhares de minúsculos sensores fotoelétricos não são usados ​​para criar a imagem. Em vez disso, a lente focaliza a imagem em uma matriz semicondutora de detectores de luz.

Essa matriz usa matrizes de dispositivos semicondutores sensíveis à luz, como CCD (Charge Coupled Device) ou CMOS (Complementary Metal-Oxide-Semiconductor). Os sensores individuais nesta matriz são pixels.

Os quatro principais componentes de um sistema de visão computacional

Os quatro principais componentes de um sistema de visão computacional são:

• lentes e iluminação;
• sensor de imagem ou câmera;
• processador;
• uma maneira de transferir resultados, seja por meio de uma conexão física de entrada/saída (E/S) ou outro método de comunicação.

A visão computacional pode usar a digitalização de pixels coloridos e geralmente usa uma matriz muito maior de pixels. As ferramentas de software são aplicadas às imagens capturadas para determinar o tamanho, o posicionamento da borda, o movimento e a posição relativa dos elementos entre si.

As lentes captam a imagem e a transmitem ao sensor na forma de luz. Para otimizar o sistema de visão computacional, a câmera deve ser emparelhada com lentes apropriadas.

Embora existam muitos tipos de lentes, as lentes de distância focal fixa são comumente usadas em aplicações de visão computacional. Três fatores são importantes ao escolher: campo de visão, distância de trabalho, tamanho do sensor da câmera.

A iluminação pode ser aplicada a uma imagem de várias maneiras. A direção de onde vem a luz, seu brilho e sua cor ou comprimento de onda em comparação com a cor do alvo são fatores muito importantes a serem considerados ao projetar um ambiente de visão computacional.

Embora a iluminação seja uma parte importante para obter uma boa imagem, há dois outros fatores que afetam a quantidade de luz que uma imagem recebe. A lente inclui uma configuração chamada abertura, que abre ou fecha para permitir que mais ou menos luz entre na lente.

Combinado com o tempo de exposição, isso determina a quantidade de luz que atinge a matriz de pixels antes que qualquer iluminação seja aplicada. A velocidade do obturador ou tempo de exposição determina quanto tempo a imagem é projetada na matriz de pixels.

Na visão computacional, o obturador é controlado eletronicamente, geralmente com precisão de milissegundos. Depois que a imagem é capturada, as ferramentas de software são aplicadas. Alguns são usados ​​antes da análise (pré-processamento), outros são usados ​​para determinar as propriedades do objeto que está sendo estudado.

Durante o pré-processamento, você pode aplicar efeitos a uma imagem para aguçar bordas, aumentar o contraste ou preencher lacunas. O objetivo dessas tarefas é melhorar os recursos de outras ferramentas de software.

A visão artificial é uma tecnologia que imita a visão humana e permite receber, processar e interpretar imagens obtidas durante os processos de produção.As máquinas de visão artificial analisam e decodificam as informações recebidas durante os processos de produção para tomar decisões e agir da forma mais conveniente por meio de um processo automatizado. O processamento destas imagens é realizado através do software associado à máquina, e com base nos dados obtidos é possível dar continuidade aos processos e identificar possíveis erros nas linhas de montagem.

O objetivo da visão computacional

Aqui estão algumas ferramentas comuns que você pode usar para obter informações sobre seu alvo:

• Contagem de pixels: mostra o número de pixels claros ou escuros no objeto.
• Detecção de borda: encontre a borda de um objeto.
• Medição (metrologia): medir as dimensões de um objeto (por exemplo, em milímetros).
• Reconhecimento de padrão ou correspondência de padrão: Pesquise, combine ou conte padrões específicos. Isso pode incluir a detecção de um objeto que pode ser girado, parcialmente oculto por outro objeto ou que tenha outros objetos.
• Reconhecimento óptico de caracteres (OCR): Leitura automática de textos, como números de série.
• Leitura de código de barras, matriz de dados e código de barras 2D: coleta dados contidos em vários padrões de código de barras.
• Detecção de ponto: verifica a imagem em busca de manchas de pixels interconectados (como um buraco negro em um objeto cinza) como um ponto de referência para a imagem.
• Análise de cores: identifique peças, produtos e objetos por cores, avalie a qualidade e destaque elementos por cores.

O objetivo de obter dados de inspeção geralmente é usá-los para comparar com os valores-alvo para determinar aprovado/reprovado ou prosseguir/não prosseguir.

Por exemplo, ao digitalizar um código ou código de barras, o valor resultante é comparado ao valor alvo armazenado. No caso de medição, o valor medido é comparado com os valores e tolerâncias corretos.

Ao verificar um código alfanumérico, o valor do texto OCR é comparado ao valor correto ou de destino. Para verificar defeitos de superfície, o tamanho do defeito pode ser comparado ao tamanho máximo permitido pelos padrões de qualidade.

Controle de qualidade

A visão de máquina tem um enorme potencial na indústria. Esses sistemas de visão artificial têm sido usados na robótica, permitem-nos oferecer uma solução automática para diferentes fases da produção, como o controlo de qualidade ou a detecção de produtos defeituosos.

O controle de qualidade é um conjunto de métodos e ferramentas que nos permitem identificar erros no processo de produção, bem como tomar as medidas adequadas para eliminá-los. Isso proporciona um controle muito mais completo sobre o produto final, garantindo que, ao chegar ao consumidor, atenda a padrões de qualidade específicos e estabelecidos.

Dessa forma, produtos que não atendem aos requisitos mínimos de qualidade são excluídos do processo, eliminando possíveis interrupções no processo produtivo, por meio de inspeções e testes aleatórios contínuos.

O uso do controle de qualidade na produção tem várias vantagens:

• Aumentar a produtividade;
• Perdas de material reduzidas;
• Queda de preço;
• A melhor qualidade do produto final.

Comunicação em Visão Computacional

Uma vez recebidas pelo processador e pelo software, essas informações podem ser transmitidas ao sistema de controle por meio de uma variedade de protocolos de comunicação padrão da indústria.

Os principais sistemas de visão computacional geralmente suportam EtherNet/IP, Profinet e Modbus TCP. Os protocolos seriais RS232 e RS485 também são comuns.

A E/S digital geralmente é incorporada aos sistemas de atuação e simplifica a geração de relatórios de resultados. Padrões de comunicação de visão computacional também estão disponíveis.

Conclusão

Os sistemas de visão artificial têm uma grande variedade de aplicações e podem ser adaptados a diferentes indústrias e às diferentes necessidades de cada linha de produção. Hoje, qualquer empresa que fabrique produtos de acordo com um determinado padrão pode aproveitar a visão computacional como parte de seu processo de fabricação.

Compreender os princípios físicos e capacidades dos sistemas de visão artificial pode ser útil para determinar se tal tecnologia é adequada para um processo de fabricação em um caso particular. Em geral, tudo o que o olho humano pode ver, a câmera pode ver (às vezes mais, às vezes menos), mas decodificar e transmitir essas informações pode ser bastante complexo.