آشنایی با فناوری ماشین بینایی
با رشد و توسعه چشمگير اتوماسيون در جنبههاي مختلف زندگی،
مخصوصاً در فرآيندهای توليدی، بسياری از فعاليتهايی كه توسط انسان،
انجام میپذيرفت، امروزه توسط ماشينها و رباتها انجام میگيرد. با
گسترش اين علم و در كنار آن پيدايش مفاهيمی چون CIM، دستيابي به
سيستمهايی كه توانايي تشخيص، تحليل و تصميمگيری را داشته باشند به
يكي از دغدغههای صنعتگران و مخصوصاً متخصصان سيستمهای كنترل و تضمين
كيفيت تبديل شد. چرا كه با دستيابی به اين سيستم ها علاوه بر كاهش
هزينههای توليد، امكان پيادهسازی سيستمهای كنترل و مديريت كيفيت
جامع به وسيله كامپيوتر و حذف تصميم گيری هاي سليقه ای فراهم میگشت.
از اين رو با پيشرفتهای سختافزاری و نرمافزاری در حوزه كامپيوتر و
مشخصاً مباحث مرتبط با Soft Computing و Data Processing و افزايش
توأمان قابليت اتكا به سيستمهای ماشينبينايی و توجيهپذير بودن
اقتصادی اين سيستمها، استفاده از ماشينبينايی در ارزيابی و كنترل
كيفيت محصولات و فرآيندهاي توليدی و ارايه رهنمود برای رفع نقايص سيستم
توليدي به يكي از مهمترين موضوعات مطرح در فرآيندهای ساخت و توليد
تبديل گرديد. به طوري كه با گذشت كمتر از يك دهه از رواج استفاده از
اين سيستمها، به جرأت میتوان گفت فرآيندهای كنترل كيفی در بسياری از
صنايع توليدی، از فولاد و اتومبيل و كاشیسازی گرفته تا توليد بوردهای
الكترونيكی و صنايع غذايی تحت تأثير ماشينبينايی قرار گرفتهاند.
اصول فناوری ماشینبینایی
مهمترین عوامل گسترش ماشینبینایی كه باعث اقبال مدیران تولیدی به
آن شده است، همانند هر فعالیت اتوماسیونی دیگر، كاهش هزینهها،
امكان كنترل كیفیت صددرصد، امكان استفاده 24 ساعته بدون بروز
خستگی، قابلیت تكرار بالا، حذف ارزیابیهای سلیقهای، قابلیت تعریف
و كنترل حدود مقبول كمیتهای مورد ارزیابی و بالا بردن
انعطافپذیری سیستم تولیدی بوده است.
سیستمهای ماشینبینایی نیاز به مرخصی استحقاقی و استعلاجی نداشته
و توانایی اعتصاب ندارند(!). در مقام مقایسه بین انسانبینایی و
ماشینبینایی میتوان گفت اصولاً اساس عملكرد چشم انسان با
سیستمهای ماشینبینایی كاملاً متفاوت است. چرا كه سیستم بینایی
انسان مبتنی بر تفسیر و حدس میباشد در حالی كه
یك سیستم ماشینبینایی با بررسی تك تك پیكسلهای هر تصویر و مقایسه
آن با اطلاعات پردازش شده و ذخیره شده قبلی در بانكهای اطلاعاتی و
یا الگوریتمهای تشخیص الگو میتواند ببیند.
هر چند طراحان الگوریتمهای ماشین تلاش میكنند تا بتوانند به
سیستمهای بینایی نزدیكتر به سیستم چشم و مغز انسان دست یابند.
ذكر این نكته لازم به نظر میرسد كه با وجوداین كه
الگوریتمهای ارایه شده برای سیستمهای پردازش تصویر از نظر منطقی
قابل استفاده در كاربردهای متنوع و گسترده ذكر شده برای
ماشینبینایی هستند اما به دلیل دست نیافتن دانشمندان هوش مصنوعی
به سطوح بالای هوشمندی در این سیستمها، لازم است تا برای هر
كاربرد خاص و مشخص برنامه پردازش تصویر مخصوص آن فعالیت نوشته شده
و براساس آن فرآیند، آموزشها جهت كسب توانمندی تشخیص، به سیستم
ماشینبینایی داده شود. به همین دلیل با وجود پیشرفتهای شگرف در این زمینه سیستمهای بینایی ماشین دارای فاصله زیادی با
توانمندیهای بینایی انسان مخصوصاً در تفسیر تصاویر، عدم حساسیت
نسبت به تغییر شرایط نوردهی و تشخیص تنوع تصاویر میباشند.
کاربردهای ماشینبینایی
كاربردهای ماشینبینایی در شئون مختلف زندگی بشری به طور
روزافزون در حال گسترش است. به همین دلیل ارایه دستهبندی کاملی در این خصوص چندان جامع به نظر نمیرسد. اما از یک منظر میتوان
كاربردهای ماشینبینایی را در قالب 10 زمینه زیر دستهبندی نمود:
•
تشخیص حضور یا عدم حضور (Presence/Absence
Recognition)
• شمارش (Part Counting)
• راهنمایی و جهتدهی و موقعیتدهی به ربات (Robot
Guidance and
Robotic Positioning or
Orientation)
• ردیابی قطعات (Part Tracking, Positioning and Locating)
• ارزیابی شكل (Shape Verification)
• تشخیص عیب در مواد و قطعات (Components or
Material Flaw
Detection)
• ارزیابی ابعادی (Size Verification)
• اندازهگیری و نقطهبرداری دقیق (Precision
Measurement and
Digitizing)
• خواندن كدهای یك بعدی و دو بعدی (1-D and 2-D
Code Reading)
• تشخیص و ارزیابی نوری مشخصات (Optical
Character
Recognition/Optical
Character Verification (OCR & OCV
این دستهبندی جامع، گستره وسیعی از فعالیتها از شمارش تعداد
قرصهای تولیدی در یك كارخانه داروسازی و تشخیص عیوب ظاهری و وصفی
قطعات تولیدی در صنایع مختلف گرفته تا تشخیص خوابآلوده بودن
راننده یك اتومبیل در جاده و یا حركات مشكوك یك رهگذر در یك
پاركینگ اتومبیل را شامل میشود.
برای کسب اطلاعات فنی بیشتر در زمینه سیستمهای ماشینبینایی و اصول
علمیحاکم بر آنها میتوانید به پرتال تخصصی ماشینبینایی هرمس به
نشانی
www.HermesKey.com مراجعه نموده و یا از طریق نشانی
اینترنتی
info@HermesCo.net با
ما در تماس باشید. قطعاً هرمس پیشنهادات ارزشمندی برای بهبود
فرآیند تولید در سیستم تولیدی شما خواهد داشت.
|