Succeshistorier om Adaptive Vision-software
Adaptive Vision-software hjælper Machine Vision-ingeniører med at udvikle billedbehandlingsapplikationer til automatisering og kvalitetsinspektion. Platformen søges stadig ofte som Adaptive Vision, og i dag er den tilgængelig fra Zebra Technologies som Zebra Aurora Vision. Denne side samler succeshistorier, der viser softwaren i brug – fra dimensionsmåling til PCB-positionering.
En praktisk måde at opbygge vision-applikationer med Adaptive Vision
Adaptive Vision-software er baseret på en dataflow-baseret tilgang, herunder en række præbyggede billedanalysefiltre. Det er skræddersyet til fagfolk og forenkler oprettelsen af almindelige applikationer samt effektiviserer udviklingen af tilpassede projekter. Denne fleksibilitet gør det til et foretrukket værktøj for computer vision-ingeniører, der håndterer forskellige behov inden for kvalitetsinspektion og automatisering i industrisektoren.
Adaptive Vision-softwareværktøjssæt
Websiden for Adaptive Vision-software præsenterer en række computer vision-software pakker til billedbehandling, herunder:
- Aurora Vision Studio: Et kraftfuldt og enkelt værktøj, der tilbyder et grafisk programmeringsmiljø på lavt niveau til hurtig udvikling og nem tilpasning af Machine Vision-ingeniører.
- Aurora Vision Library: Klar-til-brug-funktioner til C++- og .NET-programmering, som giver dig friheden til at udvikle din egen software til selv de mest komplekse applikationer.
- Aurora Vision Deep Learning: Dette Adaptive Vision-softwaretilføjelsesmodul gør det muligt at vælge billeder, markere defekter/etiketter og træne softwaren til din specifikke applikation. Dyk ned i optisk tegngenkendelse med det prætrænede Deep Learning OCR-værktøj. Dette værktøj er perfekt til at tyde komplicerede, beskadigede eller slørede tegn. Det er den ultimative løsning til at overvinde visuelle udfordringer inden for tegngenkendelse.
Brug af Adaptive Vision til verificering af lufthavnsbakker
I denne applikation demonstrerer vi, hvordan man bruger Adaptive Vision til verificering af lufthavnsbakker (2D-klassificering + 3D-måling). Adaptive Vision-software fra Zebra Technologies omfatter avancerede deep learning-funktioner, der gør det muligt for brugere at skabe kundetilpassede algoritmer, der er tilpasset deres specifikke behov. Et bemærkelsesværdigt eksempel på denne fleksibilitet er et projekt udført af Wiens Tekniske Universitet, nærmere bestemt Institut for Produktionsteknik og Fotoniske Teknologier. Udviklingen på instituttet blev ledet af et ekspertteam, Dipl.-Ing. Fabian Singer og Dipl.-Ing. Laurenz Pickel, som er specialiseret i at levere skræddersyede Machine Vision-løsninger. I dette projekt udviklede teamet et system med dobbelt funktion, der kombinerer både 2D-billedanalyse ved hjælp af deep learning og 3D-måling ved hjælp af klassiske machine learning-algoritmer.
Deep Learning-tilføjelse til Adaptive Vision Studio markerer et stort fremskridt for Machine Vision-applikationer. Den tilbyder en række brugsklare værktøjer, som du træner med gode og dårlige prøver, hvilket muliggør automatisk detektion af fejl eller egenskaber. Bag kulisserne anvender den store neurale netværksmodeller, der er optimeret af et forskningsteam til industriel inspektion. For brugerne leveres disse funktioner som enkle filtre med kun få parametre, understøttet af intuitive grafiske værktøjer, der gør træningsprocessen nem at gennemføre og administrere.
Deep learning-model
Systemets første komponent er en deep learning-model, der er designet til at analysere billeder af sikkerhedsbakker i lufthavne og klassificere dem i en af tre kategorier:
- Tomme bakker
- Bakker med efterladte genstande
- Bakker, der kræver opmærksomhed på grund af væskespild
Denne algoritme blev trænet på et datasæt med 350 billeder, hvilket sikrer nøjagtig detektion og klassificering for at forbedre sikkerhedsforanstaltningerne i lufthavne. Deep learning-tilgangen gør det muligt for systemet at levere feedback i realtid og detaljerede visualiseringer, såsom varmekort, der hjælper sikkerhedspersonalet med hurtigt at identificere problemer.
3D-måling med klassisk machine learning
Systemets anden komponent fokuserer på 3D-analyse. I modsætning til 2D-billedklassificeringen anvender denne del af systemet klassiske machine learning-algoritmer til at udføre præcise målinger af bakken og dens indhold:
- Måler hele bakkens volumen
- Beregner volumenet af genstandene inde i bakken
- Bestemmer det samlede volumen af bakkens indhold
- Identificerer den maksimale fyldehøjde
Denne volumetriske analyse giver et omfattende overblik over bakkens status og muliggør effektiv ressourcestyring ved sikkerhedskontroller.
Integration og effektivitet med Adaptive Vision
Kombinationen af deep learning til 2D-klassificering og klassisk machine learning til 3D-målinger resulterer i en yderst effektiv løsning til verificering af lufthavnsbakker. Systemet fungerer i realtid og giver sikkerhedspersonalet præcis indsigt, hvilket forbedrer nøjagtigheden og hastigheden af sikkerhedsprocedurer i lufthavne. Adaptive Vision-software øger i kombination med Machine Vision-kameraer markant præcisionen og effektiviteten af kontrollen af lufthavnsbakker og sikrer forbedrede sikkerhedsprotokoller ved kontrolpunkter. Ved forespørgsler om kundetilpassede Machine Vision-løsninger opfordrer vi dig til at kontakte instituttet direkte eller projektets ledende forskere. Du kan finde yderligere information på TU Wien - Institut for Produktionsteknik og Fotoniske Teknologier.
Adaptive Vision til diameterinspektion
Oversigt over diameterinspektion
Til dette vision-projekt anvendte ingeniørerne Adaptive Vision Software til at udvikle en applikation dedikeret til inspektion af diameterdimensioner på hærdede stål-ringe, herunder verifikation af rundhed og indvendig diameter. Ved at udnytte Machine Vision-kameraer giver dette workflow i Adaptive Vision Software meget nøjagtig vurdering og understøtter inspektionstolerancer på op til ±0,1 mm.
Udfordringen
Hærdede stål-ringe kan være vanskelige at måle hurtigt og konsekvent i produktionen. Teamet havde brug for en løsning, der var udviklet med Adaptive Vision Software, og som kunne:
- Verificere indvendig diameter og rundhed pålideligt
- Levere ensartede resultater til industrielle miljøer
- Give hurtige, gentagelige måleresultater Support strenge acceptkriterier (op til ±0,1 mm)
Løsningen - Adaptive Vision Studio
Ved hjælp af Adaptive Vision Studio skabte ingeniørerne et robust inspektionsworkflow drevet af Machine Vision-kameraer. Applikationen var designet til at:
- Indhente billeder fra Machine Vision-kameraer
- Anvende billedbehandling til at isolere ring-geometrien
- Måle indvendig diameter og evaluere rundhed
- Outputte resultater i realtid for at support kvalitetsinspektion og industriel automatisering
I denne succeshistorie spiller Adaptive Vision Software en central rolle ved at levere en platform til diameterinspektion, der går ud over konventionelle grænser. Dens tilpasningsdygtige tilgang—integreret med Machine Vision-kameraer—understøtter målinger og analyser i realtid og sikrer, at den indvendige diameter på stål-ringe opfylder strenge kvalitetsstandarder.
Resultaterne - Nøjagtig inspektion
Med inspektionsworkflowet udviklet i Adaptive Vision Software opnåede teamet:
- Nøjagtig inspektion af indvendig diameter i overensstemmelse med kvalitetskrav
- Pålidelig verifikation af rundhed for kritiske komponenter
- Måling og analyse i realtid, der er egnet til produktionsworkflows
- Inspektionspræcision, der muliggør tolerancer på op til ±0,1 mm
Dette projekt fremhæver værdien af Adaptive Vision Software i udviklingen af industriel inspektion og forbedrer effektiviteten, samtidig med at høj nøjagtighed opretholdes ved krævende dimensionsmålinger.
PCB-positionering med adaptiv vision-software
Oversigt over PCB-positionering
I denne applikation anvendte ingeniører Adaptive Vision Software, særligt det avancerede Adaptive Vision Studio, til at skabe en højpræcisionsløsning til PCB-positionering. vision-arbejdsgangen blev kombineret med et 5MP USB3-kamera (såsom MER2-503-36U3M) for at opnå nøjagtig bestemmelse af PCB-position med en målenøjagtighed på op til 0,05 mm.
Udfordringen
PCB-positionering kræver pålidelig og gentagelig justering. Teamet havde brug for en arbejdsgang, der var opbygget med Adaptive Vision Software, og som kunne:
- Bestemme PCB-positionen nøjagtigt med høj præcision
- Understøtte tilpasselig inspektionslogik til forskellige PCB-designs
- Integreres problemfrit i eksisterende driftssoftware
- Opretholde stabil ydeevne i produktionsmiljøer under virkelige forhold
Løsningen - Adaptive Vision Studio Software
Ved at anvende Adaptive Vision Studio som centralt udviklingsmiljø opbyggede teamet en inspektionsarbejdsgang til PCB-positionering med Adaptive Vision Software og et 5MP USB3 Machine Vision-kamera. Løsningen lagde vægt på:
- Præcis positionsanalyse til nøjagtig PCB-inspektion
- Fleksibel konfiguration gennem makrofiltre, der muliggør tilpassede justeringer pr. applikation
- Hurtig integration via DLL-eksport, der gør det muligt at integrere positioneringslogikken embedded i kundens egen driftssoftware
Resultaterne - Nøjagtig positionering
Med arbejdsgangen til PCB-positionering, der blev udviklet i Adaptive Vision Software, opnåede teamet:
- Nøjagtig PCB-positionering med en målenøjagtighed på op til 0,05 mm
- En konfigurerbar inspektionsmetode med makrofiltre
- Strømlinet integration ved hjælp af DLL-eksport til implementering
- En skalerbar softwarearbejdsgang, der er egnet til løbende produktionsbehov
Dette projekt demonstrerer, hvordan Adaptive Vision Software kan forbedre PCB-inspektion og -positionering ved at kombinere præcisionsmåling, fleksibelt design af arbejdsgange og integrationsklare output.
