Machine Vision-kameraer til affaldssortering og genanvendelse
Avanceret teknologi, såsom Machine Vision, spiller en stadig mere afgørende rolle i forbedringen af, hvordan vi sorterer og genanvender affald. Et visionsystem med Machine Vision-kameraer gør genanvendelsen hurtigere og mere præcis. Oftest installeres disse kameraer over transportbånd i genanvendelsesanlæg. Når affaldet bevæger sig langs båndet, tager kameraerne billeder i høj kvalitet af emnerne. Ved hjælp af computer vision-software kan Machine Vision-kameraerne hurtigt genkende forskellige materialer såsom plast, metaller og papir. Denne automatiserede proces hjælper med at sortere affaldet korrekt, hvilket reducerer fejl og sparer tid og penge.
En af VA Imaging’s kunder kontaktede os for at få hjælp til at vælge en passende machine
vision-kameraopsætning til affaldssortering. En af vores vision-eksperter rådgav genanvendelsesvirksomheden om en komplet opsætning baseret på specifikationerne for deres applikation. Denne artikel beskriver på kun 5 trin, hvordan alle vision-komponenter til systemet til affaldssortering og genanvendelse blev valgt. Ønsker du at modtage personlig rådgivning til din applikation? Del blot nogle specifikationer for dit projekt nedenfor, så kontakter vi dig.
Kameravalg til affaldssorteringssystem
Rådgivning om den rette opsætning til applikationen til affaldssortering begynder med valget af et egnet Machine Vision-kamera. vision-eksperten hos VA Imaging anbefalede at bruge vores 16MP-kamera ‘ME2S-1610-24U3C’ med Sony IMX542-sensoren på grund af
følgende krav fra kunden.
Først blev en USB3-grænseflade anbefalet som kameraets interface. Dette var baseret på, at kunden kunne drage fordel af den fire gange højere båndbredde sammenlignet med et GigE-kamera. Derudover anbefales USB3-grænsefladen til applikationer, hvor afstanden mellem pc'en og kameraet ikke er mere end 4,6 meter, på grund af den begrænsede kabellængde. I kundens applikation var denne længde cirka 4 meter. Desuden skulle forskellige farver af affald detekteres. Derfor blev et farvekamera anbefalet.
Derudover blev der valgt at bruge et global shutter-kamera i stedet for et rolling shutter-kamera. Global shutter-kameraer anvendes i applikationer, hvor enten kameraet eller objektet bevæger sig, mens billedet optages. I dette tilfælde bevæger transportbåndet sig og stopper ikke under billedoptagelsen. Et rolling shutter-kamera, som fungerer fremragende til stationære applikationer, er ikke egnet til dette formål. Brug af et rolling shutter-kamera ville resultere i betydelig billedforvrængning på grund af bevægelsen. Alle dåser, flasker og andet affald på transportbåndet kan fremstå som ‘skæve’ eller ‘hældende’. I industrielle applikationer såsom affaldssortering medfører denne forvrængning unøjagtig detektering, fordi noget affald muligvis ikke fremstår, som det faktisk er. Et global shutter-kamera forhindrer disse fejl ved at optage realistiske, uforvrængede billeder. Mere information om Global shutter vs. Rolling shutter findes i denne artikel i vores Knowledge Center.
Kunden vidste ikke, hvilken opløsning der var nødvendig for at genkende de forskellige typer affald. Derfor tilbød vores Machine Vision-ekspert at hjælpe med at beregne dette baseret på to specifikationer: det nødvendige synsfelt (FOV) i mm og systemopløsning (mm/pixel). Transportbåndet, som affaldet bevæger sig på, har en bredde på 425mm, der skulle vises. Højden var ikke vigtig. Der krævedes en systemopløsning på mindst 0,1mm/pixel.
Baseret på disse oplysninger skulle der vælges et Machine Vision-kamera med en bredde på mindst 4250 pixels. Vores 16MP-kamera viste sig at være en fremragende løsning. Dette kamera har 5320x3032 pixels, hvilket resulterer i en systemopløsning på hele 0,08mm/pixel. Beregningen er vist i figur 1, opløsningsberegningen oprettet i Microsoft Excel.
Afslutningsvis tilbyder dette 16MP-farvekamera med IMX542-sensoren en prisvenlig Machine Vision-kameraløsning til affaldssortering og genanvendelse, samtidig med at det drager fordel af den høje opløsning og lysfølsomhed.
Valg af objektiv til IMX542-kamera
For at 16MP vision-kameraet kan fungere, valgte VA Imaging’s vision-ekspert et passende C-mount objektiv til kameraet. Den korrekte brændvidde for objektivet blev beregnet af vision-eksperten på baggrund af to specifikationer: synsfeltet (FOV) i mm og arbejdsafstanden i mm. Arbejdsafstanden er afstanden fra objektet til kameraet. Derudover er det vigtigt at vælge et objektiv, der passer til sensorstørrelsen på 16MP-kameraet. 16MP-sensoren. kameraet har en billedsensorstørrelse på 1.1”, Sony IMX542
For at beregne det mest egnede C-mount objektiv til dette Machine Vision-kamera tilbyder VA Imaging sit eget online Objektivberegningsværktøj. Baseret på kameraets opløsning, det nødvendige synsfelt og arbejdsafstanden kan brændvidden beregnes. Kunden angav, at han ønskede at se mindst 425 mm i bredden ved en arbejdsafstand mellem 950 og 1350 mm.
Vores 35MM C-mount objektiv ‘VA-LCM-25MP-35MM-F2.4-120’ viste sig at være et fremragende objektiv til 16MP-kameraet. Brug af vores 35MM objektiv ved en arbejdsafstand på cirka 1056mm resulterer i et synsfelt på 425x242mm. Dette er vist i figur 2, beregningen af objektivets brændvidde.
Tilbehør til affaldssorteringssystem
Machine Vision-kameraer, såsom 16MP-kameraet, bør tilsluttes en pc. For at sikre en stabil forbindelse mellem denne pc og Machine Vision-kameraet anbefalede Machine Vision-eksperten at bruge et af VA Imagings USB3-kabler. Til dette visionsystem til affaldssortering blev vores 4,6 meter USB3-kabel anbefalet, da afstanden mellem kundens pc og kameraet er 4 meter.
Derudover blev vores stativmonteringsplade til dette IMX542-sensorkamera valgt af vision-eksperten for nem integration af affaldsgenkendelsessystemet.
Machine Vision-belysning til affaldsgenkendelse
Det anbefales på det kraftigste at tilføje Machine Vision-belysning til et visionsystem som denne affaldssorteringsapplikation. Kunden fortalte VA Imaging’s Machine Vision-ekspert, at fabriksmiljøet, hvor opsætningen skal placeres, ikke var tilstrækkeligt belyst. Derfor besluttede de at placere en lukket kasse omkring transportbåndet, hvor affaldet skal detekteres.
Produkterne på transportbåndet er alle meget forskellige. Fra dåser til flasker i alle slags materialer og farver skal de detekteres med henblik på korrekt affaldssortering og efterfølgende genanvendelse. For at belyse alt affald så ensartet som muligt og med minimal refleksion anbefales det at bruge 2 af vores LED-spots: Industriel LED-spotlampe VA SL-90x80-W. En af de største fordele ved dette affaldssorteringssystem er, at LED-spotlamperne leveres med tre optiske objektiver. Ved at vælge det rette optiske objektiv (30,60 eller 90 grader) kan de placeres i den optiske vinkel, der giver det mest ideelle lys til applikationen. Det giver kunden stor fleksibilitet.
For at udelukke alt omgivende lys på fabrikken anbefalede vores Machine Vision-ekspert også at bygge en kasse omkring transportbåndet. Rådet er at gøre kassens inderside helt hvid, for eksempel ved at male den. Placér derefter LED-spots på to indvendige sider af kassen og ret dem opad. På denne måde 'reflekteres' lyset til kassens loft og ned på affaldet på transportbåndet. Lyset vil blive jævnt fordelt.
For at forsyne de to LED-lys med strøm blev vores 24V 150W strømforsyning anbefalet. Denne strømforsyning fungerer som en lyscontroller, så LED-spots kan trigges og dæmpes. Derudover kan der efter ønske vælges forlængerledninger på vores website.
Billedbehandlingssoftware til affaldsgenkendelse
Denne specifikke kunde havde endnu ingen erfaring med at vælge hardware til et visionssystem til affaldssortering. Virksomheden havde dog stor erfaring med at skrive og implementere software. Til denne specifikke Machine Vision-applikation til affaldssortering foretrak kunden at skrive sin egen software i Python. De besluttede at benytte vores gratis SDK til eksempelprogrammer, herunder Python-prøven til at optage billeder. En af artiklerne i vores Videnscenter indeholder flere oplysninger om at bruge en Python-prøve ved hjælp af PyCharm.
Til den indledende programmering blev vores gratis Softwareudviklingssæt (SDK) anvendt til at optage og gemme billeder samt indstille kameraparametrene til affaldssorteringen. SDK'et understøtter operativsystemer, herunder Windows, Linux og Android, og er kompatibelt med almindelige og industrielle pc'er samt ARM-platforme. SDK'et understøtter programmeringssprog som C++, C#/.NET og, for dette visionssystem, Python.
Support til Machine Vision-applikationer
Ønsker du support fra en af vores Machine Vision-eksperter til den bedste Machine Vision-løsning til affaldssortering? Eller til en anden lignende applikation inden for genanvendelse eller affald? Tøv ikke med at kontakte os ved at bruge formularen via dette link: Support til Vision Applikation.