Objektdetektering på et transportbånd: Sådan bruger du computer vision?
Korrekt placering af computer vision-kameraer er nødvendig for objektdetektion i transportbåndssystemer. Forestil dig et produktionsmiljø, hvor produkter i alle former og størrelser bevæger sig forbi på et transportbånd. Det kan være en frugtfabrik, et stort logistikcenter eller en producent af bildele. Denne artikel fokuserer på brugen af computer vision-kameraer til objektdetektion af æg. Et vision-system bør placeres over transportbåndet for at sikre, at billeder i høj kvalitet kan optages til ægdetektion. Resultatet bør være, at alle æg tælles, og at hver kasse ved enden af transportbåndet fyldes med præcis 120 æg. Derudover bør æg med unormale pletter sorteres fra. På blot fem trin guider denne artikel dig i valget af computer vision-kamerahardware til dit vision-system.
Computer vision kameravalg
En af vores Machine Vision-eksperter begyndte med at anbefale et passende computer vision-kamera til kundens objektdetekteringssystem. Vi anbefalede at bruge vores 3MP USB3-kamera ‘MER2-302-56U3C’ på grund af kravene til systemet. Kunden planlagde at placere kameraet over transportbåndet i en afstand på cirka 3 meter fra pc'en. Derfor anbefalede vi dem at bruge et kamera med en USB3-grænseflade. Til applikationer, hvor der ikke er præference for en specifik grænseflade, anbefales et kamera med USB3-grænseflade af flere årsager. For det første har et GigE-kamera sammenlignet med et USB3-kamera fire gange højere båndbredde. Generelt tilbyder vores USB3-kameraer en prisfordel, og der kræves kun ét USB3-kabel til både datatransmission og strømforsyning.
Alle vores standard-industrielle kameraer, som anvendes til applikationer såsom objektdetektering på transportbåndet, fås både i monokrom og farve. Til denne applikation foretrak kunden at bruge et farvekamera frem for et monokromt kamera, der optager billeder i sort-hvid. Ved at vælge et computer vision-farvekamera er opsætningen fremtidssikret i forhold til deres ønske om en dag at kunne registrere farver til differentiering af pletter.
Desuden skal der træffes et valg mellem et global shutter- eller rolling shutter-computer vision-kamera. Vores vision-ekspert anbefalede at bruge et global shutter-kamera. Dette skyldtes, at objektdetekteringen skulle udføres, mens transportbåndet bevæger sig. Global shutter-kameraer anvendes til applikationer, hvor kameraet eller objektet bevæger sig, mens billederne optages. Yderligere information om global vs. rolling shutter-kameraer findes ved at klikke på linket.
Derudover støttede vi kunden i at fastlægge den nødvendige kameraopløsning. Kunden vidste endnu ikke, hvilken opløsning der var nødvendig til objektdetekteringen på transportbåndet. Hver gang objektet registreres på transportbåndet, skal det identificeres som et æg og kontrolleres for pletter. Kunden oplyste, at æggene ikke altid er placeret på
samme sted på transportbåndet. De vidste dog, at æggene ville befinde sig inden for et område på maksimalt 300x240mm. Dette kalder vi det påkrævede synsfelt (FOV). Et enkelt æg har en længde på mellem 55 og 57mm. Pletterne på æggene, som skal registreres, er 0,5x0,5mm eller større.
For at kunne se disse mindste detaljer på kun 0,5mm kræves en systemopløsning på 0,16mm/pixel. Dette er baseret på tre pixels pr. mindste detalje. Et computer vision-kamera med mindst 1800x1440 pixels (2,59MP) er nødvendigt for at dække hele synsfeltet.
Derfor tilbyder vores 3MP-kamera med 2048x1536 pixels en fremragende løsning til montering over transportbåndet. Ved at bruge dette computer vision-kamera til objektdetektering kan pletter på 0,5mm også registreres.
Afslutningsvis tilbyder vores 3MP-kamera en prisvenlig computer vision-kameraløsning til objektdetektering på et transportbånd med fordelene ved den høje billedhastighed og den brugervenlige USB3
-grænseflade.
Objektiv til 3MP computer vision-kamera
Alle C-mount computer vision-kameraer kræver et passende objektiv. Det bedst egnede C-mount objektiv til denne transportbåndsapplikation blev anbefalet af Machine Vision-eksperten på baggrund af nogle få specifikationer. For at fastlægge det korrekte objektiv med brændvidde for at opnå en bestemt åbningsvinkel er det vigtigt at kende det påkrævede synsfelt (FOV). Dette er det samlede område (vandret og lodret i mm) af transportbåndet, som kunden ønsker at registrere med computer vision-kameraet. Til denne applikation er det påkrævede synsfelt 300x240mm. Kunden foretrak at have en arbejdsafstand (WD) mellem 600 og 800mm. Dette er afstanden mellem objektet, der skal registreres, og kameraet, som er placeret over transportbåndet
.
Det anbefalede USB3 vision-kamera har en opløsning på 2048x1536 pixel og en pixelstørrelse på 3.45 µm. For at beregne brændvidden på det C-mount objektiv, der skal anvendes, kan vores online Objektivberegnerværktøj anvendes. Billedet viser, at indtastning af specifikationerne i dette værktøj resulterer i en beregnet brændvidde på 16MM.
Objektivberegner
Vores 5MP 16MM C-mount-objektiv til computer vision-kameraer med en maksimal sensorstørrelse på 2/3” viste sig at være en fremragende løsning. Dette C-mount-objektiv er en del af vores meget lysfølsomme 5MP-objektivserie, hvor både blænden (fra F1.4) og fokus kan justeret og fastgøres med skruer. Et lidt større synsfelt på 320x240mm vil være synligt ved brug af 3MP-kameraet med dette 16MM-objektiv.
Tilbehør til computer vision-applikationer
Alle vores computer vision-kameraer, såsom det anbefalede 3 MP-kamera, skal tilsluttes en pc. Pc'er har hurtige processorer og kraftfulde GPU'er, hvilket gør det muligt for dem at optage, behandle og analysere billeder hurtigt og effektivt. Der skal anvendes yderligere software til objektdetektion til billedbehandling. For at sikre en stabil forbindelse mellem pc'en og kameraet anbefaler vi at bruge et af vores USB3-kabler til at tilslutte kameraet. For eksempel kan vores 1 meter USB3-kabel eller 4,6 meter USB3-kabel anvendes. For at forenkle monteringsprocessen for kameraet anbefaler vi at bruge en stativmonteringsplade.
For at beskytte kameraet og objektivet mod støv og snavs anbefalede Machine Vision-eksperten desuden at bruge vores aluminiumshus til Machine Vision-kamera. Dette vandtætte industrielle hus beskytter kameraopsætningen i det støvede produktionsmiljø, hvor transportbåndet er placeret, og visionsystemet er installeret. Aluminiumskabinettet indeholder to forlænger-ringe, som begge er nødvendige for at forlænge objektivrøret. Dette skyldes, at objektivet har en længde mellem 30 mm og 45 mm (33,9 mm). Se venligst produktsiden for kabinettet for installationsvideoen.
Computer vision-software til objektdetektion på transportbånd
Som nævnt er billedbehandlingssoftware nødvendig for at detektere objekterne på transportbåndet. Dette 3MP-kamera er, ligesom vores andre industrielle kameraer, GenICam-kompatibelt, hvilket betyder, at det kan anvendes med en række tredjepartssoftware, herunder MvTec Halcon, Cognex Vision Pro, OpenCV og Arm Boards-software.
Til at begynde med kan vores Software Development Kit (SDK) downloades gratis på vores hjemmeside. I dette SDK kan kameraparametre såsom eksponeringstid og billedhastighed indstilles. Derudover kan et første billede oprettes og gemmes. 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 Python.
Vores kunde har til formål at detektere æggene og fejlene ved at skrive sin egen software i Python. Vores SDK indeholder eksempelprogrammer, herunder Python-prøven til billedoptagelse. En af artiklerne i vores Knowledge Center indeholder flere oplysninger om at bruge en Python-prøve med PyCharm.
Support til computer vision-applikationer
Kan vi supportere dig i valget af den bedste computer vision-løsning til objektdetektering i transportbåndssystemer? Eller en lignende vision-applikation? Del blot kravene til din applikation, så rådgiver vi dig om det mest egnede objektiv og kamera til dit projekt.