Sådan bruger du OpenCV til at automatisere komponentinspektion
I produktionsprocesser er det meget vigtigt at sikre kvaliteten. I mange tilfælde gøres dette stadig med det menneskelige øje, hvilket kan medføre problemer efterfølgende. Vi ser flere og flere virksomheder skifte til Machine Vision i kvalitetskontrol og andre produktionsprocesser. I denne artikel forklarer vi en applikation, hvor Machine Vision anvendes i kombination med OpenCV-software til at inspicere halvfabrikata. Naturligvis kan analyse af produkter også udføres med andre softwareprogrammer, men i dette særlige tilfælde vil vi uddybe mulighederne med OpenCV.
Introduktion til OpenCV til industrielle applikationer
OpenCV (Open Source Computer Vision Library) er et alsidigt og udbredt softwarebibliotek til computer vision og maskinlæring. Det tilbyder et omfattende sæt værktøjer og algoritmer, der kan anvendes til forskellige industrielle inspektionsopgaver. Nogle af de vigtigste funktioner i OpenCV omfatter:
- Over 2500 optimerede algoritmer til billedbehandling og -analyse
- Support til flere programmeringssprog, herunder Python, C++ og Java
- Kompatibilitet på tværs af platforme (Windows, Linux, macOS, Android)
- Aktiv community-support og regelmæssige opdateringer
Machine Vision applikation
Vi modtog en forespørgsel om en Machine Vision-opsætning, hvor kunden ønskede at genkende, lokalisere og måle produkter, så produktet var klar til næste produktionstrin. Vi fulgte 4 trin for at vælge den rette opsætning til hans applikation:
Industrielt Kamera til automatiseret inspektion af komponenter
Kameraet skulle monteres i ca. 3300 mm afstand lige over produktet. Når kameraet optog billeder af produktet, ønskede kunden efterfølgende at behandle dem med OpenCV. Produktet var ca. 700 x 700 mm, og der var behov for at kunne se små detaljer på 3 x 3 mm. Ideen var på sigt at visualisere et større område, nemlig 3000 x 2000 mm, for at kunne behandle flere produkter på én gang. På baggrund af disse specifikationer kræves et industrielt kamera med mindst 3000 x 2000 pixels. Et kamera, der opfylder disse krav, er et 12MP USB3.0 ‘MER2-1220-32U3C’-kamera.
Machine Vision-objektiv til IMX226
Kunden angav i sin forespørgsel, at de foretrækker en opsætning med et telecentrisk objektiv. Vi anbefaler typisk kunder, at hvis dit synsfelt er større end 65 x 50 mm, er det bedre at bruge et standard C-mount objektiv. Derudover har et telecentrisk objektiv en fast arbejdsafstand og kan kun fokuseres på den pågældende arbejdsafstand.
Næste trin er at beregne et passende Machine Vision-objektiv til kameraet. Til dette bruger vi objektivberegneren på vores hjemmeside. Se nedenfor et skærmbillede af vores objektivberegner:
Objektivberegner
Objektivberegneren viser, at vi har brug for et 8 mm C-mount-objektiv. En god mulighed vil derfor være dette VA-LCM-10MP-08MM-F2.8-015
Machine Vision-belysning til automatisering af komponentinspektion
En komplet opsætning er ikke komplet uden ekstra Machine Vision-belysning. Kunden angav i sin forespørgsel, at de selv overvejede en ringlampe. I mange tilfælde er en ringlampe en god belysningsløsning, men i dette særlige tilfælde findes der et bedre alternativ. På grund af den relativt store arbejdsafstand (3300 mm) kan der gå for meget lys tabt ved brug af en ringlampe. Det vil derfor være bedre at bruge to af vores nye LED-spotlights.
For nylig lancerede VA Imaging en ny LED-spotlight. LED-spot har udskiftelige optiske linser og fås med en åbningsvinkel på 90, 60 og 30 grader. Du kan derfor belyse objekter bedre end med normale LED'er.
Vigtigste fordele ved denne LED-spot:
- Alsidig løsning med optiske linser på 90 grader, 60 grader og 30 grader
- Kompakt design
- IP67-klassificeret
- Optisk belysning takket være LED'er med høj effektivitet
Yderligere oplysninger om denne LED-spot findes på vores website.
OpenCV-software
Machine Vision-kameraet skal styres med vores Software Development Kit. Dette SDK kan downloades gratis fra downloadsiden. SDK'et indeholder programmeringseksempler og en brugergrænseflade til nem indstilling af kameraets parametre.
Kunden angav allerede på ansøgningstidspunktet, at de ønskede at bruge OpenCV-software. OpenCV er et open source-softwarebibliotek til Machine Vision med en udbredt infrastruktur, der kan anvendes med flere applikationer. Yderligere oplysninger om, hvordan man downloader tredjepartssoftware til vores Machine Vision-kameraer, findes i denne artikel fra vores videnscenter: Sådan installeres USB3 – GigE-industrielle kameraer med tredjepartssoftware.
OpenCV-biblioteket har mere end 2500 algoritmer, der kan
anvendes til:
- Objektidentifikation
- Sporing af kamerabevægelser
- Oprettelse af 3D-modeller af objekter
- Sammenligning af billeder
- Etc.
OpenCV har grænseflader til Python, C++, Java og MATLAB og understøtter Android, Windows, Linux og Mac OS.
Spørgsmål?
Med den rette kombination af hardware og software kan du revolutionere dine kvalitetskontrolprocesser og sikre løbende forbedringer i din produktionslinje. Hvis du har yderligere spørgsmål om de muligheder, som Machine Vision kan tilbyde din applikation, eller ønsker at vide mere om funktionerne i OpenCV-software, er du velkommen til at kontakte os via kontaktformularen nedenfor.
Vores ingeniører hjælper dig gerne!