De industriële camera's worden gebruikt voor de visualisatie van machines, of simpel gezegd: de ogen van een robot/computer. Menselijke handelingen worden vervangen door optische inspectie en geautomatiseerde processen. Met behulp van computer vision/machine vision worden processen sneller en betrouwbaarder, wat betekent dat continue en consistente kwaliteit gegarandeerd kan worden.
Deze kwaliteitscontrole wordt voornamelijk uitgevoerd op basis van 2D gebiedsscantechnologie camera. Maar 3D-camera's, lijnscan camera's en hyperspectrale beeldverwerking zijn ook groeiende technologieën binnen de agrarische sector.

Camera selectie

Afhankelijk van de vision taak, moet de juiste camera worden geselecteerd. Belangrijke keuzes die gemaakt moeten worden zijn:

• Interface type (USB3, GigE of 10GigE)
•    Kleur of monochroom camera
•    Global Shutter of Rolling shutter camera technologie
•    Resolutie (aantal pixels sensor)

Interfacetype (USB3, GigE of 10GigE)

Machine vision camera's moeten verbonden zijn met een computer. De camera interface is de verbinding tussen de camera en de computer. Ingenieurs hebben vaak een voorkeur voor een bepaalde interface, maar als dit niet het geval is, is het belangrijk om de afstand van de camera tot de computer te weten. Als de afstand tussen de camera en PC korter is dan 4,6 meter, raden we aan om een USB3 camera te gebruiken. Als de afstand langer is, raden we aan om GigE camera's te gebruiken. Voor meer informatie adviseren we u om het volgende artikel te raadplegen: Welke machine vision camera te selecteren?

In dit voorbeeld is de afstand van de camera tot de pc meer dan 4,6 meter, dus raden we aan om een GigE camera te gebruiken. We raden altijd een camera met PoE aan onze klanten. Power over Ethernet (PoE) voor GigE is ontworpen om zowel stroom als datacommunicatie via een standaard Ethernet-kabel te bieden. Dit vermindert het aantal kabels en de installatietijd in applicaties die geen hardware-trigger of I/O vereisen.

Kleur of monochroom camera 

Monochrome camera's worden vaak gebruikt in machine vision applicaties. Bijvoorbeeld, als het aantal producten geteld moet worden, de aanwezigheid van objecten wordt gecontroleerd of metingen worden gedaan, is een goed contrast nodig en wordt een monochrome camera gebruikt. De kleurinformatie is niet relevant en wordt niet gebruikt.

Bovendien is een extra voordeel van een monochrome camera (zwart-wit foto/afbeelding) dat de sensor tot 3 keer lichtgevoeliger is en scherpere beelden produceert dan een kleur camera/sensor.

Als je iets wilt doen met kleurinformatie, is een kleur camera vereist, ook wel een RGB (Rood, Groen, Blauw) camera genoemd. RGB-camera's worden vaak gebruikt om groenten, fruit en planten te inspecteren, omdat deze kleurinformatie wordt gebruikt voor kwaliteitscontrole.

Bijvoorbeeld, controleren op verschillende kleuren van vlekken/defecten op fruit en groenten, die groen of bruin kunnen zijn. Dit kleurverschil kan niet worden gezien met een monochrome camera.
Een kleur camera wordt altijd gebruikt voor Deep Learning-software, omdat de kleurenfoto extra informatie biedt.

In dit voorbeeld gebruiken we een kleur camera, omdat we optische kwaliteitscontrole willen uitvoeren en de vlekken/defecten verschillende kleuren kunnen bevatten.

Global Shutter of Rolling Shutter camera 

Als de camera of een object beweegt tijdens het maken van afbeeldingen, is een Global Shutter camera de beste keuze. Bij Global Shutter camera's worden alle lijnen/pixels van de camera gelijktijdig uitgelezen. Als de camera en het object stil staan, kan een Rolling Shutter camera worden gebruikt. Als een object beweegt en Rolling Shutter camera technologie wordt gebruikt, zal het beeld vervormd zijn. Dit komt omdat de sensor lijn voor lijn wordt uitgelezen. Voor meer informatie adviseren wij u om het volgende artikel te lezen: Rolling Shutter vs Global Shutter.

In dit voorbeeld staan fruit en groenten op een transportband voor kwaliteitscontrole en sortering. De transportband wordt niet gestopt tijdens camera acquisitie. In dit geval is een Global Shutter camera vereist.

Resolutie (aantal pixels sensor)

De volgende informatie is belangrijk om de juiste resolutie voor de camera te berekenen:

• Het kleinste detail willen ze zien/inspecteren
• Het gebied dat ze willen inspecteren (Field Of View)

We raden meestal 3 pixels per kleinste detail aan voor een stabiel vision systeem. In sommige gevallen is het ook mogelijk om 2 pixels per kleinste detail te gebruiken, maar dit hangt af van hoe goed/krachtig de software is.

In dit voorbeeld willen we een camera die defecten op fruit en groenten kan zien met een nauwkeurigheid van 1 mm. Het fruit en de groenten bevinden zich op een transportband van 80 centimeter breed. Dus het horizontale gezichtsveld moet 800 mm zijn en verticaal willen ze in staat zijn om 600 mm te zien.

Zoals eerder aangegeven, willen we 3 pixels per kleinste detail gebruiken voor een stabiel vision systeem.

Systeemresolutie = 1 mm/3 pixels = 0,33333333 mm/pixel

Horizontale cameraresolutie = 800 mm (horizontaal gezichtsveld) / 0,33333333 mm (systeemresolutie) = 2400 pixels
Verticale cameraresolutie = 600 mm (verticaal gezichtsveld) / 0,33333333 mm (systeemresolutie) = 1800 pixels

Een camera met 2400 x 1800 pixels is daarom geschikt. Op basis van deze informatie kunnen we een camera selecteren. De MER2-503-23GC-P (IMX264) is een 5MP (2448 x 2048 pixels) camera, die voldoet aan alle bovenstaande vereisten die we in eerdere stappen hebben geformuleerd.

Lens selectie voor IMX264

Een correcte lens moet worden geselecteerd voor de camera. De lens is niet standaard inbegrepen bij een camera, dus de lens moet altijd worden aangeschaft om uw computer vision systeem compleet te maken. De machine vision camera's die wij aanbieden hebben vaak een c-mount, dus in het algemeen worden c-mount lenzen vaak gebruikt. Om de juiste lens te berekenen, hebben we informatie nodig over het gezichtsveld, de werkafstand (afstand van camera/lens tot het object) en de sensor grootte van de geselecteerde camera.
De camera en lens zijn geplaatst boven een transportband, in dit voorbeeld willen we de camera tussen 700 mm en 1000 mm van de transportband plaatsen. Met een horizontaal gezichtsveld van 800 mm en een werkafstand van 735 mm, is de berekende brandpuntsafstand van de lens 8 mm. Zie hieronder een screenshot van de lens calculator die online beschikbaar is op onze website. 



Op basis van deze berekening en de camera specificaties, is de LCM-5MP-08MM-F1.4-1.5-ND1 lens geschikt.

Machine vision verlichting voor het inspecteren van fruit, groenten en planten

Twee barverlichting worden vaak gebruikt om fruit, groenten en planten op een transportband te verlichten. De transportband is vaak volledig afgesloten van omgevingslicht om externe invloeden te voorkomen en om diffuus licht te creëren. De barverlichting wordt dwars boven de transportband geplaatst en moet de gehele breedte van de band bedekken. De objecten worden van twee zijden verlicht. De barverlichting moet onder een bepaalde hoek worden geplaatst, zodat er bijna geen reflectie en geen schaduw is.

Computer vision software voor kwaliteitscontrole en sortering van groenten, fruit en planten

Naast de hardware is computer vision software vereist om automatisch defecten te herkennen. Klanten kunnen zelf softwarecode schrijven of gebruikmaken van bestaande vision softwarelicenties, zoals Zebra Aurora Vision Studio. Aurora Vision is krachtige machine vision software die speciaal is ontworpen om eenvoudig een vision programma te ontwerpen. Dankzij de grafische interface zijn er geen programmeerkennis vereist om een vision programma te maken. De software heeft een gereedschapskist die geschikt is voor het uitvoeren van veel machine vision taken. Door de juiste tools te selecteren, kun je binnen enkele minuten eenvoudig een workflow creëren. Moeilijke machine vision vereisten kunnen ook worden opgelost met de deep learning add-on, die kunstmatige intelligentie gebruikt om complexe detectie- en herkenningsproblemen op te lossen.
 
Je kunt ook Aurora Vision Lite gebruiken, een gratis demo-programma van Aurora vision. Je kunt afbeeldingen van de harde schijf laden en je eigen vision programma ontwerpen met alle beschikbare machine vision tools in Aurora vision studio.

We kunnen ook een sample programma voor je maken in Aurora Vision. Zodra je afbeeldingen beschikbaar hebt, kunnen we een sample programma voor je maken in Aurora Vision. We vragen je vervolgens om een specificatiedocument te maken met wat je wilt detecteren en tien afbeeldingen te verstrekken.

Machine vision application

Hopelijk hebben de bovenstaande stappen je geholpen om de juiste hardware en software te selecteren voor jouw kwaliteitscontrole en sortering van groenten, fruit en planten met computer vision application.

Als u nog verdere vragen heeft, kunt u altijd contact met ons opnemen. We hebben jarenlange ervaring en kennis opgebouwd in de machine vision industrie. We geven graag advies en klanten kunnen contact met ons opnemen voor technische support.