System klasyfikacji i sortowania warzyw z kamerami vision
Jeśli chcesz kontrolować jakość warzyw, takich jak marchew, pomidory, ziemniaki, ogórki, sałata, cebula, bakłażany, fasolka szparagowa, cukinia i papryka itp., pod kątem długości, pęknięć powierzchniowych, rozmiaru, kształtu i koloru, wdrożenie wysokiej jakości systemu wizyjnego ma kluczowe znaczenie dla identyfikacji tych parametrów na przenośniku taśmowym. Rozumiemy, że określenie odpowiedniej konfiguracji kamery, oświetlenie do systemów wizyjnych oraz oprogramowanie wizji komputerowej może być trudne. W zaledwie kilku krokach ten artykuł pomoże Ci wybrać odpowiedni sprzęt i oprogramowanie vision.
Jeden z naszych inżynierów vision rekomenduje przykładową konfigurację kamery testowej i oprogramowanie dla tego systemu wizyjnego do sortowania warzyw. Za pośrednictwem linków nasze produkty i ceny są natychmiast widoczne, zapewniając bezpośredni dostęp do informacji o tym systemie wizyjnym do sortowania warzyw.
W tym zastosowaniu nasz klient zgłosił zapytanie dotyczące wykrywania jakości cięcia marchwi i sortowania jej na podstawie zdjęć wykonanych naszymi kamerami przemysłowymi. Potrzebował klasyfikować uszkodzone marchewki oddzielnie od zdrowych. Zastosowanie systemu wizyjnego do wykrywania parametrów umożliwiło mu zatwierdzanie lub odrzucanie pęknięć na marchwi do dalszego wykorzystania.
Wybór kamery przemysłowej
Najpierw rozpoczynamy od wyboru kamery przemysłowej do systemu wizyjnego klasyfikacji i sortowania warzyw. Rekomendacją była nasza kamera GigE 1,60 MP MER2-160-75GC-P , oparta na specyfikacjach i szczegółach zastosowania naszego klienta.
Po pierwsze, klient nie wiedział, jakiego interfejsu kamery potrzebuje, i nie miał konkretnych preferencji dotyczących interfejsu. Gdy odległość między komputerem PC a kamerą jest mniejsza niż 4,6 metra, zaleca się kamerę USB3, aby skorzystać z 4 razy większej przepustowości niż w przypadku kamery GigE, transmisji danych i zasilania przez tylko 1 kabel oraz przewagi cenowej.
Aby rozróżniać kolory, wybrano kamerę kolorową. Ponieważ warzywa przemieszczają się na kroczącym przenośniku taśmowym, w przypadku tego konkretnego systemu wizyjnego klasyfikacji marchwi zalecamy użycie kamery z Globalna migawką zamiast kamery z rolling shutter. Więcej o Globalna migawka vs. Krocząca migawka można przeczytać w tym artykule w naszym Centrum Wiedzy.
Następnie, aby móc określić liczbę klatek na sekundę kamery i liczbę zdjęć, które należy wykonywać na sekundę, zapytaliśmy klienta o rzeczywistą prędkość przenośnika taśmowego i na podstawie prędkości około 19 m/s obliczyliśmy wymaganą liczbę klatek na sekundę kamery, która wynosiła 75fps.
Aby określić wymaganą rozdzielczość, której badacz wcześniej nie był pewien, zaoferowaliśmy mu wsparcie poprzez obliczenie jej na podstawie najmniejszych szczegółów, które chciał uchwycić na powierzchni marchwi, takich jak pęknięcia i uszkodzenia. Aby zobaczyć najmniejsze pęknięcia o wielkości około 0,85mm w obrębie pola widzenia około 400*300 mm, wymagana jest rozdzielczość systemu 1,6 MP. Przy założeniu 3 pikseli na najmniejsze szczegóły pęknięć wymagane było co najmniej 1440*1080 pikseli. Nasza kamera MER2-160-75GC-P 1,6 MP z sensorem Sony IMX273 oferuje doskonałe rozwiązanie o wysokiej rozdzielczości do precyzyjnego wykrywania pęknięć i uszkodzeń w klasyfikacji jakości marchwi/warzyw.
Obiektyw do sensora Sony IMX273
Wybrana kamera 1,6 MP do tego systemu wizyjnego do sortowania warzyw jest wyposażona w matrycę Sony IMX273, jest to matryca 1/2,9”. Aby określić, który obiektyw najlepiej nadaje się do tego systemu wizyjnego, skorzystaliśmy z naszego internetowego kalkulatora obiektywu. Na podstawie 2 specyfikacji systemu wizyjnego, wymaganego poziomego pola widzenia (FOV) i odległości roboczej (WD), obliczana jest prawidłowa ogniskowa.
Klient wymaga pola widzenia 400x300 mm i preferuje odległość roboczą między 900-1000 mm. Obliczenia pokazują, że dla tych specyfikacji zalecany jest obiektyw o ogniskowej 12MM. Wykazano również, że odległość robocza będzie wynosić 1000 mm, a pole widzenia będzie nieco większe niż preferowane. Wynika to z rozmiaru matrycy kamery, która nie ma takiego samego stosunku liczby pikseli jak pole widzenia 400*300 mm. Końcowe pole widzenia będzie wynosić około 409*307 mm. Nasz obiektyw C-mount 12MM F2.0 1/1.8", VA-LCM-5MP-12MM-F2.0-018 , jest obiektywem bez zniekształceń < 0.3%, który oferuje doskonałe rozwiązanie dla kamery 1,6 MP.
Oświetlenie przemysłowe do klasyfikacji jakości warzyw
Dodanie oświetlenia do widzenia maszynowego do inspekcji sortowania marchwi zwiększa kontrast oraz uwidacznia istniejące pęknięcia i uszkodzenia na powierzchni marchwi. Aby zminimalizować i wyeliminować cienie, zaleca się zastosowanie systemu oświetlenia po górnej stronie taśmy przenośnika. Zwiększony kontrast podczas stosowania oświetlenia od góry w systemie wizyjnym do inspekcji sortowania warzyw ułatwia wykrywanie pęknięć i dostrzeganie uszkodzeń na warzywach, aby można było je następnie sortować. W przypadku oświetlenia zalecamy źródło światła o około 10% większe niż pole widzenia. Zalecamy 2 nasze oświetlacze liniowe, białe Oświetlacz liniowy serii VA-BL3 275*16 ,do umieszczenia nad taśmą przenośnika. Dodatkowo są one dostępne w magazynie ekspresowym. Oznacza to, że mogą zostać natychmiast wysłane do klienta.
Ponieważ zastosowanie miało odbywać się na zewnątrz, zaleciliśmy zarówno polaryzacyjny filtr do obiektywu, jak i arkusz polaryzacyjny, aby usunąć możliwe odblaski i refleksy.
Polaryzacyjny filtr do obiektywu: filtr do obiektywu LFT-LPOL-M25.5 jest przeznaczony do obiektywów C-mount z gwintem filtra M25.5xP0.5, takich jak zalecany obiektyw C-mount 12 mm.
Arkusz filtra polaryzacyjnego: liniowy arkusz filtra polaryzacyjnego polaryzuje podświetlacz po umieszczeniu go przed źródłem światła. Można go również przyciąć do preferowanego przez klienta rozmiaru.
Oprogramowanie do przetwarzania obrazu do sortowania warzyw
Pojedyncza Kamera, obiektyw i oświetlenie nie tworzą kompletnego systemu wizyjnego do sortowania warzyw. Do rzeczywistej kontroli jakości warzyw wymagane jest oprogramowanie do przetwarzania obrazu, aby wykrywać pęknięcia i uszkodzenia na warzywach. Nasze kamery są kompatybilne z GenICam, co oznacza, że mogą być używane z różnorodnym oprogramowaniem innych firm, w tym MvTec Halcon, NI LabVIEW, Cognex Vision pro, MATLAB, Open CV i oprogramowaniem dla płyt ARM.
Do początkowego programowania można użyć naszego bezpłatnego SDK do pozyskiwania obrazów i ustawiania parametrów kamery.
zestaw do tworzenia oprogramowania jest kompatybilny ze standardowymi i przemysłowymi komputerami PC oraz platformami ARM, w tym serią NVIDIA TX i Raspberry Pi. Obsługiwane systemy operacyjne obejmują Windows, Linux i Android. Systemy operacyjne Notably i Apple MAC OS nie są obsługiwane w zastosowaniach przemysłowych, ale inżynierowie mogą uruchomić na komputerze MAC maszynę wirtualną z Windows lub Linux w celu zapewnienia kompatybilności. SDK obsługuje języki programowania, takie jak C++, C#/. NET i Python. Na żądanie można uzyskać dodatkowe języki, ponieważ nie są one zawarte w standardowym pakiecie.
W tym przykładzie zastosowania sortowania warzyw / marchwi klient docenił pracę z oprogramowaniem, które jest łatwe w użyciu dla mniej doświadczonych współpracowników. Dlatego zaleca się wykorzystanie oprogramowania Zebra Aura Vision. To wydajne i przyjazne dla użytkownika oprogramowanie oferuje solidne środowisko graficzne przypominające „skrzynkę narzędziową”.
Przy użyciu tego oprogramowania jako uzupełnienia zastosowania sortowania warzyw można wykrywać zarówno rozmiar uszkodzeń, jak i ich liczbę.
Aby zdobyć wiedzę na temat oprogramowania Aurora Vision, dostępna jest bezpłatna wersja lite ze wszystkimi standardowymi algorytmami.
Zastosowania sortowania i klasyfikacji warzyw
Zastosowanie do klasyfikacji i sortowania warzyw z systemem wizyjnym jest również wykorzystywane w wielu innych zastosowaniach i branżach; w tym przypadku zostało użyte w branży rolniczej. Jednak często jest również stosowane w przemyśle spożywczym. Na przykład system wizyjny może zautomatyzować szybkie liczenie i analizowanie licznych owoców w produkcji żywności. Do szybkiego obrazowania przemysłowa kamera vision, taka jak nasza kamera 1,6 MP z 227 fps, kamera MER2-160-227U3C, przy pełnej rozdzielczości może stanowić doskonałe rozwiązanie sprzętowe vision.
Oprócz kontroli pęknięć na powierzchni marchwi system wizyjny może być również używany do wykrywania przebarwień i jakości skórki na powierzchni warzyw.
Wsparcie dla zastosowań związanych z klasyfikacją i sortowaniem warzyw
Czy chcieliby Państwo uzyskać wsparcie od jednego z naszych ekspertów ds. widzenia maszynowego przy tworzeniu własnego systemu wizyjnego do sortowania warzyw? A może innego podobnego systemu wizyjnego? Prosimy nie wahać się skontaktować z nami za pomocą poniższego formularza!