マシンビジョン検査：貿易のツール
部品および製品の自動インプロセス検査は、ほぼすべての産業および製造プロセスの多数の多様なアプリケーションで、マシンビジョンテクノロジーを使用して何十年にもわたって正常に実行されてきました。確かな数字は存在しませんが、検査タスクがマシンビジョンアプリケーションの展望を支配している可能性が高いと主張するのはもっともらしいことです。それでも、自動検査の価値提案と実装の容易さをさらに改善する新しいマシンビジョン技術とソフトウェアが出現し続けています。エンドユーザーの成功の秘訣は、成熟したツールと新しいツールの両方を理解することです。業界のツール そして、これらのツールをどのように最適に実装できるか。
自動化プロセスにおける検査関連のさまざまなタスクにより、考えられる各ユースケースにラベルを付けることが困難になります。一般に、重要なカテゴリには、アセンブリの検証、機能の有無、欠陥の検出（多くの形式）、製品の識別と差別化などがあります。すべての場合において、マシンビジョンはビッグデータとインダストリー4.0の概念の重要な要素である可能性があることを覚えておくことが重要です。
産業用自動化のためにマシンビジョン検査を実装する場合、おそらく最も重要な価値提案は、検査結果の使用方法にあります。
イメージング—成功するすべてのアプリケーションの基盤
ユースケースや分析方法に関係なく、高品質の画像がマシンビジョンプロジェクトの重要な基盤であることは常に繰り返されます。高品質の画像とは、目的の視野で関心のある特徴（オブジェクト、部品、欠陥）を強調するための正しい解像度とコントラストを備えた画像として定義されます。適切な設計仕様には、イメージングコンポーネント自体と、照明や光学系などの関連する必須コンポーネントが含まれます。
適切な画像設計を採用する多くの検査アプリケーションでは、2Dグレースケールが引き続き最も広く使用されているテクノロジーです。センサーとカメラの速度と解像度の進歩により、以前は達成できなかった、または複雑すぎて実用的ではなかった可能性のある、より多くのユースケースが可能になりました。センサー解像度が12Mピクセルから50Mピクセル以上のカメラが利用できるようになると、より広い視野でより小さな特徴を検出することがより簡単になり、より安価になります。間もなく、5〜10Mピクセルでの画像取得が高解像度ではなく標準と見なされる可能性があります。
マシンビジョンのコアテクノロジーであるスマートカメラは、検査タスクの成長を続けており、定期的に高解像度と高速処理を備えています。さらに、FPGAやその他のコンピューティングプラットフォームを使用した組み込み処理を組み込んだ標準的なカメラアーキテクチャが大幅に開発されました。これらのコンポーネントは、これらのタイプのコンポーネントの一部に関連するコスト削減を活用するために、複数の重複インストール用に拡張できる検査アプリケーションに最適です。
2Dおよびグレースケール画像を超えて
シーンの3D情報をキャプチャするマシンビジョンコンポーネントは、さまざまなイメージング手法と実装手法で非常に簡単に利用できます。 3D画像は、オブジェクトの表面ジオメトリの地形表現を提供しますが、2Dイメージングは、オブジェクトの平面にあるコントラスト（グレースケールまたはカラー）の画像をキャプチャします。 3Dデータは、コントラストよりも幾何学的構造の特徴や欠陥を含む検査タスクを可能または強化します。 3Dシステムの使用は劇的に簡単になり、2Dシステムと同様に、解像度、速度、精度は拡大し続けています。
前述のように、多くのマシンビジョン検査アプリケーションは、オブジェクトのグレースケール画像を提供するカメラを使用します（色のない画像、または本質的に単色であるため、単色とも呼ばれます）。 ）。ただし、一部のアプリケーションは、分析に必要な情報を提供するために、カラー画像の恩恵を受けることができるか、またはそれに依存する必要があります。 RGB（赤、緑、青）画像をキャプチャするマシンビジョン用の標準カメラをすぐに利用できます。適切に統合されている場合、これらのコンポーネントは、色がオブジェクトまたは欠陥の特徴を定義する一部である場合の特徴分析の信頼性を高めることができます。市場に出回っているほとんどのカラーカメラはセンサーにフィルタリングシステム（ベイヤーフィルター）を使用していますが、解像度と色の区別を向上させるために、着信画像を3つのフルフレームチャネル（通常はRGB）に光学的に分割する高度なカメラコンポーネントも利用できます。
新しいものではありませんが、近年広く利用できるようになりましたが、ハイパースペクトルイメージングと呼ばれるさらに強力なカラーイメージング技術と、それに近い相対的なマルチスペクトルイメージングにより、より離散的で粒状のカラーを実行できます。分析。これらのカメラは、単一のシーンの複数の（場合によっては数百の）画像を収集し、それぞれがシーンからのスペクトル情報の異なる狭い帯域幅を持ちます。このタイプのコンポーネントは、専用の分類ソフトウェアを使用して、材料のスペクトル検査を実行したり、化学組成を検出したりすることができます。食品、製薬、リサイクルなどの多くの業界は、このタイプの検査機能の恩恵を受けています。
カラーイメージングをさらに拡張すると、目に見えない照明や熱エネルギーを使用して画像を作成できるコンポーネントが見つかります。一般的に、これは赤外線（IR）イメージングとして説明できます。近赤外線（NIR）、短波赤外線（SWIR）、および長波IR（熱画像）を画像化するアプリケーションは、可視波長では見えないオブジェクトのビューを提供します。この機能は、食品の腐敗の検出から不透明なプラスチック容器の透視、充填レベルの確認に至るまで、多くの検査アプリケーションで非常に有利に使用できます。
マシンビジョン検査タスクで使用されるアルゴリズムとソフトウェアツールは、非常に成熟しており、信頼性があります。全体として、信頼できる画像を使用する場合、多くの検査タスクは簡単に実装できます。既存のマシンビジョンツールに追加して、さらなる機能とさまざまな処理アプローチを提供する可能性のある新しいテクノロジーが登場しました。
これらのテクノロジーの中で最も広く知られているのは、ディープラーニングです。マシンビジョンのディープラーニングは、特に検査アプリケーションを対象としており、検査アプリケーションに最適であり、産業用マシンビジョンのますます多くの検査アプリケーションにうまく適用されています。ただし、ディープラーニングを使用したアプリケーションの設計、構成、統合には、従来のマシンビジョンプロジェクトで使用されているものとはまったく異なる実装アプローチが必要です。
いわゆる従来のマシンビジョン実装手法では、オブジェクトまたはシーンに関する特定の情報を返すアルゴリズムを使用して実行される、ターゲットオブジェクトに関する一連のルールを作成します。ディープラーニングは、良品と不良品の部品またはオブジェクトの例を含む多くの代表的な画像でトレーニングされます。ただし、これはすべての検査アプリケーションの特効薬ではありません。達成される可能性のある成功のレベルを予測する前に多くの画像を収集する必要がある場合、一部のアプリケーションでは煩雑になる可能性があり、システムとその分類の継続的なメンテナンスは特定のユースケースに適さない場合があります。
品質、スマート製造、およびデータ収集に対する需要の拡大に伴い、検査アプリケーション向けのマシンビジョンテクノロジーの実装は拡大を続けています。高度なコンポーネントと検査用ソフトウェアの機能は、確かに追加のユースケースを推進し、将来的に追加の価値を提供します。
産業用ロボット