Use of neural networks in optical control

I p�es automatizaci, která ve výrobních firmách nachází �ím dál v�tší uplatn�ní, z�stává mnoho operací nebo výsledných produkt� kontrolovaných �lov�kem. To p�sobí zna�nou zát� na mzdové náklady, dostupnost personálu, ale také nejistotu v kontrole. �ešením problému jsou systémy automatické optické nebo mechanické kontroly výroby.

V minulosti pou�ívané metodiky na vyhodnocení obrazu doká�ou spolehliv� ur�it p�ítomnost r�zných komponent produktu nebo vady výroby, ale za p�edpokladu, �e se opakuje stejný proces se stejnými podmínkami. Výrobek ke kontrole je manipulován v�dy ve stejné poloze se stejným nasv�tlením.

Za této situace lze vytvo�it program rozpoznání tak, �e algoritmus nap�íklad hledá kontrolovaný objekt A v poloze v��i jinému objektu B, který vypadá v�dy stejn�, je na stejném míst� a je snadné ho najít. Dále u objektu A kontroluje vlastnosti, jako je nap�íklad rozm�r, jas aj. a porovnává se vzorovým OK dílem. Vyhodnocení je pak snadné. Jsou objekty v��i sob� v jiné poloze? Díl je NOK. Objekty na obrazu chybí? Díl je NOK. Objekty jsou na daném míst�, ale vypadají jinak? Díl je NOK. Problém nastává, kdy� produkt ke kontrole m��e být manipulován v r�zné pozici, s r�zným nasv�tlením a v obraze se m��e vyskytnout více v�cí ne� na „ideálním“ snímku.

Podobný p�íklad jsme �ešili u výrobce p�ístrojových desek pro automotive. P�vodní zadání zn�lo:

„Na bocích p�ístrojové desky je bílý oválný díl, který funguje jako pojistný bezpe�nostní prvek pro jinou komponentu. Slou�í k tomu, aby v p�ípad� nehody neopustila své místo ve voze a nezranila posádku. P�ístrojová deska je manipulována stále stejn� a ani sv�telné podmínky se nem�ní.“

Ze zadání se zdálo, �e konven�ní metoda bude vhodnou volbou. Nicmén�, po vyvinutí a nasazení technologie do výroby se ukázalo, �e zadání nebylo zcela p�esné. P�ístrojové desky se ne v�dy pohybovaly stejn�, sv�telné podmínky i pozice pojistného dílu se m�nily, a dokonce se v kontrolovaném míst� vyskytovaly i další komponenty, které v zadání nebyly. Výsledkem tak byl nadm�rný po�et NOK vyhodnocení.

Další cesta byla jasná, pou�ití neuronových sítí a p�idání siln�jšího nasv�tlení. Vytvo�ili jsme vlastní neuronové sít� na míru dané aplikaci, do kterých jsme zahrnuli snímky a data, které jsme získali z funkce konven�ního �ešení. Výsledkem byl v zásad� bezchybný pom�r OK a NOK vyhodnocení, dále rychlá mo�nost úprav a zahrnování zm�n podmínek ve výrob� (nový typ desek, zm�na pozice dílu, výskyt neo�ekávaných entit na snímku jako je ruka operátora atd.).

Základem pro pou�ití strojového u�ení je dostatek vstupních dat, v našem p�ípad� snímk� kontrolovaného dílu. �ím v�tší mno�ství snímk� je získáno, tím p�esn�jšího vyhodnocení docílíme. Do tzv. u�ící sady snímk� je d�le�ité zahrnout co nejv�tší variace mo�ností jak pro OK, tak NOK díly (nap�. mo�né vady, variace díl� a další odchylky od „ideálního stavu“).

Pak následuje roz�azení snímk�, které jsou hodnoceny jako OK díl, a které vyhodnocujeme jako NOK. Jakmile jsou p�ipraveny, m��e se naše neuronová sí� „za�ít u�it“. Sí� si sama vytvo�í zobecn�ný „algoritmus“ pro vyhodnocení snímk�. Dalším krokem je pou�ití nau�ené neuronové sít� na nové snímky dílu, které nebyly pou�ity v u�ící mno�in� snímk� dílu.

Výsledek testu se projde se zákazníkem a zp�esní hodnocení. Následn� je systém p�ipraven k nasazení do výroby s vysokou úrovní spolehlivosti i v m�nícím se prost�edí. Výhodou je, �e pokud se za�adí nový díl, nebo se za�ne objevovat nová anomálie ve výrob�, sta�í to p�idat do existující u�ící mno�iny snímk�. Neuronová sí� se bez komplikací p�eu�í bez další pot�eby p�ipravovat nový software nebo hardware.

ELYA Solutions je dce�inou spole�ností LASCAM. Ji� více jak 10 let se specializuje na design a konstrukci za�ízení na míru v oblasti p�esné mechaniky a optiky pro v�du i pr�mysl.

Jan He�mánek, Sales Engineer, jan.hermanek@lascam.cz | +420 605 883 505