zastosowanie kontroli wizyjnej do automatycznego testowania

zastosowanie kontroli wizyjnej do automatycznego testowania

Technologia i Automatyzacja Montażu
1/2013
ZASTOSOWANIE KONTROLI WIZYJNEJ DO AUTOMATYCZNEGO TESTOWANIA
ELEMENTÓW Z TWORZYWA SZTUCZNEGO
Konrad KLUSEK, Piotr PÓŁTORAK
Streszczenie
Stale rosnące wymagania dotyczące jakości produkowanych przedmiotów zmuszają producentów do wykorzystywania szybkich i dokładnych metod kontrolnych i pomiarowych. W tej pracy przedstawiono działanie modułu wizyjnej kontroli jakości do
automatycznego testowania ozdobnych elementów wykonanych z tworzywa sztucznego. Praca zawiera zarówno opis stanowiska kontrolnego jak i algorytmu wnioskującego, oddzielającego detale prawidłowe i wadliwe.
Słowa kluczowe
kontrola wizyjna, systemy wizyjne, wizja maszynowa, algorytm kontrolny, algorytm detekcji wad
1. Wstęp
W ostatnich latach obserwuje się wzrost zainteresowania wykorzystaniem wizji maszynowej w wielu gałęziach
przemysłu, czego przyczyną są rosnące wymagania jakościowe produktów oraz zmniejszające się stale koszty związane z wdrożeniem systemów wizyjnych. Wzrost
wymagań jakościowych dotyczących produkowanych towarów wymusza zwiększenie dokładności i powtarzalności produkowanych elementów oraz minimalizację ilości
powstających braków.
Jeszcze kilkanaście lat temu 100% kontrolę szeroko
pojętej jakości wykonania przechodziły tylko produkty znajdujące zastosowanie w lotnictwie, astronautyce
oraz medycynie. Obecnie tego typu rozwiązania stosuje
się również w przemyśle kosmetycznym, spożywczym,
maszynowym, elektronice itp., co jest podyktowane wymogami bezpieczeństwa. Jednocześnie obserwuje się
zmniejszający się udział czynnika ludzkiego w procesach
nadzorowania i kontroli produkcji. W celu zapewnienia
100% kontroli produkcji, zwiększenia szybkości kontroli,
ale również uniezależnienia się od zmiennych w czasie
predyspozycji psychofizycznych człowieka, stosuje się
różne systemy kontrolne, w tym również systemy wizyjne. Przewagą systemów wizyjnych nad tradycyjnymi
systemami kontrolnymi, zbudowanymi z wielu czujników
jest ich olbrzymia elastyczność, która pozwala na zastosowanie ich praktycznie we wszystkich gałęziach przemysłu. Ogromna ilość informacji, którą ze sobą niesie
obraz, pozwala w tej samej chwili, na jednym stanowisku
kontrolnym oceniać wiele cech produktu. Dzięki takiemu
podejściu, proces kontroli jest szybszy i mniej zależny od
mechanicznych elementów pozycjonujących obiekt na
linii. Również zmiana asortymentu produkcji wiąże się
z małymi nakładami, gdyż w ogromnej większości należy
zmienić jedynie program inspekcji wizyjnej, przy zachowaniu dotychczasowych struktur mechaniczno-elektrycznych.
2. Opis przedmiotu kontroli
Przelotki, zwane również dekoringami, są elementami ozdobnymi, które służą do mocowania firan bądź
zasłon bez użycia elementów zwanych żabkami. Każda
przelotka składa się z dwóch części, co zostało pokazane na rys. 1. Obie części przelotki łączą się kształtowo wewnętrznymi zatrzaskami na materiale tkaniny,
a przez otwór wewnętrzny przelotki przechodzi następnie karnisz. Przelotki zwykle są wykonywane z tworzywa sztucznego, ale zdarzają się również serie wykonane z metalu. Kształt zewnętrzny przelotki może być
różny, choć najbardziej popularne są przelotki okrągłe.
Główny asortyment producenta stanowią przelotki z tworzywa sztucznego, w kształcie pierścieni o wymiarach
Ø 36/Ø 20 mm, Ø 46/Ø 28 mm, Ø 55/Ø 35,5 mm oraz
Ø 80/Ø 55 mm, produkowane łącznie w ośmiu kolorach,
natomiast kolejne kolory są uzyskiwane poprzez lakierownie. Do projektu wstępnego producent dostarczył
przelotki z tworzywa, o wymiarach Ø 55/Ø 35,5 mm pokazane na rys. 1. Dokładność wykonania przedmiotu wynosi ±1 mm dla obu średnic.
Rys. 1. Elementy składające się na przelotkę, widoczne z obu
stron
21
1/2013
Rys. 2. Przykładowe wady przelotek z tworzywa sztucznego:
a) – przerwanie widoczne w przedmiocie, b) i c) – niedolanie
tworzywa na krawędziach, d) – nadlew, e) – deformacja
Podczas procesu technologicznego wtryskiwania,
w którym powstają przelotki, różne czynniki powodują powstawanie wad. Na podstawie informacji dostarczonych
przez producenta oraz własnych szczegółowych analiz
wytypowano główne wady powstające w procesie wtryskiwania:
 zbyt mała ilość tworzywa w formie skutkująca powstaniem niepołączonego pierścienia przelotki,
 zbyt mała ilość tworzywa w formie skutkująca zamknięciem się pierścienia przelotki, lecz widoczne
są ubytki tworzywa na krawędziach,
 zbyt duża ilość tworzywa w formie oraz złe zamknięcie formy skutkujące pojawieniem się nadlewów
z tworzywa,
 deformacje przelotek powstałe na skutek procesu
chłodzenia (skurcz) lub podczas usuwania przelotek
z formy.
Wymienione wady przedstawiono na rys. 2. Budowa
formy wtryskowej powoduje, że opisane wady, związane
z niedoborem materiału, zawsze powstają w obszarze
najdalej odsuniętym od kanału zasilającego. Co więcej,
wady te zawsze widoczne są na powierzchni czołowej
przelotki, czyli na części ozdobnej widocznej po złożeniu
dwóch elementów składających się na przelotkę. Wady
dotyczą w tym samym stopniu obu elementów, dlatego
też w przypadku obu elementów kontrola będzie dotyczyć powierzchni czołowej.
3. Budowa modułu kontrolnego do badania przelotek
Badanie jakości przelotek odbywa się na stanowisku,
którego model przedstawiono na rys. 3.
22
Technologia i Automatyzacja Montażu
Rys. 3. Model stanowiska do kontroli przelotek: 1 – przedmiot
badany, 2 – ciemnia wizyjna, 3 – podajnik taśmowy, 4 – kamera,
5 – oświetlacz, 6 – czujnik obecności obiektu
Obudowę systemu akwizycji obrazu stanowi modułowa konstrukcja wykonana z profili aluminiowych oraz
szkła akrylowego, której zadaniem jest zapewnienie stabilnego mocowania kamery i oświetlacza, przy jednoczesnym uniezależnieniu się od warunków świetlnych otoczenia. Taśma transportowa przemieszcza pojedyncze
przelotki pod konstrukcją z zadaną prędkością, umożliwiając fotografię obiektu kontrolowanego w ruchu. Do
akwizycji wykorzystano, w zależności od implementacji,
kamerę Basler A601f o rozdzielczości 640 x 480 pikseli, umożliwiającą rejestrację obrazów w 16-bitowej głębi
poziomów jasności z prędkością 60 klatek/s, lub inteligentną kamerę IMPACT A20 o rozdzielczości 752 x 480,
której pozostałe parametry są takie jak kamery Basler
A601f. Oświetlacz, zamocowany ponad kamerą, stanowi okrągła świetlówka. Założono, że na taśmie transportowej przemieszczają się pojedyncze przelotki. W celu
uzyskania silnego kontrastu wierzch taśmy transportowej
został pokryty czarną wyklejką.
4. Algorytm detekcji wad
Program sterujący działaniem stanowiska kontrolnego działa w pętli, którą może przerwać operator. Po
uruchomieniu taśmy transportowej przemieszczający się
element badany zostaje wykryty przez czujnik odbiciowy.
Wykrycie obiektu powoduje uruchomienie źródła światła,
a po założonym czasie, zależnym od prędkości taśmy
transportowej, akwizycję obrazu. W dalszej kolejności
następuje analiza obrazu zgodnie z algorytmem detekcji
wad, którego wynikiem jest zaklasyfikowanie elementu
przelotki do zbioru prawidłowych lub nieprawidłowych
obiektów (rys. 4).
Technologia i Automatyzacja Montażu
1/2013
W drugiej kolejności wykonywana jest operacja kadrowania obiektu, która oparta jest na środku współrzędnych
uzyskanym w operacji pierwszej. Z obrazu pierwotnego
zostają usunięte zbędne informacje poprzez wycięcie
z niego prostokąta zawierającego obiekt badany wraz
z kilkupikselowym marginesem. Tak przygotowany obraz jest następnie poddawany operacji binaryzacji, przy
wykorzystaniu progu jasności na poziomie 30%, powyżej którego wszystkie piksele są traktowane jako jasne
(rys. 5).
Rys. 5. Kolejne operacje przetwarzania obrazu: a) – lokalizowanie obiektu, b) – kadrowanie, c) – binaryzacja.
Rys. 4. Schemat działania algorytmu detekcji wad w elementach
przelotek
Proces wnioskowania na podstawie widzenia [1] składa się z kolejnych operacji, poczynając od akwizycji obrazu, jego przetwarzania, następnie wykonania jego analizy i rozpoznania, oraz jego interpretacji. Na pozyskanym
obrazie dokonuje się w pierwszej kolejności operacji lokalizowania obiektu (rys. 5). Aby zlokalizować obiekt, wystarczy odnaleźć dwa skrajne punkty jasne, należące do
badanego obiektu: pierwszy z nich będzie wyszukiwany,
poczynając od górnej krawędzi obrazu w dół, natomiast
drugi – poczynając od lewej krawędzi obrazu w prawo.
Aby zminimalizować czas działania algorytmu, wykorzystano dwa obszary zainteresowania ROI (ang. Region
Of Interest) [2], które ograniczają zakres wyszukiwania
pikseli jasnych jedynie do obszarów, na których może
pojawić się obiekt badany. Po znalezieniu obu punktów
prowadzi się przez nie proste prostopadłe do kierunków
wyszukiwania, a w punkcie przecięcia prostych uzyskuje
się środek układu współrzędnych związany z obiektem
badanym.
Po zakończeniu operacji przetwarzania obrazu, algorytm przechodzi do operacji jego analizy (rys. 6).
W pierwszej kolejności analizowana jest zewnętrzna krawędź obiektu. Przy wykorzystaniu optymalnego obszaru
ROI wyszukiwane są punkty tworzące krawędź, do których następnie algorytm aproksymuje najlepiej dopasowany okrąg i podaje jego promień, który jest następnie
porównywany z parametrami zadanymi przez operatora. Odległość kamery od obiektu badanego została tak
dobrana, że jeden piksel stanowi 0,2 [mm], co oznacza
że zmierzony promień okręgu zewnętrznego będzie zawierać się w granicach <135; 140> pikseli, co wynika
z założeń projektowych. Założono również, że dopuszcza się 1% punktów leżących poza tolerancją narzuconą przez operatora oraz błąd okrągłości na poziomie
4 pikseli. Kontrola średnicy wewnętrznej obiektu odbywa się w sposób analogiczny, przy wykorzystaniu kolejnego obszaru ROI, w tym przypadku prawidłowy promień wewnętrzny powinien zawierać się w przedziale
<86,25; 91,25> pikseli, błąd okrągłości na poziomie 4 pikseli, przy dopuszczonym 1% punktów leżących poza ww.
tolerancją.
Trzecią operacją analizy obrazu jest zliczenie białych pikseli. Operacja ta pozwala wykryć wadę, która nie
jest związana z żadną krawędzią obiektu badanego. Za
obiekt prawidłowy uznaje się element przelotki, którego
powierzchnia zawiera się w granicach <38 200; 39 000>
pikseli.
23
1/2013
Technologia i Automatyzacja Montażu
BASLER A601f. Algorytmy sterujące pracą systemu wizyjnego NI CVS-1456 mogą być przygotowywane w środowisku LabVIEW [2] oraz w środowisku VBAI (Vision
Builder for Automated Inspection).
W drugim wariancie wykorzystano inteligentną kamerę IMPACT A20 firmy PPT VISION [3]. Inteligentna kamera, w jednej, przemysłowej obudowie, integruje zarówno
układ służący do akwizycji obrazu, jak i układ przeznaczony do jego analizy. System czasu rzeczywistego sterujący działaniem kamery inteligentnej jest programowany
w środowisku IMPACT Vision Program Manager.
6. Podsumowanie
Operacje interpretacji obrazu są w tym przypadku
powiązane z operacjami jego analizy. Porównanie rzeczywistych wartości uzyskanych z pomiaru z wartościami
założonymi przez operatora, w każdym z trzech przypadków może zakwalifikować element przelotki jako prawidłowy lub wadliwy. Wartości progowe i tolerancje mogą
być zmieniane przez operatora przy wykorzystaniu panelu operatorskiego lub komputera z interfejsem Ethernet.
Testy przeprowadzone na module kontrolnym pokazały, że podstawowy algorytm kontrolny spełnia przyjęte
założenia, niezależnie od urządzenia i oprogramowania,
na którym został zaimplementowany. Pozytywne wyniki
pracy algorytmu pozwoliły na opracowanie algorytmów
pochodnych, umożliwiających przeprowadzenie analizy wad przelotek produkowanych w pozostałych trzech
wymiarach. W dalszym etapie prac moduł kontrolny
zostanie wyposażony w kombinację oświetlacza RGB
oraz zespół optycznych filtrów barwnych, co pozwoli na
kontrolowanie wad w przelotkach kolorowych. Docelowo
moduł kontrolny ma być elementem urządzenia, którego
zadaniem będzie pobranie elementów przelotki, ich kontrola i ewentualne odrzucenie, a następnie montaż dwóch
współpracujących prawidłowych elementów przelotki.
5. Implementacja
LITERATURA
Tak przygotowany algorytm został zaimplementowany do użycia w dwóch konfiguracjach. W pierwszym
wariancie wykorzystano urządzenie NI CVS-1456 firmy
National Instruments. Jest to kompaktowy system wizyjny w obudowie przemysłowej, oparty na procesorze Intel
Celeron 733 MHz, wyposażony w 128 MB pamięci RAM,
którego pracą steruje system operacyjny czasu rzeczywistego. Urządzenie jest wyposażone w interfejsy RS-232,
Ethernet oraz trzy złącza IEEE 1394 umożliwiające łączną pracę trzech kamer. W opisywanym przypadku system wizyjny współpracuje z monochromatyczną kamerą
1.
Rys. 6. Kolejne operacje analizy obrazu: a) – analiza krawędzi
zewnętrznej, b) – analiza krawędzi wewnętrznej, c) – zliczanie
ilości pikseli białych
2.
3.
Tadeusiewicz R., Korohoda P.: Komputerowa analiza i przetwarzanie obrazów. Wydawnictwo Fundacji
Postępu Telekomunikacji, Kraków 1997.
NI VISION. NI Vision Concepts Manual. 322916E01, Austin, Texas, November 2005.
Impact Reference Guide, Publication # 843-0093,
(Rev 10.4.1).
________________________
Inż. Konrad Klusek oraz mgr inż. Piotr Półtorak są pracownikami Instytutu Mechanizacji Budownictwa i Górnictwa Skalnego, ul. Racjonalizacji 6/8, 02-673 Warszawa,
e-mail: [email protected] i [email protected].
APPLICATION OF VISUAL CONTROL FOR AUTOMATED TESTING OF PLASTIC
DECORATIVE COMPONENTS
Abstract
The increasing requirements of the quality of produced objects are forcing manufacturers to use fast and accurate methods for
control and measuring. This paper presents operation of a visual quality control module for automated testing of plastic decorative components. The work includes a description of the control module, and the control algorithm that separate flawed parts
from the correct ones.
Keywords
visual control, vision system, machine vision, control algorithm, algorithm for detecting flawed parts
24