Choisir le bon matériel pour un système de vision industrielle
Bien que la plupart des systèmes de vision comprennent une collection similaire de matériel, il existe des choix spécifiques à faire pour chaque composant, et ils doivent tous travailler ensemble de manière transparente.
La configuration exacte de tout système de vision industrielle est dictée par les exigences spécifiques à la tâche : en commençant par l’application, vous pouvez travailler avec un fournisseur pour déterminer les paramètres précis dont vous avez besoin.
Capteurs monochromes et capteurs couleur
Les capteurs d’image de vision industrielle sont monochromatiques, ce qui signifie que chaque pixel ne détecte que l’intensité de la lumière incidente, et non sa couleur. Ils peuvent acquérir des images en couleur à l’aide de filtres rouges, verts et bleus, mais dans la grande majorité des applications industrielles, l’imagerie monochrome est un choix plus efficace. Puisque les filtres de couleur réduisent l’intensité lumineuse, ils ne sont utilisés que lorsque la couleur est absolument requise pour une tâche spécifique.
Capteurs d’images
Au centre de tout système de vision, un capteur d’image convertit l’énergie lumineuse en signaux électriques pouvant être analysés par un logiciel.
Les capteurs d’image sont des puces semi-conductrices statiques comprenant des millions de photodétecteurs appelés pixels, qui convertissent la lumière en signaux électriques. Les deux principales technologies utilisées sont les dispositifs à couplage de charges (charge-coupled device, CCD) ou les semi-conducteurs à oxyde de métal complémentaire (complementary metal oxide semiconductor, CMOS). La technologie CMOS est plus récente et prend de plus en plus de parts de marché, grâce à des coûts plus faibles et des vitesses de traitement plus rapides, mais les capteurs CCD sont toujours utilisés dans des applications nécessitant des images de très haute qualité.
Obturateurs roulants et obturateurs globaux
Les caméras de vision industrielle utilisent des obturateurs électroniques pour déterminer comment les pixels sont exposés à la lumière. Malgré l’utilisation du mot « obturateur », comme dans un appareil photo mécanique, ici, l’obturateur fait partie du procédé avec lequel un capteur traite la lumière incidente, il n’est pas une pièce distincte.
Un capteur d’image à obturateur roulant expose les lignes de pixels de façon séquentielle. Ce type de capteur est moins cher, mais si la cible à traiter se déplace rapidement, l’image peut être déformée.
Un capteur d’images à obturateur global peut exposer tous ses pixels à la fois. Ce type de capteur peut être plus complexe à fabriquer, mais les prix ont baissé et ils sont largement utilisés dans les applications industrielles.
Caractéristiques supplémentaires des capteurs
Les capteurs présentent une large gamme de caractéristiques, notamment la taille, la résolution, la taille des pixels, la fréquence d’images, la sensibilité et la plage dynamique. Chaque choix peut affecter d’autres caractéristiques ainsi que le coût. Les capteurs peuvent également avoir une plage spectrale plus large que l’œil humain et détecter la lumière infrarouge (IR), ce qui est utile dans certaines applications industrielles.
Il n’y a pas de réponse unique à la question « quel capteur dois-je utiliser ? ». Les capteurs doivent être choisis en fonction de leur but spécifique, que ce soit pour une ligne d’assemblage rapide, où une fréquence d’images élevée peut être essentielle, ou pour détecter de minuscules détails sur un produit complexe, où la résolution et la plage dynamique peuvent être plus importantes.
Optiques de vision industrielle
Les lentilles collectent et concentrent la lumière sur les capteurs d’image. Elles sont associées au capteur afin d’éclairer complètement la zone photosensible avec une résolution égale ou supérieure à la taille de pixel du capteur.
Une remise au point des lentilles manuelles est nécessaire si les objets observés changent ou si la caméra bouge.
Mais cette tâche peut s’avérer chronophage si elle est réalisée fréquemment, ou si un grand nombre de caméras doivent être ajustées. Dans ces situations, les lentilles à mise au point automatique sont optimales.
Les lentilles à mise au point automatique ajustent automatiquement leur mise au point selon les besoins, ce qui permet de gagner du temps si des changements fréquents sont attendus.
Les lentilles liquides sont un sous-ensemble spécialisé de lentilles à mise au point automatique qui changent de forme à la volée pour conserver la netteté de l’image. Elles sont également plus petites et plus résistantes aux chocs et aux vibrations que les lentilles à mise au point automatique mécaniques de spécifications similaires.
Caches
Un cache de caméra, également appelé boîtier ou capot, protège votre caméra à vision industrielle coûteuse contre la poussière, l’huile, l’eau, les particules alimentaires, les impacts et autres dangers associés à un fonctionnement dans un environnement industriel.
Les caches peuvent également dissiper la chaleur, protéger les branchements des câbles et empêcher toute altération.
Les caches sont classés en fonction de leur protection de la caméra ; l’indice de protection IP67 étant l’indice habituel pour une caméra protégée contre la poussière dans un environnement industriel. Un indice de protection IP67 signifie également que le boîtier de protection est étanche, de sorte que la zone de fonctionnement peut être nettoyée en toute sécurité.
Exigences matérielles supplémentaires du système de vision
Un autre facteur important pour le choix du type de traitement est le matériel requis. En raison de la quantité de traitement parallèle nécessaire, le Deep learning doit généralement utiliser des processeurs parallèles sophistiqués appelés GPU. L’Edge learning nécessite moins de traitement, et les algorithmes basés sur des règles sont les systèmes qui en nécessitent le moins.
Certaines caméras industrielles sont dotées d’un système de traitement intégré ou embarqué. Ces caméras peuvent généralement effectuer un traitement basé sur des règles et un traitement en Edge learning entièrement seules. Le Deep learning peut nécessiter un processeur plus puissant situé sur un PC séparé.